基于RSSI的WSN節點室內定位分析

金彥亮， 薛 用， 張 勇

(上海大學特種光纖與光接入網省部共建重點實驗室，上海200072)

基于RSSI的WSN節點室內定位分析

金彥亮， 薛 用， 張 勇

(上海大學特種光纖與光接入網省部共建重點實驗室，上海200072)

基于實驗的基礎，對基于接收信號強度(received signal strength indication，RSSI)的無線傳感器網絡(wireless sensor network，WSN)節點室內定位的幾種不同情況進行分析．根據室內無線傳播模型和實際測量數據得到RSSI室內傳播模型;比較在不同位置的未知節點定位精度的不同;針對三點定位結果不理想的問題，采用粒子群優化(particle swarm optimization，PSO)算法對定位結果進行優化;比較不同數量的源節點對于節點定位精度的影響．當信標節點數量比較多時，通過篩選一些可靠的信標節點來提高定位精度．

無線傳感器網絡;室內節點定位;接收信號強度;粒子群優化算法

Abstract:This paper analyzes several conditions of received signal strength indication(RSSI)indoor node localization based on experiments．An RSSI indoor propagation model is established using an indoor wireless communication model and the measured data．Different positioning precision of the unknown nodes in different locations are compared．The particle swarm optimization(PSO)algorithm is used to optimize the locating results．Experimental results show that the PSOalgorithm has good performance．The influence of different number of beacon nodes is analyzed for the node positioning accuracy．The experiment shows that the beacon node number affects the positioning accuracy to a certain extent．When there are too many beacon nodes，reliable ones should be chosen as to ensure the localization precision．Key words:wireless sensor network(WSN);indoor node localization;received signal strength indication(RSSI);particle swarm optimization(PSO)algorithm

無線傳感器網絡(wireless sensor network，WSN)［1-2］是21世紀極具發展前景的技術．隨著該技術的不斷成熟和進步，各行各業對無線傳感器網絡的應用需求正與日俱增．特別是近些年來，隨著物聯網技術的發展，無線傳感器網絡已經成為當今生活中不可或缺的一部分．在無線傳感器網絡的眾多應用中，涉及網絡節點的定位及其應用已成為業界的一個研究重點．

基于接收信號強度(received signal strength indication，RSSI)［3-4］的測距技術是利用無線電信號隨距離增大而有規律地衰減的原理來測量節點間的距離．根據讀取節點射頻芯片寄存器的值，可以得到發射節點的發射信號強度．接收節點根據接收到的信號強度，計算出信號的傳輸損耗，利用理論或者經驗模型將無線信號的傳輸損耗值轉換為距離值．該測距技術只需節點具備無線收發器即可完成，不需要增加額外的硬件，應用成本較低，是WSN定位較常采用的方法．

在室內封閉或者半封閉環境內，無線信號由于受到諸如反射、多徑、室內墻壁和障礙物阻擋等多種因素的干擾，RSSI值會出現很大的不穩定性，而RSSI值的偏差會對未知節點的定位產生很大影響，這也是長期以來基于RSSI值定位精度不高的主要原因，如何解決這一問題是提高基于RSSI室內定位精度的關鍵．本研究通過實驗對比了不同情況下WSN節點室內定位的結果，比較了未知節點放置在不同位置時定位誤差的不同，分析了將PSO算法應用于節點定位的效果，以及信標節點數量對定位誤差的影響，并提出了一種提高室內定位精度的方法．

1 室內無線傳播模型

通過大量工程實踐可以發現，無線信號傳播服從概率分布，并可歸納出無線信號傳播的概率模型——Shadowing 模型［5-6］，其一般形式為

式中，pr(d)為收發節點距離為d時的接收信號強度(單位為dBm)，d0為收發節點的參考距離，n為由環境決定的路徑損耗指數．

在實際應用中，可采用簡化的 Shadowing模型［7］:

式中，d0=1 m;PRSSI為節點接收到的RSSI值(單位為dBm)，P0為信號傳輸1 m遠處接收信號的功率．

相關研究表明，RSSI和無線信號傳輸距離之間有確定關系．在實際應用環境中，多徑、繞射、障礙物等不穩定因素都會對無線信號的傳輸產生影響，在充分研究環境因素的影響后，RSSI可以用來進行室內和室外的測距及定位．

2 三點定位算法、質心算法和PSO算法簡述

本實驗以基本的三點定位法［8］和質心算法［9］作為參考．三點定位法的原理如下:當有3個以上信標節點向未知節點發送無線信號時，可以通過3個以信標節點為圓心、信標節點與未知節點之間距離為半徑的圓的交點來求得未知節點的坐標．但在實際測量時，由于受到各種環境因素的影響，通常3個圓無法相交于一點，而是相交于一個區域．

目標函數的計算如下:假設n個錨節點的坐標分別為 m1(x1，y1，z1)，m2(x2，y2，z2)，…，mn(xn，yn，zn)，可以把未知節點的坐標估計問題看作一個優化問題，通過迭代方法計算目標函數的最小值．通過RSSI方法測量得到的包含噪聲信息的距離值為di，定位優化算法的目標函數為

3 實驗分析

本實驗是在空曠的室內完成的，除墻壁外，室內無其他障礙物，室內實驗場地平面圖如圖1所示．發射與接收芯片選擇TI公司的CC1100芯片．

圖1 實驗場地平面圖Fig．1 Planar gragh of experiment room

查詢CC1100的datasheet，可以得到 RSSI運算公式為

式中，PRSSI的單位為dBm，PRSSI_dex為從 CC1100芯片寄存器中讀取的十六進制數轉換成的十進制數值，PRSSI_offset為一些典型值，在本實驗中取為75 dB．

實驗采取單節點發送單節點接收的模式，發送節點每隔1 s發送一個數據包，接收節點通過USB 2．0把收到的數據包傳給筆記本電腦．發射節點與接收節點的放置高度一致為離地面1 m，發射功率為0，無線信號的發射頻率為433 MHz．每次實驗測量多組數據，并剔除其中的少部分不可靠數據．實驗結論是在多次測量的基礎上得到的．

3．1 室內無線信號傳播模型

室內無線信號傳播模型(見圖2)使用Shadowing模型［12］．取 d0=1 m，經過多次實驗測量，求平均得到P0= －35．6 dBm，n=3．1，代入式(2)，可得

圖2縱坐標為接收節點接收功率的平均值，圖3為接收節點接收功率的方差．從圖2可以看出，當收發節點的距離大于5 m時，接收功率與理想lg曲線的偏差總體是比較大的，說明室內定位的誤差比較大．從圖3可以看出，當收發節點的距離大于5 m時，其方差總體上也是比較大的，說明RSSI室內定位不太穩定．這是由于室內環境復雜，無線信號受到反射、多徑、室內墻壁和障礙物阻擋等多種因素的干擾影響，從而使RSSI值出現較大的波動．

圖2 室內無線信號傳播模型Fig．2 Indoor wireless signal propagation model

圖3 接收功率的方差Fig．3 Variance of receive power

3．2 不同位置未知節點定位誤差的比較

當源節點數量為3個時，未知節點定位的方案如圖4所示，源節點的位置為S1，S2，S3，未知節點的位置為A，B，C，D．通過式(7)可得到所求出的信標節點與未知節點的距離，并采用質心算法定位得到未知節點的坐標．坐標定位結果如下:A(1．94，4．12)，B(3．50，2．50)，C(4．45，0．87)，D(1．25，7．35)，其中 A 點的定位誤差為0．96，B 點為 0．62，C點為1．56，D 點為1．84．可以看出，不同位置未知節點的定位誤差也不同，B點的定位誤差最小，A點和C點次之，D點的定位誤差最大．

由于B點處于3個信標節點之中，距離3個信標節點都比較近，因此定位效果較好;A點和C點都偏離某一個信標節點較遠，因此定位效果沒有B點好;D點的位置最偏，偏離其中兩個信標節點都很遠，因此定位效果最差．由此可見，不同位置的未知節點定位結果有一定的差別，位置比較偏的未知節點的定位效果往往不太理想．

圖4 3個信標節點時定位方案Fig．4 Indoor node location scheme with three beacon nodes

3．3 PSO算法對定位結果的優化

由于質心算法只是簡單地對相交圓采用質心運算，將得到的質心作為未知節點的定位坐標，因此其定位精度一般不高．PSO算法通過粒子搜索來尋求區域內對于目標函數的最優解，因此可以用來優化質心算法得到的定位結果．

將質心算法定位結果經過PSO算法優化，采用式(5)所示的優化函數，得到的坐標定位結果如下:A(1．38，3．73)，B(3．52，2．00)，C(4．70，0)，D(0，5．00)，其中 A 點的定位誤差為 0．69，B 點為0．50，C點為1．47，D點為1．00．相對于采用 PSO算法優化前，A點的定位精度提高了28．1%，B點提高了19．3%，C 點提高了5．8%，D 點提高了45．7%．可以看出，定位精度有明顯改善，證明了PSO算法可以提高室內RSSI定位的精確度．

3．4 源節點數對未知節點定位的影響

當源節點數量為4個時，定位方案如圖5所示，源節點的放置位置為S1，S2，S3，S4;未知節點的位置為 A，B，C，D．坐標定位結果如下:A(1．71，4．06)，B(3．55，2．04)，C(4．38，0．82)，D(0．61，7．08)，其中A點的定位誤差為0．75，B點為0．46，C點為1．62，D點為1．25．相對于圖4中3個信標節點的情況，除了在C點的處定位誤差略微增大外，在其余三點的定位誤差都有一定程度的減小，其中A點的定位精度提高了21．9%，B點提高了25．8%，C點降低了3．8%，D 點提高了32．0%．

圖5 4個信標節點時定位方案Fig．5 Indoor node location scheme with four beacon nodes

當源節點數量為5個時(定位方案見圖6)，源節點的放置位置為 S1，S2，S3，S4，S5，未知節點的放置位置為 A，B，C，D．坐標定位結果如下:A(1．52，3．77)，B(3．53，2．09)，C(4．50，0．82)，D(0．69，7．02)，其中 A 點的定位誤差為 0．74，B 點為 0．41，C點為1．50，D點為1．23．相對于圖4中3個信標節點的情況，A，B，C，D 4個未知節點的定位精度都有比較大的提升，其中A點的定位精度提高了22．9%，B點提高了33．9%，C點提高了4．9%，D點提高了33．2%．相對于圖5中4個信標節點的情況，A，B，C，D 4個未知節點的定位精度也有提升，但是幅度不是很大，其中A點的定位精度提高了1．3%，B點提高了12．2%，C 點提高了7．4%，D 點提高了1．6%．

圖6 5個信標節點時定位方案Fig．6 Indoor node location scheme with five beacon nodes

可以看出，源節點數量對定位精度有一定的影響．隨著源節點數量的增加，個別節點定位精度可能有所降低，但總體上都得到了提高．

3．5 一種提高室內定位精度的方法

從室內無線信號傳播模型可以看出，當源節點與目標節點之間的距離大于5 m時，RSSI測距有比較大的誤差，并且隨著距離的增加，測距誤差有增大的趨勢．這些信標節點包含的位置信息比較不可靠，如果將這些不可靠的測距信息作為定位參考將會給節點定位帶來比較大的誤差，因此，可以考慮舍去這些距離比較遠的信標節點．

本實驗從5個接收節點中篩選出3個比較大的RSSI值作為參考節點，將得到的定位結果與圖5和圖6 進行對比．坐標定位結果如下:A(1．09，3．36)，B(3．64，2．06)，C(4．51，0．97)，D(0．16，7．02)，其中A點的定位誤差為 0．72，B 點為 0．46，C 點為 1．50，D點為1．03．相對于圖5中4個信標節點參與定位的情況，篩選后的定位精度均有比較大的提升，特別是C點和D點，提升效果尤其明顯．相對于圖6中5個信標節點參與定位的情況，A點定位精度略有提升，B點則稍有降低，C點幾乎沒有變化，D點有比較大的提升，總體來說，篩選后的定位精度還是有所提升的．

本實驗最多只考慮了5個信標節點，沒有涉及大量的信標節點的情況．如果涉及大量信標節點，也可以考慮采用同樣的方法，即剔除一些測距誤差比較大的信標節點，來提高定位精度．對于大量信標節點的情況，有待于進一步進行實驗驗證．

4 結束語

由于室內環境比較復雜，RSSI測距受到各種因素的影響，會產生比較大的誤差．本研究通過實驗數據分析了室內無線信號的傳播規律，說明了室內定位精度不太高，且不同位置的未知節點定位精度有一定的差別．在本實驗中，離源節點距離比較遠的未知節點的定位精度比較低，而比較靠近源節點的未知節點的定位精度相對較高．采用PSO算法能夠優化未知節點的定位結果，提高定位精度，尋找到合適的目標函數能提高優化效果．源節點數量也對定位結果有一定的影響，隨著源節點數量的增多，個別節點的定位精度可能有所降低，但大多數未知節點的定位精度都得到了提高．當源節點數目較多時，可以通過篩選出一些比較可靠的源節點來提高定位精度．本實驗選擇了靠近目標節點的源節點，實驗證明定位精度有了一定程度的提高．

［1］ RABACY JJ，AMMER M J，PATEL D，et al．Picorodio supports ad hoc ultra-low power wireless networking［J］．Computer，2000，33(7):42-48．

［2］ LOW K S，NGUYEN H A，GUO H．Optimization of sensor node locations in a wireless sensor network［C］∥Fourth International Conference on Natural Computation．2008:286-290．

［3］ KENYERES J，SAJBAN S，FARKAS P，et al．Indoor experiment with WSN application［C］∥ 2010 Proceedings of the 33th International Convention．2010:863-866．

［4］ GIROD L，BYCHKOVSKIY V，ELSON J，et al．Locating tiny sensors in time and space:A case study［C］∥Proceedings of the 2002 IEEE International Conference on Computer Design:VLSI in Computers and Processors(ICCD’02)．2002:214-219．

［5］ HALDER S J，CHOI T Y，PARK J H，et al．On-line ranging for mobile objects using Zigbee RSSI measurement［C］∥ Proceedings of the 3rd International Conference on Pervasive Computing and Applications．2008:662-666．

［6］ 田金鵬，施惠昌．無線傳感器網絡節點定位改進算法［J］．上海大學學報:自然科學版，2009，15(3):225-229．

［7］ SHAMIR A．無線電傳播簡介:專用術語，室內傳播和路徑損耗及實例［J］．今日電子，2002(Z1):26-30．

［8］ 孫利明．無線傳感器網絡［M］．北京:清華大學出版社，2005:138-159．

［9］ BULUSU N，HEIDEMANN J，ESTRIN D．GPS-less low cost outdoor localization for very small devices［J］．IEEE Personal Communications Magazine，2000，7(5):28-34．

［10］ CHUANG P J，WU C P．An effective PSO based node localization scheme for wireless sensor networks［C］∥Ninth International Conference on Parallel and Distributed Computing，Applications and Technologies．2008:187-194．

［11］ 劉波，王凌，金以慧．微粒群優化算法研究進展［J］．化工自動化及儀表，2005，32(3):1-6．

［12］ LIM C B，KANG S H，CHO H H．An enhanced indoor localization algorithm based on IEEE 802．11 WLAN using RSSI and multiple parameters［C］∥ 2010 Fifth International Conference on Systems and Networks Communications．2010:238-242．

Localization of RSSI-Based Indoor WSN Nodes

JIN Yan-liang， XUE Yong， ZHANG Yong
(Key Laboratory of Specialty Fiber Optics and Optical Access Networks，Shanghai University，Shanghai 200072，China)

TP 393

A

1007-2861(2012)05-0470-05

10．3969/j．issn．1007-2861．2012．05．006

2011-09-21

上海市重點學科建設資助項目(S30108);上海市科委重點實驗室資助項目(08DZ2231100);上海市科委重點資助項目(10511501303)

金彥亮(1973 ～)，男，副教授，博士，研究方向為無線傳感網等．E-mail:jinyanliang@staff．shu．edu．cn