基于接收信號強度的WSN概率定位算法

楊竹青，陸錦軍，景征駿

(1.江蘇信息職業技術學院 計算機工程系，江蘇 無錫214101;2.南京航空航天大學 計算機科學與技術學院，江蘇 南京210016;3.南京郵電大學 計算機學院，江蘇 南京210003)

責任編輯:許 盈

現代信息技術的三大基礎是傳感器技術、通信技術和計算機技術，它們分別完成對信息的采集、傳輸和處理。無線傳感器網絡(Wireless Sensor Network，WSN)[1]將上述三種技術結合在一起，從而實現了信息的采集、傳輸和處理的真正統一。

1 定位算法概述

無線傳感器網絡一些路由機制、覆蓋范圍、負載均衡和拓撲控制等都取決于傳感器網絡節點的位置信息[2]。無線傳感器網絡中節點的位置對于監測信息至關重要，沒有位置信息的監測數據通常毫無意義[3]。因此，定位對無線傳感器網絡的應用十分重要，針對無線傳感器網絡節點定位技術的研究具有重要的理論意義和現實意義。

1.1 傳感器網絡研究現狀

上個世紀末，傳感網絡的研究引起了極大關注，各種傳感網絡的節點定位算法也隨之出現，并且取得了一定的成果。國內對定位算法的研究起步較晚，定位算法的研究主要還是對經典算法的改進研究，存在一定的差距。

1.2 無線傳感器網絡節點定位算法的分類

目前，節點定位算法主要有[4]:

1)基于測距與無測距定位算法。該算法需大量計算，不適用于低功耗的應用領域。

2)絕對定位與相對定位算法。前者是通過得出精確的坐標位置;而后者一般是以網絡中部分節點為參考，整個網絡為參照的相對坐標系統。

3)基于錨點與無錨點定位算法。前者以錨點作為定位中的參考點，形成相對于整個網絡的絕對坐標系統;而后者只關心節點間的相對位置。

2 基于接收信號強度的概率定位算法

在實際環境中，受到溫度、障礙物、傳播模式等條件的制約[5-6]，使得RSSI定位算法[7]在WSN實際定位系統中的應用仍然存在困難，定位性能并不理想。基于此，介紹一種基于接收信號強度的概率定位方法。該方法與現有的WSN定位算法相比有如下優點:

1)不需要對現有的傳感器節點做任何改動，不會額外增加節點硬件成本和功耗，算法易于實現;

2)為提高算法定位精度，采用了信號平均的方法獲取RSSI的中值估計，以提高中值估計精度;

3)算法數學模型將不采用傳統RSSI算法中普遍使用的三邊測量法，而使用概率統計的思想，以簡化定位復雜度。

2.1 信號強度對定位的影響

無線信號的傳播受多種環境因素影響，對傳播質量影響較大。如果接收點測得的信號強度越強，那么發射點距離接收點可能越近。反之，發射點距離接收點就越遠。根據這一規律，測量接收到的信號強度基本就可以推算出發射點與接收點之間的距離。

2.2 模型建立

無線信號在傳播時，信號路徑損耗與距離成對數關系，而且各種障礙物也會對信號造成衰減。在不同的環境下，信號衰減的速率也有不同。由于信號傳播環境中障礙物的存在，接收信號的強度必然受到影響，有時這些障礙物會使信號增強，有時候則會使信號減弱。因此，采用如式(1)所示模型對無線信號的路徑損耗平均值進行預測

式中:PL(d)為信標節點d處的信號強度;PL(d0)為信標節點d0處的信號強度;n為信號強度變化速率;Q為衰減因子變化的障礙物數量的臨界值;O為信標節點與監測點之間障礙物的數量;WAF為由實驗測定的障礙物衰減因子。利用上述模型，即可算出無線環境各監控點的信號強度。

2.3 概率定位算法基本原理

在定位過程中，每一次測量形成一個集合，它只是整個測量空間的一部分，把它稱為子集X。因為每次測量會有誤差，用概率方法來完成一次測量。假設每一次定位測量是獨立的，那被測目標可能落在測量空間的任何位置上，且目標落在任何空間位置上的概率密度也會是不同的。落在集合X上的概率要高，落在其他地方的要小，離集合X越遠則概率越小。經過多次測量可得到目標在某個位置上的多個概率密度，那么目標落在某個位置上的概率就應該是對應的多次測量概率乘積。得到的總概率密度函數很可能只有一個峰值，把這個峰值對應的空間坐標位置作為與整個測量組對應的定位結果[8-10]。

2.4 基于信號強度的概率定位算法的實現

基于信號強度的概率定位算法的實現流程如下:無線傳感器網絡信標節點與一跳范圍內的其他信標節點交互信息，計算信標節點參考點的傳輸路徑損耗和距離;無線傳感器網絡中的未知節點分別和一跳范圍內的信標節點交互信息，使未知節點獲得其一跳范圍內各信標節點的ID號、位置坐標、接收信號強度以及其參考點的傳輸路徑損耗和距離;未知節點根據信號強度差分別計算到一跳范圍內各信標節點的估計距離;利用概率定位的基本原理，完成未知節點的自身定位，如圖1所示。

圖1 定位算法實現流程

2.5 系統仿真及信標節點分布對算法性能的影響

無線傳感器網絡通常應用于人們無法接近的惡劣環境中，傳感器節點主要通過飛行器撒播、人工埋置和火箭彈射等方式任意散落在被檢測區域內。不同的節點分布方式，對節點的定位性能也存在一定影響。下面通過仿真實驗，來分析不同節點分布對概率定位算法性能的影響。其中仿真參數設定如下:傳感器覆蓋區域為[0，200]m×[0，200]m，未知節點隨機分布于該區域;節點總數(包括信標節點和未知節點)為100，信標節點的個數為16;節點的通信半徑為60 m;節點的距離測量誤差服從[0，30]m的標準正態分布;信標節點的分布分為均勻分布和隨機分布兩種情況。為使仿真結果更加準確，對概率定位算法隨機做10次仿真實驗，得到不同分布條件下的節點平均定位誤差、定位覆蓋率以及算法運行時間。信標節點均勻分布如圖2所示，算法性能仿真結果如圖3～圖6所示。

從圖3～圖6可以看出，信標節點的分布對未知節點的定位性能也具有較大的影響。當信標節點均勻分布時，未知節點的平均誤差、定位時間都比隨機分布條件下的性能優越，但定位覆蓋率小于隨機分布條件下的性能。這是由于均勻分布時處于邊界的信標節點不能充分地被未知節點所檢測，相當于減少了信標節點的密度。此外概率定位算法中，定位誤差隨不同的節點變化范圍較大，即有的節點定位誤差非常小，有的節點定位誤差很大，出現較大的波動性。

3 概率定位算法和最小二乘定位算法的性能仿真比較

為了更好地說明概率定位算法的性能，本文以基于距離的定位算法中有代表性的最小二乘定位算法為例來對比分析概率定位算法的性能[11]。其中仿真參數設定如下:傳感器覆蓋區域為[0，500]m×[0，500]m;信標節點和未知節點隨機分布于該區域;節點總數(包括信標節點和未知節點)為200，信標節點的個數為40;節點的通信半徑為90 m;節點的距離測量誤差服從[0，45]m的標準正態分布。圖7為節點位置估計分布圖。兩種定位算法的性能仿真結果見圖8、圖9、表1所示。

表1 兩種算法性能參數比較

為了更直觀地看出概率定位算法的性能優勢，從圖8中隨機抽取15個未知節點做出節點誤差統計表，如表2所示。從表2中可以看出采用概率定位算法比最小二乘算法明顯減小了定位誤差，提高了定位精度。

表2 節點定位誤差統計表

由上面的數據可知，從整體上來看基于概率的定位算法其定位性能要明顯高于最小二乘算法;測距誤差對概率定位算法的性能影響要遠小于最小二乘定位算法;概率定位算法依然存在未能定位的節點;概率定位算法在某些節點上定位誤差依然較大。

4 總結

無線傳感器網絡作為一種信息獲取和處理技術，廣泛應用在國防軍事、環境監測、醫療衛生、空間探索及城市交通等眾多領域，其中動態目標跟蹤就是其中很有前途的應用之一。文中介紹了無線信號的信道傳播模型，闡述了基于接收信號強度的概率定位算法的基本原理以及實現流程。在此基礎上仿真分析了信標節點分布對定位算法性能的影響，最后比較了本定位算法和最小二乘定位算法在傳感器節點定位性能上的優劣。仿真結果表明，信標節點分布對未知節點的定位誤差具有較大的影響，本定位算法的性能要優于最小二乘定位算法。

[1]NIKODEM J，NIKODEM M.Secure communication trees in ad hoc networks[C]//Proc.Engineering of Computer-Based Systems.Tucson.[S.l.]:IEEE Press，2007:413-421.

[2]吳綠.一種無需測距的無線傳感器網絡節點定位技術研究[D].武漢:武漢理工大學，2007.

[3]章浩，李萍萍，張西良.無線傳感器網絡節點定位機制研究[J].電視技術，2006，30(10):71-73.

[4]王珊珊.基于RSSI的無線傳感器網絡定位算法研究[D].長沙:國防科學技術大學，2007.

[5]ALIPPI C，VANINI G.A RSSI-based and calibrated centralized localization technique forwireless sensor networks[C]//Proc.4th Annual IEEE InternationalConference on Pervasive Computing and Communications Workshops.Pisa，Italy:IEEE Press，2006:301-305.

[6]SLIJEPCEVIC S，MEGERIAN S，POTKONJAK M.Location errorsin wireless embedded sensor networks:sources，models，and effecton applications[J].MobileComputing and Communications Review，2002，6(3):67-78.

[7]SHEN X，WANG Z，JIANG P，et al.Connectivity and RSSI based localization scheme for wireless sensor networks[J].Lecture Notes in Computer Science，2005(2):578-587.

[8]胡來招.無源定位[M].北京:國防工業出版社，2004.

[9]徐志剛，田增山，田世君.基于概率的無源定位算法[J].信息技術，2005(12):74-77.

[10]黃劍偉.無源定位技術研究[D].西安:西安電子科技大學，2009.

[11]YANG K，AN J P，BU X Y，et al.Constrained total least-squarelocation algorithm using timedifference of arrival measurements[J].IEEE Transactions on Vehicular Technology，2010，59(3):1558-1562.