基于移動錨節點的WSN加權質心定位方法研究

嚴雨霞　馮友兵　孫小想

摘 要：針對傳統加權質心定位算法錨節點數量多、定位精度低的問題，提出了一種利用單個移動錨節點實現加權質心定位的方法。該方法使錨節點沿著既定軌跡移動，并在移動過程中等間距廣播信標信息，未知節點選擇收到信標信息最近的4個虛擬錨節點構成未知節點所在的多邊形，并利用接收信號強度確定權值，進而計算未知節點自身的位置。仿真結果表明，文中提出的算法比傳統加權質心定位算法具有更好的定位精度，并可以通過調節信標間距改善定位精度。

關鍵詞：無線傳感器網絡；節點定位；加權質心；移動錨節點

中圖分類號：TP393 文獻標識碼：A 文章編號：2095-1302（2015）10-00-03

0 引 言

節點定位是無線傳感器網絡應用的關鍵技術之一，而質心算法是一種典型的無需測距的節點定位方法，僅僅依靠網絡連通性實現定位，定位方法簡單有效，但定位精度較低。加權質心算法充分利用接收信號強度（RSSI）信息，并采用了多種方法進行改進[1-4]，提高定位精度。但對于應用靜態錨節點進行定位的WSN中往往都需要大量錨節點，而錨節點通常自帶定位裝置（如GPS），但成本較高。移動錨節點的使用可以有效減少錨節點數量，降低成本，已經在WSN定位方法中得到應用[5-8]。

本文在WSN中引入移動錨節點，且網絡中只使用一個錨節點，利用錨節點的移動實現多個錨節點的作用，在降低網絡投入成本的情況下實現節點定位，同時通過改變錨節點發送信標間距，使定位精度滿足應用需求。

1 問題描述

1.1 網絡模型

假設在某監測區域中部署了大量無線傳感器節點構成WSN，為便于定位描述，構建二維直角坐標系，形成如圖1所示的網絡模型，并保證網絡全部處于直角坐標系的第一象限。網絡中所有傳感器節點位置未知，有且只有一個可移動的帶定位裝置（如GPS）的錨節點，且錨節點移動方向和距離精確可控。網絡部署起始階段將移動錨節點安置在坐標原點處。本文的工作就是利用該移動錨節點實現對整個網絡中所有未知節點的定位。

1.2 定位原理

定義：移動錨節點發出信標的位置稱為虛擬信標位置，并認為該位置具有一個虛擬錨節點。

圖1 網絡模型

本文算法主要考慮采用距未知節點最近的四邊形進行加權質心定位，定位模型如圖2所示。

圖2 加權質心定位原理

傳統加權質心算法大多引入RSSI值進行加權，本文依然根據RSSI值進行加權。考慮到實際環境對信號的干擾，本文采用目前普遍應用的Shadowing模型作為網絡中的無線通信模型，根據Shadowing模型可得RSSI值和通信距離d的關系[9，10]為：

RSSI=-（10nlgd+A） （1）

其中，RSSI為接收信號強度，n為與傳輸環境有關的信號傳輸常數，A為距離發射節點1米處的平均接收信號強度；d為發射節點與接收節點之間的距離。

在圖2所示的四邊形中，未知節點M處于A、B、C、D四個錨節點構成的四邊形內部， 假設已經根據公式（1）獲取未知節點M到錨節點A、B、C、D的估計距離分別為d1、d2、d3、d4，考慮到距未知節點越近的錨節點對未知節點位置的影響越大，則利用距離倒數計算權值，即有：

（2）

其中n=4，且。

則未知節點M的坐標為：

（3）

2 算法描述

為實現移動錨節點對整個網絡的遍歷，并形成多個虛擬錨節點，保證所有未知節點均處于某個多邊形中，本文主要考慮容易實現的四邊形結構。錨節點采用掃描方式實現移動，具體的移動方式如圖3所示（以沿水平方向移動為例加以說明），錨節點沿著坐標軸（以x軸為例）和與坐標軸平行的分層線移動，實現掃描，直至遍歷整個網絡。其中分層線用于把網絡在垂直方向上進行劃分，網絡分層時采用等間隔劃分的方法，假設層高為h，h的大小可依據移動錨節點射程l、網絡規模等來確定，且h

圖 3 錨節點移動方式及定位示意圖

網絡分層完成后，未知節點的定位過程如下：

假設移動錨節點起始部署在坐標原點位置，當網絡開始工作后，錨節點首先沿x軸方向移動，當錨節點到達網絡右邊界時，如圖3中O1點，錨節點則轉向沿O1O2方向向上移動，到達O2點后再沿O2O3方向向左移動直至到達O3點，實現第一層未知節點的遍歷和定位。然后錨節點再沿O3O4向上移動，直至到達O4點后再沿O4O5向右移動，直到O5，依次類推直到錨節點通過整個網絡。

在移動過程中，當錨節點處于x軸或分層線上時，以信標間隔廣播一輪自身位置信息，未知節點接收并保存錨節點位置信息和接收信號強度。未知節點根據接收信號強度選擇距離最近的四個虛擬錨節點，并將這四個虛擬錨節點構成的四邊形作為未知節點所在的多邊形，根據定位原理，即可計算出未知節點的位置坐標。

3 仿真與分析

為驗證本文算法性能，應用Matlab仿真分析，并與傳統加權質心算法比較，仿真參數如表1所列。

表1 仿真參數

參數 取值

網絡規模 100×100

未知節點數 100個

移動間距 10

錨節點射程 30

仿真中，傳統加權質心定位算法采用25個錨節點（占節點總數的20%），并均勻分布。而本文算法只采用1個移動錨節點。為更具可比性，兩種算法均在同一種隨機分布下進行定位比較。

3.1 定位結果

圖4和圖5分別為兩種方法在同一種隨機分布下的定位結果，對比可知，利用本文算法實現的節點位置與實際位置相差更小，圖6是兩種算法進行每個節點的定位誤差比較，由圖可知，絕大多數未知節點在利用本文算法進行定位時，定位誤差明顯小于傳統加權質心定位算法，因此，本文算法具有更高的定位精度。

圖4 傳統加權質心算法定位結果

圖5 本文算法定位結果

圖6 定位誤差比較

3.2 誤差影響因素分析

通常情況下，很多因素都會對WSN定位誤差產生一定的影響，本文主要選擇信標間距、網絡分層層高和節點分布密度進行分析：

（1）信標間距和網絡分層層高

在確定的網絡分布中，且網絡分層固定的情況下，信標間距的改變直接表示虛擬錨節點的數量，信標間距越小，虛擬錨節點越多，即意味著虛擬錨節點占的比例越大，定位精度越高。圖7即為在表1仿真參數下，改變信標間距，節點的平均定位誤差，由圖可知，隨著信標間距的減小，平均定位誤差減小，但當信標間距減小到5以后，定位誤差基本不再發生變化，因此信標間距無需太小，滿足實際應用的需求即可。

同理，網絡分層層高實際上是另一個方向上的信標間距（在圖3 所示網絡中為垂直方向上的信標間距），因此，網絡分層層高也無需過小。

圖7 信標間距對定位誤差的影響

（2）節點密度

在無需測距的定位方法中，尤其在依賴網絡連通性的網絡中，節點密度對定位誤差具有很大的影響。本文算法改變網絡節點數量，即在100×100的網絡中，分別部署50，60，70，80，90，100，110，120個節點，其他參數依然采用表1所列的仿真參數，平均定位誤差如圖8所示，由圖8可知，平均定位誤差基本在1.6上下波動，且變化很小，因此，節點密度對本文算法沒有影響。

圖8 未知節點密度對定位誤差的影響

4 結 語

本文提出的利用單個移動錨節點實現WSN加權質心定位的方法，具有以下優點：

（1）定位成本低。利用錨節點的移動實現多個錨節點的作用，減少了錨節點數量，降低了錨節點成本，且傳感器節點不用配備額外的硬件。

（2）定位算法簡單。本文算法是在傳統加權質心定位方法的基礎上改進，在定位過程中，傳感器節點僅需接收錨節點信息即可實現定位，其原理依然是加權質心定位方法，算法復雜度低。

（3）定位精度高。信標間距對本文算法定位結果具有很大的影響，可通過減小信標間距增加虛擬錨節點密度提高定位精度，可根據網絡應用的需要選擇恰當的信標間距。

本文應用Shadowing模型分析RSSI和距離之間的關系，但實際應用場合往往很復雜，還需要具體問題具體分析。同時，本文算法也沒有考慮實際應用中移動錨節點的移動速度對算法定位精度的影響，因此有必要作進一步研究。

參考文獻

[1]楊新宇，孔慶茹，戴湘軍.一種改進的加權質心定位算法[J].西安交通大學學報，2010，44（8）：1-4.

[2]李文辰，張雷.無線傳感器網絡加權質心定位算法研究[J].計算機仿真，2013，30（2）：191-194.

[3]劉運杰，金明錄，崔承毅.基于RSSI的無線傳感器網絡修正加權質心定位算法[J].傳感技術學報，2010，23（5）：717-721.

[4] Lixiong Tan，Fei Luo， Kai Liu. Weighted centroid location algorithm in Wireless Sensor Network [C]. Wireless Mobile and Computing （CCWMC 2011），2011： 414-418.

[5]鮑金鳳，游曉鵬.WSN 中移動信標輔助的加權質心定位算法[J].計算機技術與發展，2013，23（10）：27-30，35.

[6]鐘森，周小佳，閆斌.基于移動錨節點的無線傳感器網絡三邊質心定位[J].計算機測量與控制， 2009，17（7）：1438-1440.

[7] Jiang Jin-fang， Han Guang-Jie， Xu Hui-hui， et al.LMAT： Localization with a Mobile Anchor Node Based on Trilateration in Wireless Sensor Networks[C]. Global Telecommunications Conference， 5-9 DEC， 2011：1-6.

[8] Ou Chia-Ho. A Localization Scheme for Wireless Sensor Networks Using Mobile Anchors with Directional Antennas [J]. Sensors Journal， IEEE， 2011，11（7）： 1607- 1616.

[9] Awad A，Frunzke T，Dressler F.Adaptive distance estimation and localization in WSNs using RSSI measures[C].IEEE 10th Euromicro Conference on Digital System Design Architectures Methods and Tools，2007： 471 - 478.

[10]倪巍，王宗欣.基于接收信號強度測量的室內定位算法[J].復旦學報（自然科學版），2004，43（1） ： 72 -76.