基于RSSI的自適應(yīng)權(quán)重定位算法*

劉宏立， 周 登， 徐 琨， 胡久松

(湖南大學(xué) 電氣與信息工程學(xué)院,湖南 長(zhǎng)沙 410082)

基于RSSI的自適應(yīng)權(quán)重定位算法*

劉宏立， 周 登， 徐 琨， 胡久松

(湖南大學(xué) 電氣與信息工程學(xué)院,湖南 長(zhǎng)沙 410082)

在室內(nèi)環(huán)境中，由于存在多徑、反射的影響，采用傳統(tǒng)的靜態(tài)權(quán)重質(zhì)心定位(SWCL)方法無(wú)法得到準(zhǔn)確的定位精度。針對(duì)這一問(wèn)題，提出了一種新的基于接收信號(hào)強(qiáng)度指示(RSSI)的動(dòng)態(tài)自適應(yīng)靜態(tài)權(quán)重質(zhì)心定位(RSSI—DA—SWCL)算法。對(duì)RSSI測(cè)距算法優(yōu)化，消除不同發(fā)射功率和其它突發(fā)干擾對(duì)測(cè)距的影響；利用錨節(jié)點(diǎn)和未知節(jié)點(diǎn)距離等信息，讓錨節(jié)點(diǎn)自適應(yīng)地獲得最優(yōu)的權(quán)重系數(shù)，從而提高定位精度；將RSSI—DA—SWCL算法在ZigBee平臺(tái)中實(shí)現(xiàn)，并通過(guò)Maltab仿真和實(shí)測(cè)實(shí)驗(yàn)對(duì)算法進(jìn)行驗(yàn)證。結(jié)果表明：和傳統(tǒng)的定位算法相比，提出算法具有更優(yōu)的定位精度。

無(wú)線傳感器網(wǎng)絡(luò)； 動(dòng)態(tài)加權(quán)； 質(zhì)心定位算法； 接收信號(hào)強(qiáng)度指示測(cè)距

0 引 言

無(wú)線傳感器網(wǎng)絡(luò)[1，2](wireless sensor networks，WSNs)是一種將大量低成本、低功耗的傳感器節(jié)點(diǎn)隨機(jī)布置到特定的區(qū)域,節(jié)點(diǎn)實(shí)現(xiàn)自控組織的多跳網(wǎng)絡(luò)。

WSNs定位算法分為兩大類(lèi)：基于測(cè)距定位和非測(cè)距定位[3]。基于測(cè)距主要有質(zhì)心定位算法、DV-Hop算法等。非測(cè)距定位主要有接收信號(hào)強(qiáng)度指示(received signal strength indication,RSSI)、到達(dá)時(shí)間(time of arrival,ToA) 和燈塔測(cè)量法。靜態(tài)權(quán)重定位算法[4～6]結(jié)合測(cè)距和非測(cè)距定位算法的優(yōu)點(diǎn)，提高了定位精度，然而該算法采用的是靜態(tài)權(quán)重系數(shù)，這樣無(wú)法充分利用錨節(jié)點(diǎn)的信息，甚至導(dǎo)致占主導(dǎo)作用的錨節(jié)點(diǎn)由于靜態(tài)權(quán)重系數(shù)的影響反而增大了定位誤差。針對(duì)這個(gè)問(wèn)題，本文在井下巷道真實(shí)環(huán)境下做了大量的實(shí)驗(yàn)，并統(tǒng)計(jì)分析大量的RSSI數(shù)據(jù)，在此基礎(chǔ)之上提出了一種基于RSSI動(dòng)態(tài)自適應(yīng)靜態(tài)權(quán)重質(zhì)心定位 (RSSI dynamic adaptive static weighted centroid location，RSSI—DA—SWCL) 算法，即讓各個(gè)錨節(jié)點(diǎn)自適應(yīng)獲得最優(yōu)權(quán)重修正系數(shù)，這樣可以提高占有主導(dǎo)作用的錨節(jié)點(diǎn)的影響力，從而提高定位的精度。

1 靜態(tài)權(quán)重定位算法

1.1 靜態(tài)權(quán)重算法原理

靜態(tài)權(quán)重定位算法是質(zhì)心定位算法的改進(jìn)，引入了權(quán)重系數(shù)，權(quán)重系數(shù)體現(xiàn)了距離遠(yuǎn)近對(duì)定位精度的影響。圖1為靜態(tài)權(quán)重定位算法原理圖，其中，B1,B2和B3為錨節(jié)點(diǎn)，P為待定位的節(jié)點(diǎn)。

根據(jù)靜態(tài)權(quán)重定位算法的原理，其未知節(jié)坐標(biāo)計(jì)算

圖1 靜態(tài)權(quán)重定位算法原理圖

(1)

式中 wj為權(quán)重系數(shù)，一般表示距離之間的函數(shù)[7]

(2)

式中 δ作為一個(gè)固定的權(quán)重修正系數(shù)，它體現(xiàn)了各個(gè)錨節(jié)點(diǎn)對(duì)質(zhì)心坐標(biāo)決定權(quán)的大小。

1.2 權(quán)重修正系數(shù)特性分析

δ作為一個(gè)固定的系數(shù)，它是否取得最優(yōu)解直接決定算法的優(yōu)劣。在研讀資料文獻(xiàn)后發(fā)現(xiàn)最優(yōu)的權(quán)重修正系數(shù)一般在區(qū)間(1,4)之間取得。

1)定位區(qū)域大小的改變

在定位區(qū)域內(nèi)部署10個(gè)錨節(jié)點(diǎn)和2個(gè)未知節(jié)點(diǎn)，增加均值為0，方差為1的高斯白噪聲，在區(qū)間(1,4)內(nèi)權(quán)重修正系數(shù)以0.1為步長(zhǎng)逐漸遞增，利用式(1)計(jì)算未知節(jié)點(diǎn)定位誤差仿真結(jié)果如圖2和表1所示。

圖2 定位區(qū)域?qū)?quán)重修正系數(shù)影響圖

定位區(qū)域/m2誤差范圍/m最優(yōu)修正系數(shù)10m×10m1.31～1.711.920m×20m1.67～2.121.930m×30m2.05～2.591.9

2)不同高斯噪聲影響

在定位區(qū)域中分別加入均值為0，方差為1,2,3,4,5的高斯噪聲，其他參數(shù)同上述相同，按照上述步驟進(jìn)行仿真，仿真結(jié)果如圖3和表2所示。

圖3 高斯噪聲對(duì)權(quán)重修正系數(shù)影響圖

表2 高斯噪聲對(duì)權(quán)重修正系數(shù)影響

3)不同錨節(jié)點(diǎn)的影響

在定位區(qū)域中錨節(jié)點(diǎn)從10,15,20,25,30開(kāi)始遞增，其他參數(shù)同上述相同，按照上述步驟進(jìn)行仿真，其結(jié)果如圖4和表3所示。

圖4 錨節(jié)點(diǎn)對(duì)權(quán)重修正系數(shù)影響圖

表3 錨節(jié)點(diǎn)對(duì)權(quán)重修正系數(shù)影響

從上述分析可以知道，定位區(qū)域、高斯噪聲對(duì)權(quán)重修正系數(shù)影響不大，其對(duì)應(yīng)的最優(yōu)的權(quán)重修正系數(shù)均是1.9。而當(dāng)錨節(jié)點(diǎn)數(shù)目發(fā)生改變時(shí)，對(duì)應(yīng)的最優(yōu)的權(quán)重修正系數(shù)也發(fā)生改變。因此下文主要分析在不同的錨節(jié)點(diǎn)數(shù)目區(qū)域中如何取得最優(yōu)的權(quán)重修正系數(shù)。

2 RSSI-DA-SWCL定位算法

2.1 RSSI測(cè)距算法優(yōu)化

傳統(tǒng)RSSI測(cè)距[8]原理圖1所示，采用正態(tài)—對(duì)數(shù)模型[9]，其在d處接收的RSSI為

RSSI=A-10nlgd

(3)

式中A為1 m處接收信號(hào)強(qiáng)度，n為衰減因子。RSSI測(cè)距優(yōu)化主要分為以下3個(gè)階段：

階段1 在真實(shí)室內(nèi)環(huán)境中，每個(gè)未知節(jié)點(diǎn)接收大量的RSSI數(shù)據(jù)，將這些RSSI數(shù)據(jù)求初始平均值

(4)

式中 n為測(cè)量次數(shù)，實(shí)驗(yàn)結(jié)果表明：當(dāng)n適當(dāng)增大時(shí)，定位精度也就越高。

階段2RSSI經(jīng)過(guò)多次測(cè)量后，通過(guò)高斯分布函數(shù)濾除突發(fā)干擾造成的偏差比較大的值，去除小概率事件。然后求二次平均值，這樣RSSI值精度會(huì)更高

(5)

通過(guò)設(shè)定高概率最小值應(yīng)大于0.6的范圍，則可知

0.15σ+u≤x≤3.09σ+u

(6)

階段3 由于發(fā)射節(jié)點(diǎn)的發(fā)射功率不一致，本文針對(duì)這個(gè)問(wèn)題消除式(3)中參數(shù)A和n，從而消除不同功率帶來(lái)的影響。由圖1所示，錨節(jié)點(diǎn)B1接收其他錨節(jié)點(diǎn)和未知節(jié)點(diǎn)的信息分別為

RSSIB2B1=AB1-10nB1lg(dB2B1)

(7)

RSSIB3B1=AB1-10nB1lg(dB3B1)

(8)

RSSIB3P=AB1-10nB1lg(dB3P)

(9)

對(duì)式(7)、式(8)、式(9)進(jìn)行求差和作商，則

隨著物聯(lián)網(wǎng)的快速發(fā)展，超低功耗設(shè)計(jì)已經(jīng)成為了模擬集成電路領(lǐng)域研究者的重點(diǎn)研究方向[1]。在可預(yù)見(jiàn)的未來(lái)，超低功耗模擬集成電路的發(fā)展將給可穿戴智能設(shè)備、智能家居、無(wú)線傳感器網(wǎng)絡(luò)等低功耗應(yīng)用帶來(lái)革命性的變化[2]。基準(zhǔn)電流源和基準(zhǔn)電壓源是模擬/混合信號(hào)集成電路的重要組成部分，它們?yōu)殡娐吩O(shè)計(jì)提供了與穩(wěn)定的參考電流和參考電壓。在超低功耗模擬/混合信號(hào)集成電路設(shè)計(jì)中，要求其擁有極低的功耗以及較高的電源電壓和溫度特性，以滿(mǎn)足超低功耗的要求。

(10)

(11)

如式(11)所示，消除參數(shù)A和n的影響，從而消除了不同發(fā)射功率的影響，提高了RSSI測(cè)距的精度。

2.2RSSI-DA-SWCL算法分析

定位區(qū)域中不同數(shù)目的錨節(jié)點(diǎn)對(duì)應(yīng)最優(yōu)權(quán)重系數(shù)是不一樣的，因此，有必要研究權(quán)重修正系數(shù)在什么情況下增加或者減少。將式(1)中錨節(jié)點(diǎn)拆分成單個(gè)錨節(jié)點(diǎn)對(duì)未知節(jié)點(diǎn)的影響，并在定位區(qū)域從n個(gè)錨節(jié)點(diǎn)中隨機(jī)選取第t個(gè)錨節(jié)點(diǎn)，分析不同的修正系數(shù)對(duì)該節(jié)點(diǎn)的影響

(12)

(13)

由式(12)、式(13)，對(duì)其進(jìn)行求導(dǎo)，如式(14)所示

(14)

從上述分析知道通過(guò)對(duì)錨節(jié)點(diǎn)對(duì)未知節(jié)點(diǎn)影響的公式進(jìn)行求導(dǎo)來(lái)判斷權(quán)重修正系數(shù)是增加還是減小。錨節(jié)點(diǎn)自適應(yīng)獲得最優(yōu)權(quán)重修正系數(shù)主要由以下3個(gè)階段組成：

階段1 錨節(jié)點(diǎn)加入網(wǎng)絡(luò)可以得到錨節(jié)點(diǎn)的集合{B1,B2,B3…}，通過(guò)式(11)得到一組距離集合{d1,d2,d3…}。

通過(guò)以上3個(gè)階段可以讓錨節(jié)點(diǎn)自適應(yīng)獲得最優(yōu)權(quán)重修正系數(shù)，從而不會(huì)造成因?yàn)殪o態(tài)的權(quán)重系數(shù)而造成的誤差影響。在階段3中，距離之差的閾值1.5m是通過(guò)閱讀大量的參考文獻(xiàn)得出的工程經(jīng)驗(yàn)值。

2.3RSSI-DA-SWCL算法流程

1)無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)組網(wǎng)

①網(wǎng)關(guān)節(jié)點(diǎn)組建網(wǎng)絡(luò)，未知節(jié)點(diǎn)、錨節(jié)點(diǎn)申請(qǐng)加入網(wǎng)絡(luò)。②未知節(jié)點(diǎn)向周?chē)^節(jié)點(diǎn)發(fā)送定位請(qǐng)求，并發(fā)送自身的位置信息。③錨節(jié)點(diǎn)發(fā)送應(yīng)答幀，開(kāi)始RSSI數(shù)據(jù)傳輸。

2)RSSI集合值優(yōu)化

①未知節(jié)點(diǎn)接收各個(gè)錨節(jié)點(diǎn)發(fā)送的RSSI數(shù)據(jù)。②將大量RSSI數(shù)據(jù)按照RSSI測(cè)距優(yōu)化算法進(jìn)行整理，并按照式(11)計(jì)算距離結(jié)合{d1,d2,d3,d4,…}。

3)自適應(yīng)取得最優(yōu)權(quán)重修正系數(shù)

4)計(jì)算未知節(jié)點(diǎn)誤差

(15)

3 仿真與實(shí)驗(yàn)

為了更好地驗(yàn)證RSSI-DA-SWCL算法的性能和可行性，分別進(jìn)行了Matlab仿真和實(shí)測(cè)實(shí)驗(yàn)。

3.1Matlab仿真

選用MatlabR2010a作為仿真測(cè)試平臺(tái)，網(wǎng)絡(luò)定位區(qū)域?yàn)?00m×100m；參考距離為1m處的功能損耗為0；定位區(qū)域初始化錨節(jié)點(diǎn)個(gè)數(shù)為20，并逐漸增加到90個(gè)；定位區(qū)域初始化未知節(jié)點(diǎn)為1個(gè)，并逐漸到10個(gè)；無(wú)線傳感節(jié)點(diǎn)的通信半徑為70m；高斯分布的均值為0，方差為1。路徑損耗因子n為3；權(quán)重修正系數(shù)n在區(qū)間[1,4]內(nèi)取得，初始權(quán)重修正系數(shù)為1.9。

3.1.1 錨節(jié)點(diǎn)數(shù)目對(duì)定位影響

如圖5所示，當(dāng)錨節(jié)點(diǎn)數(shù)目增加時(shí)，定位誤差也減小，這是因?yàn)殡S著錨節(jié)點(diǎn)的密度不斷增加，未知節(jié)點(diǎn)可利用的信息也就越多，RSSI值也就越準(zhǔn)確，從而定位誤差也就越小。在圖5中，隨著錨節(jié)點(diǎn)數(shù)目增加時(shí)，RSSI-DA-SWCL算法的定位誤差整體要優(yōu)于靜態(tài)權(quán)重的定位誤差。

圖5 錨節(jié)點(diǎn)數(shù)目對(duì)定位精度的影響

3.1.2 通信半徑對(duì)定位影響

保持其它參數(shù)不變，錨節(jié)點(diǎn)個(gè)數(shù)為90個(gè)，未知節(jié)點(diǎn)數(shù)目為10個(gè)，仿真結(jié)果圖如6。

圖6 通信半徑對(duì)定位精度的影響

當(dāng)節(jié)點(diǎn)的通信半徑增大時(shí)，未知節(jié)點(diǎn)可以利用錨節(jié)點(diǎn)的數(shù)目也就越多，未知節(jié)點(diǎn)可以利用更多的錨節(jié)點(diǎn)來(lái)修正自身的位置信息，從而定位精度也就越高。由圖6可知，當(dāng)通信半徑增加時(shí)，RSSI-DA-SWCL算法的定位精度在整體上要優(yōu)于靜態(tài)權(quán)重定位算法。

3.2 實(shí) 驗(yàn)

利用TI公司的CC2520無(wú)線通信模塊在井下巷道搭建小型的無(wú)線傳感網(wǎng)絡(luò)實(shí)驗(yàn)平臺(tái)。具體實(shí)驗(yàn)參數(shù)設(shè)置：網(wǎng)絡(luò)定位區(qū)域面積為2.5 m×13 m；節(jié)點(diǎn)通信半徑為30 m；錨節(jié)點(diǎn)總數(shù)為12個(gè)；未知節(jié)點(diǎn)總數(shù)為6個(gè)；節(jié)點(diǎn)距離地面距離為1 m，實(shí)驗(yàn)次數(shù)為200次。

由表4可知，在井下巷道實(shí)際環(huán)境中，RSSI-DA-SWCL算法的最大誤差為1.048 m，最小誤差為0.781 m，平均誤差為0.945 m，而靜態(tài)權(quán)重算法的最大誤差為1.142 m,最小誤差為0.937 m,平均誤差為1.05 m，RSSI-DA-SWCL算法比靜態(tài)權(quán)重定位算法平均要低0.105 m,而且RSSI-DA-SWCL算法的最大誤差和最小誤差均要優(yōu)于靜態(tài)權(quán)重算法的誤差。同Matlab軟件仿真相比，其定位精度沒(méi)有那么理想，這是由于在實(shí)際環(huán)境中由于受到路徑損耗、多徑效應(yīng)等影響。但是RSSI-DA-SWCL算法的仿真實(shí)驗(yàn)和實(shí)測(cè)實(shí)驗(yàn)相差不是很大，基本上達(dá)到了預(yù)期的效果，同時(shí)也證明了RSSI-DA-SWCL算法的可行性。

表4 井下巷道實(shí)驗(yàn)結(jié)果

4 結(jié)束語(yǔ)

針對(duì)靜態(tài)權(quán)重定位算法固定的權(quán)重修正系數(shù)引起定位結(jié)果的誤差的問(wèn)題，本文提出了一種基于自適應(yīng)權(quán)重定位RSSI-DA-SWCL算法。該算法將RSSI測(cè)距算法優(yōu)化和讓錨節(jié)點(diǎn)自適應(yīng)獲得最優(yōu)權(quán)重修正系數(shù)，從而提高了定位精度。Maltab仿真和實(shí)測(cè)實(shí)驗(yàn)結(jié)果表明RSSI-DA-SWCL算法比靜態(tài)權(quán)重算法有更高的定位精度，在實(shí)際環(huán)境具有可行性。

[1] Mainwaring A,Polastre J,Szewczyk R,et al.Wireless sensor networks for habitat monitoring[C]∥Proceedings of the1st ACM International Workshop on Wireless Sensor Networks and Applications,Atlanta,2002:88-97.

[2] Wang J,Ghosh R K,Sajal K D.A survey on sensor localiza-tion [J].Journal of Control Theory and Applications,2010,8(1):2-11.

[3] Zanca G,Zorzi F,Zanella A,et al.Experimental comparison of RSSI-based localization algorithms for indoor wireless sensor networks[C]∥Proceedings of the Workshop on Real-World Wireless Sensor Networks,ACM,2008:1-5.

[4] Wang J,Urriza P,Han Y,et al.Weighted centroid localization algorithm:Theoretical analysis and distributed implementation[J].IEEE Transactions on Wireless Communications,2011,10(10):3403-3413.

[5] 詹 杰,劉宏立,劉述鋼,等.基于RSSI的動(dòng)態(tài)權(quán)重定位算法研究[J].電子學(xué)報(bào),2011(1):82-88.

[6] 呂 振,譚鵬立.一種基于RSSI校正的三角形質(zhì)心定位算法[J].傳感器與微系統(tǒng),2010,29(5):122-124.

[7] 丁恩杰,喬 欣,常 飛,等.基于RSSI的WSNs加權(quán)質(zhì)心定位算法的改進(jìn)[J].傳感器與微系統(tǒng),2013,32(7):53-56.

[8] Zheng J,Wu C,Chu H,et al.Localization algorithm based on RSSI and distance geometry constrain for wireless sensor networks[C]∥2010 International Conference on Electrical and Control Enginee-ring(ICECE),IEEE,2010:2836-2839.

[9] 于海存.無(wú)線傳感器網(wǎng)絡(luò)加權(quán)質(zhì)心定位算法研究[D].重慶：重慶大學(xué),2014.

Adaptive weighted localization algorithm based on RSSI*

LIU Hong-li， ZHOU Deng， XU Kun， HU Jiu-song

(College of Electrical and Information Engineering，Hunan University，Changsha 410082，China)

Traditional static weighted centroid location(SWCL)cannot get accurate positioning precision because of influence of the multipath,reflection in indoor environment.Aimming at the problem,a new adaptive weighting positioning algorithm based on RSSI—DA—SWCL is proposed.The algorithm optimize the RSSI ranging method to eliminate the different node transmission power and other sudden interference effects on RSSI ranging.The algorithm use the information of anchor nodes and unknown nodes distance to dynamic let anchor nodes obtain the optimal weight coefficient adaptive,and it can improve positioning precision.RSSI—DA—SWCL algorithm is performed on the ZigBee platform,the RSSI—DA—SWCL algorithm performs better in terms of location precision by Matlab simulation and actual experiments compared to traditional localization algorithm.

wireless sensor networks(WSNs); dynamic weighted; centroid localization algorithm; RSSI ranging

10.13873/J.1000—9787(2017)03—0140—04

2016—04—08

國(guó)家自然科學(xué)基金資助項(xiàng)目(61172089)；湖南省科技廳資助項(xiàng)目(2012FJ4119)；中國(guó)博士后科研基金資助項(xiàng)目(2014M562100)；湖南省科技計(jì)劃重點(diǎn)項(xiàng)目(2015JC3053)

TP 393

A

1000—9787(2017)03—0140—04

劉宏立(1963-)，男，教授、博士生導(dǎo)師，從事無(wú)線傳感網(wǎng)絡(luò)、移動(dòng)通信系統(tǒng)和軟件無(wú)線電的研究工作。