基于rssi的无线传感器网络节点定位算法研究与实现(附件)【字数：11505】
摘 要人类进入 21 世纪以来，由于信息社会的高速发展，无线传感器网络（Wireless Sensor Networks,WSN）在生活中得到广泛应用。新一代的传感器网络，其发展应用将会给人类生活各个领域产生深远的影响,其影响渗透各行各业，同时给社会带来极大变革。节点的定位是WSN中一个关键的问题，在很多特殊环境中，由于各种环境因素和突发状况利用全球定位系统(Global Positioning System,GPS)往往无法精确定位传感器网络节点.但人工配置每一个节点所需花费的成本人力物力是不可想想的，因此需要一种基于测距或角度信号的WSN节点定位的方法用来替代GPS定位的不足。本文主要求的内容提高基于RSSI值的三边定位法获取目标节点坐标位置的精准度，同时针对三边定位法本身在实际环境的应用中可能存在的偏差值，归纳总结发现其中的不足以及改进后三边定位法还存在的不足之处的讨论并介绍了WSN发展的环境背景以及节点定位法对于WSN的重要性，针对WSN节点定位介绍了基于测距技术的四种典型定位算法。大致通过介绍四种典型定位算法，侧重突出基于RSSI值算法在四种定位算法的重要作用并对其优劣做出比较。本文着重了介绍三种三边定位法，在不断的改变定位算法精确度的同时，我们需要了解到，这改进的定位法在分析角度上其本身也存在了一些误差，并未考虑到实际RSSI取值上的误差情况，但同样的这种算法在权值修正上其实有着很大的改善，同样稳定性也有着很大的提高，虽然还存在着间距过小时定位精度的问题，但已经很大程度上把三边定位法的精确度以及稳定性做出改善。最后本文通过实际仿真结果，获取一系列数据的对比，验证基于RSSI值的WSN节点定位算法的存在的一些漏洞和细节，同时获得三种三边定位法在模拟环境中的精确度和稳定性的比较。AbstractSince the twenty-first Century, because of the rapid development of the information society, Wireless Sensor Networks (WSN) has been widely used in life. The new generation of sensor networks, its development and application will have *好棒文|www.hbsrm.com +Q: *351916072*
far-reaching impact on all fields of human life, its impact on the infiltration of all walks of life, at the same time to bring great changes to the society. It has been widely applied in the fields of national defense, military affairs, public safety and environmental monitoring. Many scholars have studied it because of its wide application background.The location of nodes is a key problem. In many special environments, Global Positioning System (GPS) is often unable to locate sensor network nodes precisely because of various environmental factors and emergencies. Indoor positioning is influenced by various environmental factors. A WSN node localization method based on ranging or angle signals is derived.The typical WSN method is roughly summed up in four kinds: TOA, TDOA, AOA, RSSI, in which the RSSI range method is the signal value of receiving the target node, which is converted to the RSSI value in a specific way, and then by the three edge positioning algorithm, which is also an algorithm which will be introduced in this paper.In order to improve the accuracy of WSN node localization, we improve the accuracy of algorithm based on RSSI value. By analyzing the environment and sudden factors and algorithm, the accuracy of the final target node can be improved.Firstly, the environment background of WSN development and the importance of node location method for WSN are introduced. Then, four typical location algorithms based on distance measurement are introduced for the location of WSN nodes.According to the actual situation, the three side location method and the three side location method are derived from one of the typical location algorithms, and the three side location method is improved according to the actual situation.Finally, through the actual simulation results, the three side location methodis analyzed, and a series of data are obtained. Some vulnerabilities and details of the WSN node localization algorithm based on RSSI value are verified and a new improved three edge location method is proposed on the basis of the three edge location method.1 绪论 11.1课题研究背景及目的 11.2 国内外研究现状 21.3研究内容 31.4论文具体结构 32 无线传感器网络节点定位技术概述 42.1 基本概念 42.2 常用术语 52.3 常见无线通信技术 52.4 基于测距技术的典型定位算法 52.4.1 TOA 52.4.2 TDOA 62.4.3 AOA 62.4.4 RSSI 62.5 RSSI定位算法 72.6 本章小结 73 基于RSSI定位算法概论 83.1 基于RSSI的测距定位算法 83.3 三种基础的计算节点位置基本方法 93.4 本章小结 124 影响定位精度的三边定位法分析 134.1 实际环境中的三边定位法 134.2 传统加权三边定位法 144.3 改进的加权三边定位法 154.3.1 加权三边定位法改进思路 154.3.2 改进加权三边定位法原理 154.3.2 算法步骤 164.4 实验数据比对 17图1三边定位法的定位结果示意图 18图2传统加权三边定位法的定位结果示意图 18图3改进的加权三边定位法的定位结果示意图 19图4三种定位法平均误差率对比图 204.5 本章小结 205 总结 21参考文献 221 绪论1.1课题研究背景及目的进入21世纪，随着现代信息通信技术发展和网络协议完善，当今无线通信技术，传感器技术及各种嵌入式技术飞速发展，无线传感器网络（Wireless Sensor Networks,WSN）[8]已经在实际应用中实现区域检测、分布处理、信息处理、信息融合和信息传输等诸多功能，并且在很多情况下能够对人类无法到达的无人区或恶劣环境进行检测。无线传感器网络其本质是诸多学科交杂而成的一种大规模应用新型网络，不乏包括了传感器技术，无线网络技术，嵌入式技术，无线通信技术等多种前端研究领域技术综合。主要是通过部署各种通信节点，通过节点通信的信号发出测距定位并获取一系列的信息。这些节点成本低、功效小并最重要的是具有通信能力，大概构成是部署节点、传感器节点、以及协调节点以及监控中心，传感器节点主要作用是接受处理各种部署节点发送的信号并传递给协调节点；协调节点目的是从传感器节点获得信息统一整理回收并共享给解控中心，监控中心任务要信息分析处理，实现对整个监测区域的管理[9]。WSN实现对人类社会和物理世界的信息感知。WSN虽然是一种新技术，却迅速的占领人们的日常生活，同时也引起了社会中许多人±和学者的广泛关注。[1]无线定位技术是无线传感器网络的一大发展，同时解决了GPS在特殊环境下定位不足。虽然GPS在绝大部分室外定位得到了很好运用，但在定位中存在障碍物和各种干扰信号的情况，会对信号定位方向和精确度有着极大的影响，使得信号方向能量发生各种改变和衰减导致精确度大幅降低。所以定位技术因其适应环境被分为众多种类/图1定位技术分类全球定位包括GPS、伽利略、北斗、GLONASS等卫星定位系统其优点是成本低、定位简便、灵活适用范围广等特点，但其局限性过高，会受到特殊环境因素和突发干扰影响其精度对信号方向和能量造成影响。一般来说受到应用限制、能耗限制、设施限制。室外区域定位一般用地面蜂窝移动定位，信号的方向和能量变化相对于卫星定位在众多情况下受影响性小，但由于室内定位限制导致精确度依然偏低。室内定位一般统称为无线定位技术同时因其低成本、高精度、部署灵活等特点，在室内定位过程得到很好运用，但因其广适性弱不如全球定位和地面蜂窝移动定位，在很多特殊环境中才会适用。无线传感器网络因其节点有时也许考虑自组织性、健壮性、节能等限制。但主要优点例如应用方便、距离单调性、对称性多种优点是别的定位技术不可替代的。1.2 国内外研究现状1978美国，最早在军事领域上对无线传感器网络节点定位研究应用。随后美国的研究计划局在各大高校成立各种研究实验室[18] 并在《技术评论》由麻省理工学院代表将WSN技术列入十大科技之一[19]。在往后的诸多年中，WSN技术不断完善。等到2003年，美国著名的商业周刊“未来技术专版”中发表学术论文说 WSN 技术是全球未来最具有发展性的四大高科技产业[20]，因此引起了WSN在科学领域的新一代热潮，同时把WSN推进到现在的巅峰。意识到这个技术的重要性之后，各国对此领域的研究也因此慢慢开始步入WSN的队列之中。相对来说无线传感器网络技术，国内起步相对较晚，近年来得到广泛关注并取得了一定的十足进步，很大原因取决于国家将无线传感器网络技术列为重点科研项目[21]。据了解，国内较早对无线传感器网络技术研究有涉猎的实验室大多在各所重点名牌院校，例如清华、哈工大和山东大学等，各学校还为此建立专项研究实验室，不仅如此，额外还有一些科研机构和研究性事业单位也时刻关注无线传感器网络技术的发展和现状。与此同时，在国家大力推动下，基础研究发展计划也进一步实施，有关无线传感器网络技术的科研项目和课题也不断被研究和细分，引深出更多的总计36种各方面技术研究[22]。一般来说，无线传感器网络中的通信节点定位是无线网络的重中之重，因此，这项研究一直被列为重要科学机构和各名牌大学的重点研究课题。由于通信节点定位与无线传感器网络相辅相成，不同的场合便需要不同的辅助定位方式。虽说在室外情况下更广泛的使用GPS技术，但在室内或者环境更较大干扰的情况下，会选择一些抗干扰新强，性价比的定位技术。由此很多基于测距的技术油然而生。[23]1.3研究内容无线传感器网络主体是由监测区域内的大量无线传感器节点组成,这些节点构造不同，功能不同，节点之间依靠无线传感器网络的标准协议（Zigbee 协议）以无线通信的方式进行网络的信息共享,构成一个具有协作感知和信息处理的共享网络体系。[10]无线传感器网络从定位手段上分基于测距(Range-based)和测距无关(Range-free)两种，一般来说，测距的定位算法需要依靠测量节点间的距离或者角度信息，然后根据这些信息，进行处理分析，典型的测距方法包括TOA[1],TDOA[2],AOA[3],RSSI[4]等。最常用的算法是利用RSSI值距离，RSSI其本身并不能直接提供距离参数，他是一种信号强度，根据路径远近而损耗强度大小从而判断测距，因此它不需要增加任何额外的硬件设备.但由于RF信号很受环境因素的影响[5],因此获取RSSI节点的准确性需要考虑较多因素,同时此算法的精度也不是很令人满意。此外有些算法还需要通过间接计算获得目标节点与其它不相连的节点之间的间距，其中不相连的节点是指无线通信不可到达,一般来说，此类算法从目标节点有规律的发出信号,同时节点间共享距离信息,以花费最小代价计算确定各节点与目标节点之间的间距。因此测距无关定位算法并且无需距离或角度信息,仅利用节点之间通信和共享的信息进行定位。常见的测距无关算法例如质心算法[13],DV-HOP[14],MDS-MAP[15],APIT[16]等。一般来说，质心算法是最基本算法,并且计算要求低，计算量小，且相对测距的定位方法，距离无关的定位方法在节点上的硬件要求都会偏低,且其受环境因素的影响较小，因此比较适合大规模无线传感器网络节点的定位。基于这两种不同手段的算法，有科研人员在研究报告中提出过将RSSI测距和质心算法相结合来进行定位的算法[11，12]。实际运用中,环境和突发因素的影响,相同的测距获得RSSI值也有着诸多差异。所以在本文中，考虑到实际环境和突发因素的影响，在不同条件下分析和改进基于RSSI值得三边定位法，以求获得更好的三边定位法。通过对比传统三边定位法，和传统加权三边定位法，得出其中的结果不同，分析后改进提出一种新的基于传统加权三边定位法的新的算法，并在MATLAB仿真实验中得出相应的结果结论。1.4论文具体结构本文分五个章节，具体实质内容如下主要介绍了WSN发展的环境背景以及节点定位法对于WSN的重要性，接着针对WSN节点定位介绍了基于测距技术的四种典型定位算法。使读者对于WSN有大致了解。同时对节点定位的算法做出一个铺垫性的介绍。第二章，对无线传感器节点定位技术做一个综述，并介绍了一些术语，以及基于测距的四种无线传感器网络节点定位的技术。并分析其优缺点。并为后文介绍基于RSSI值得技术做出铺垫。第三章，首先简单介绍RSSI值的获取方式，并同时引出基于RSSI的节点定位算法，如三边定位法，三角测量法，最大似然估值。并具体介绍了三种方法的原理，最后分别归类分析三种算法的优缺点，为后文引出三边定位法做出铺垫和实际的内容简介。第四章，首先介绍三边定位法在实际环境中的引用，与上文理想状态下的三边定位法做出比较分析，接着根据环境因素和突发干扰，针对这个三边定位法实际应用算法中的不足引出传统的加权三边定位法。再接着通过介绍改进思路接着引深出改进的三边定位法。并对这种改进三边定位法做出理论以及算法的分析和概括，并总结归纳这三种三边定位法，接着通过MATLAB仿真得出理论分析的正确性，并对三种三边定位法做出比较和分析。最后总结本文的研究思路和提出改进三边定位法的实际运用中的优缺点。2 无线传感器网络节点定位技术概述2.1 基本概念一个完整的WSN定位系统由测距、数据处理和用户终端三部分构成。/图2 WSN定位系统构成在上文我们提到，传统定位算法其实靠人工部署的GPS获取[24,25],但由于环境限制，可参考节点所占比例较少。所以需要一种可以在特殊环境下替代GPS的节点定位方法。2.2 常用术语在WSN定位技术中存在一些常用术语[26]目标节点（target nodes）我们所需获取的节点位置参考节点(reference nodes)已知并且获取节点位置的节点，用于辅助获取目标节点跳数(hop distance)信号在一个节点到另一个节点之间所需间隔总数跳段距离(hop distance)；节点之间的间距距离之和基础设施(infrastructure)；用于辅助传感器节点通信和传递的设备也是WSN中最基础不可或缺的定位设备协调器(coordinator)是无线传感器网络中的协调节点，同时也在无线传感器网络定位中起到协调作用2.3 常见无线通信技术当前常见的无线通信技术主要有超声波通信技术、蓝牙通信技术、Wi-Fi通信技术、超宽带(Ultra Wide Band,UWB)通信技术、红外线通信技术、射频识别(Radio Frequency Identification, RFID)技术、Zigbee通信技术[9]2.4 基于测距技术的典型定位算法 节点的测距是定位算法的核心，测距获取的值关乎最后获取目标节点位置坐标的精准度[6]，其中典型的测距方法可分为四种TOA[1],TDOA[2],AOA[3],RSSI[4]。2.4.1 TOATOA[27]测距原理主要依据速度与时间，他们之间的乘积便是两节点之间的实际距离。一般来说，通过参考节点发送已知速度的信号，同时，目标节点接收并记录下信号传送间花费的时间，通过时间与速度两个数据的计算节点之间的间距。是一种较为理想的测距原理。/图3 TOA2.4.2 TDOATDOA[28]测距原理依据参考节点发送的不同速率的传输信号，一般来说，两种信号应用超声波信号或者无线电信号，通过信号到达目标节点的时间差和速率两节点的的间距。/图4 TDOA2.4.3 AOAAOA[29]的传统的测距原理依靠的是天线阵列或多个无线接收器来测量，从多个参考节点发送信号获得发送信号的方向和角度，其间距获取位置是原理是通过射线交于一点来获得目标节点和参考节点的间距。同时这也是一个不需大量计算的简便获取方式。/图5 AOA2.4.4 RSSI考虑到在实际传播中的无线信号，受到诸多干扰因素，同时信号随着传输距离增大而不断衰减。RSSI[30]值得获取就是照这种衰减理论进行测距，其测距原理通过获得的信号值，把参数带入高斯模型和固定的算法中从而获取节点之间的间距。总结上文，针对四种典型测距方法简单的通过表格对这四种进行优缺点比较/图6 四种典型基本算法优缺点归纳图2.5 RSSI定位算法目前的RSSI定位算法有两种[9]第一种，RADAR系统所应用的算法，一般来说，首先建立一个RSSI的信息数据库，数据库的建立是通过经验和总结RSSI信号和间距对应获取，然后根据未知节点所接收到的RSSI值，和数据库进行匹配，得到最为合适的测距，并通过计算获取目标节点位置坐标。该因其本身所拥有的经验数据库因此简便，低成本。但是同样很容易受到环境因素的影响，定位精确度与环境因素存在各种关联。第二种，相对来说复杂一些，首先需要选取合适的传播信号模型，然后根据目标节点发送的信号强度值和未知节点接收的信号强度值，通过计算的方式，建立RSSI与d之间的对应关系，从而代入公式获取目标节点与未知节点之间的间距，最后利用三边定位法计算得出未知节点的最终坐标。一般来说，如果说基于RSSI的定位算法指的就是这个第二种算法，同时，其优点成本低廉，也不需要额外的硬件设备。缺点同样也与第一种算法大同小异。从定位精度上分析，基于RSSI值得节点定位算法还是相对于非测距类定位的算法，精确度有着显著的提高。如果拿 TDOA、TOA、AOA 等测距类定位算法作比较，其优点硬件成本低，可塑性强，可拓展性和改进空间巨大等多方面优势。2.6 本章小结本章首先详细介绍节点定位基本概念和常用术语，然后对基于测距技术的四种方法进行逐一介绍并比较其优缺点，最后详细分析介绍RSSI定位算法与其他定位算法的差异性。为本文内容做好理论基础。3 基于RSSI定位算法3.1 基于RSSI的测距定位算法基于RSSI的定位算法其本质是信号传播中的损耗导致信号强度在传播过程中的衰减，通过RSSI的值获取两节点之间的间距，从而通过三边定位法获悉目标节点的坐标位置。现在的无线传感器网络节点一般都具备 RSSI 信号功能也就是说具有测量和接受信号强度的能力，所以这种算法实现简单同时也不会增加额外的硬件成本同时也降低了能量的损耗，因此这种方式也是被广泛的实践运用。由于信号的传输距离和能量的衰减关系都是由固定模型决定的，因而一个能根据信号强度获悉间距的模型往往是定位算法计算中的关键，但实际情况中这个模型往往也受到了诸多环境和突发因素的影响。所以一般来说，通常会采用综合性较强的对数-常态模型，其模型如下 （1-1）式中，/表示发射信号到待测点d米处的路径损耗，/表示参考距离d0处节点接收的信号强度，n表示与环境相关的路径消耗系数，d表示节点信号发送端与接收端之间的距离,X则表示为一个均值为0的高斯随机变量。如果为信号的发射功率，则接受节点的信号强度RSSI值为 （1-2）假设信号处信号强度为A，那么 （1-3）将上述三个公式（1-1）、（1-2）、（1-3）结合得 （1-4）上式A,n其实本质是信号强度，但是A，n受各种信号环境和突发因素的影响，因而有很大的偏差，所以其值由实际定位环境决定。3.3 三种基础的计算节点位置基本方法3.2.1 三边定位法（Trilateration）三边定位法[31]基本原理如图/图7 三边定位法若已知A,B,C三个节点为参考节点，假设坐标分别为、、,他们到未知节点距离分别为Da, Db, Dc,且目标节点D的坐标为。那可以得到如下公式 （2-1）解得方程组，然后获取目标节点D的坐标为 （2-2）在使用三边定位法时，其本质RSSI的值使用信号强度的参数代入固定模型而获得的，因此这是一个建立在理想状况下的计算法。所以三边定位法往往需要考虑到实际的计算方式从而获取目标节点的位置，由于三边定位法常常是一种测距的算法，往往会被实际着重应用，下文将会对三边定位法进行详细论述。3.2.2 三角定位法（Triangulation）三角定位法[31]同样是一种基本的节点计算方法，其原理如图/图8三角定位法图中A, B, C三个节点为参考节点，假设目标节点D坐标。那么其中A，B，C三个节点坐标分别可假设为、、，节点D相对于节点A,B,C的角度分别为。分析节点A，C以及其对应的，若AC在被，则我们可以确定一个圆心为O1的圆，假设其坐标为,其半径为r1，则存在公式如下 （2-3）其中由公式（1-3），我们可以计算出圆半径r1和圆心O1的坐标，同理，可以算出圆心O2,O3及其半径r2，r3。有了三个圆心坐标后，最后利用三边测量法计算出D点位置坐标3.2.3 最大似然估计（Maximum Likelihood Estimation，MLE）最大似然估计[31]其实是三边定位法一种一般化情况，通过最小化测量距离和估算距离之间的差异来估计未知节点位置。一般当三边测量法三圆或者多圆无法交于一点时常采用这种方法如图/图10 最大似然估计假设未知节点D的坐标为(X,Y)，已知节点坐标1，2，3n分别为、、 同时其与未知节点的距离分别为D1, D2, D3Dn则存在下列公式: （2-4）依次从第一个方程相减得 (2-5)由（1-5）用标准最小均方差估计(MMSE)可以得到节点D的坐标为综合上述三种方法作比较，其本质都是利用节点间的RSSI值，通过信号传播过程中受到的损耗导致信号强度的衰弱从而获得参考节点与目标节点的间距，通过算法得出参考节点的具体位置。但这个RSSI值只是一个理想的值，很多情况下需要考虑实际。这三种算法各有优缺点，三边定位法所需的间距并且其模型建立太过于理想状态，实际情况下的三边定位法的应用会更多的考虑各方面的应用。三角定位法其本质是运用几何原理通过目标节点与参考节点的角度交汇算出目标节点的节点位置，虽然这种算法实际运用会比三边定位法影响因素较小，但同样的，其过于理想的建模会导致其精确度的不尽人意。最后一种最大似然估值其本身是一种三边定位法的一般情况，局限性大。因此本文针对三边定位法的精确性和实际环境中的应用后文将会对此作出改进分析。3.4 本章小结本章首先详细介绍基于RSSI的测距定位算法，接着对节点测距的四种方法进行逐一介绍并且比较它们的优缺点，最后对定位算法的评价指标做出介绍。为本文后续对基于RSSI定位算法研究做好基础。4 三边定位法研究与实现在第三章介绍了三边定位法，是在理想状况下进行分析，通过以参考节点为圆心、和目标节点距离为半径由此得到理想状态下三圆交于一点。实际情况三圆并非相交于一点而是相交于一个公共区域。4.1 实际环境中的三边定位法在实际环境中，传输信号干扰因素较多从而使得最后测量得到的信号衰减量大于原本实际值。同时三圆不再交于一点，而是交于一块公共区如图/图11 实际运用种的三边定位法图中点O1,O2,O3三个不同且已知坐标节点，假设其坐标为、、。P坐为目标节点假设.参考测距分别为dA，dB, dC。假设三个交点区域A,B,C坐标分别为、、。则交点A, B, C坐标可由公式可知 （3-1）通过公式可以求出A的坐标，依此类推求得B，C坐标、。跟着用质心公式求得目标节点P的坐标为 （3-2）综上为了求取目标节点，先要测得信号RSSI的值，接着将测量到的RSSI值代入对数-常态分布模型公式（1-1）中求节点间距，从而获得三个参考点与目标节点距离，最后通过三边定位法求出目标节点坐标。4.2 传统加权三边定位法在三边定位法实际中，参考节点获得的三个圆并非理想环境交于一公共点，而是相交于一个公共区域。并且每两个圆相交可以获得两个交点，三个圆得到三组交点，每组两个交点。其中三个交点组成公共区域，上文提到的三边定位法实际应用中其实并未考虑到这三个交点A,B,C对于未知节点P的影响,所以在这基础上，降级这种因素的影响，对目标节点求取中加入了权值修正。方案算法如下 （3-3）其中、、为三圆公共区域三角点坐标参考上节，为目标节点P的坐标，参考测距分别为dA，dB, dC。4.3 改进的加权三边定位法4.3.1 加权三边定位法改进思路传统的加权三边定位法，在定位过程中加入权值修正，但该方法在权值修正选择上存在或多或少的问题，其本质并未显示出权值dB和dC在定位过程中的主导地位，若考虑dB>dC,B相关的参考节点与交点A的距离远，在数据权值中显示处于次要位置，但在实际上却是起到了主导作用。所以改进的加权三边定位法，其原理是针对实际情况下受到的环境以及突发因素影响，导致参考节点的精确值偏失，从而对权值修正更加进行更加详细的分析，并把这种分析代入改进的加权三边定位法种，因此此算法在复杂程度上相对传统加权三边定位法会更上一层楼。4.3.2 改进加权三边定位法原理上节三边定位法可知以３个参考节点为圆心、参考节点与目标节点之间的距离为半径的三个两两相交的圆，且每两个圆有一组交点，每组交点有两个。如图/图12改进加权三边定位法图中圆O2和圆O3相交于A和F点，假设A点与参考节点O1间距为dA，F点与参考节点O1间距为dF，参考节点O1与交点C之间的距离为d。若则可认为A点距离目标节点距离较近并且在权值中所占影响较大，则选取A点。若，则F点距离目标节点较为接近，并且在权值中影响较大，则选取F点。其他两组交点都利用上述方法进行选取，选取出三个影响较大的交点，再通过这三个交点计算加权平均求得未知节点P的坐标假设这三个交点的权值为N1、N2、N3，那N1根据如下方法计算N2，N3权值同理可得，由此可求得目标节点坐标位置如下计算方式 （4-1）其中(XA, YA)、（XB, YB）、（XC，YC）为三圆公共区域三角点坐标参考上节，（X, Y）为目标节点P的坐标。4.3.2 算法步骤改进的加权三边定位法详细实现步骤如下首先将区域划分几个相邻正三角形，并且设参考节点摆放正三角形顶点上。通过参考节点不断发射的定位信号，目标节点接收信号之后，，对参考节点的RSSI值做出相应的处理。一般来说，当参考节点接收到发送的100个RSSI值信号之后，将这100个RSSI值建立高斯模型滤除异常情况的RSSI值，接着对过滤后的RSSI值取均值处理。RSSI均值作为目标节点最后接收到的RSSI值，依此方法计算目标节点接收到至少三个参考节点RSSI数值。根据RSSI测距法计算出目标节点和参考节点两者间距。通过本节提到的改进加权三边定位法进行定位，得到目标节点坐标。计算定位误差。将属于正三角形区域里面的全部目标节点定位误差值求和sum.计算平均误差average=sum/n(n为随机得到并落在三角区域的未知节点个数)计算平均定位误差率average-percent=average/L（L为正三角形边长度）通过对三边定位法中存在的实际环境应用中的不确定性导致其精准度缺失做出分析，引出传统的加权三边定位法，但这种加权三边定位法其中权值修正并未详细做出分析，针对这一问题，通过研究以及实现，对权值进行更深入的分析，然后把这种分析代入改进的三边定位法。介绍完这三种三边定位法，在不断的改变定位算法精确度的同时，我们需要了解到，这改进的定位法在分析角度上其本身也存在了一些误差，并未考虑到实际RSSI取值上的误差情况，但同样的这种算法在权值修正上其实有着很大的改善，同样稳定性也有着很大的提高，虽然还存在着间距过小时定位精度的问题，但已经很大程度上把三边定位法的精确度以及稳定性做出改善。4.4 实验数据比较分析在MATLAB软件上，通过实验比对三边定位法，加权三边定位以及改进的加权定位算法精度上不同。模拟仿真选择250m*220m的区域。假设参考节点分别在等边三角形顶点，且位置已知，分别为A(0,0), B(5t, 5t*sqrt(3)), C(10*t,0),其中t为正整数。变化区间在1-25之间。目标节点通过MATLAB软件随机函数RAND生成，一共50目标节点，随机分布定位区域。同时加入方差10的高斯噪声从而替代实际环境的突发因素和干扰因素。仿真结果如下图/图13 三边定位法的定位结果示意图图13表示了三边定位法定位结果示意图，根据参考标识我们可知，五角星和圆形分别为参考节点坐标位置和目标节点坐标位置，星星则是最终通过算法演示得出来的预测坐标位置。/图14 传统加权三边定位法的定位结果示意图图14表示了传统加权三边定位法定位结果示意图，根据参考标识我们可知，五角星和圆形分别为参考节点坐标位置和目标节点坐标位置，星星则是最终通过算法演示得出来的预测坐标位置。/图15 改进的加权三边定位法的定位结果示意图图15改进的三边定位法的定位结果示意图。根据参考标识我们可知，五角星和圆形分别为参考节点坐标位置和目标节点坐标位置，星星则是最终通过算法演示得出来的预测坐标位置。比较图13图14我们可得，传统的加权三边定位法在实际运用中获取的预测节点坐标与目标节点坐标相对于三边定位法来说坐标之间的距离更加接近。尽管这种传统的加权三边定位法在算法复杂程度相对于三边定位法来说多了一个权值计算，但是精度确实有着很大提高。比较图14图15利用改进的加权三边定位法获取的预测坐标精准度又更上一层楼，这主要是因为改进的加权三边定位法在权值充分考虑到节点之间的主导地位导致的关系影响程度不同，虽然加大了传统加权三边定位法的演算程度，但精度数据以及稳定性都大大提高。/图16 三种定位法平均误差率对比图图16通过图13图14图15上述三图的综合，把各个数据统计比较建立一个平均误差率的对比图，从图中明显的得到利用改进的加权三边定位法所获得的平均误差率很大程度上低于传统的加权三边定位法的平均误差率以及三边定位法的平均误差率。同时我们可以很容易的看出在0-50m的参考节点间距三种算法的平均误差率都不尽相同，但是从50m往后三边定位法以及传统的加权三边定位法在定位精准度上不缺的缺失，但改进的三边定位法在缺不受这个限制影响，稳定性相对于另外两种算法有着非常显著的提高。但改进的三边定位法同样在0-50m参考节点间距的定位有着很大的精确度问题。4.5 本章小结主节主要针对基于RSSI值定位算法的三边定位法深入研究探讨以及改进。首先介绍了三边定位法在实际环境中的应用，一般来说，常规的三边定位法由于其本身参考节点的数据并非理想状态，所以通过三边定位法三圆汇于一点很难实现，因此我们在实际运用的中三边定位法首先通过一个确定一个公共区然后用质心公式的方式获取目标节点，但这种方式获取的目标节点位置坐标并不精准，所以在此方案基础之上，衍生出加权三边定位法，该加权三边定位法其本质是通过计算获取的公共区的三个参考节点进行权值修正，从而提高获取目标节点参考坐标的精度，但这种传统的加权三边定位法其实在权值上，并未做出详细的分析，因此在此之上，对于权值修改进行详细分析，然后融入新的改进的三边定位法中，该方案主要是针对传统的加权三边定位法存在权值选择不当的问题，其在权值的选择过程中并未体现出公共区三个不同参考节点对目标节点影响的主次要关系。针对这一问题，对传统的加权三边定位法进行改进。改进的三边定位法充分考虑到公共区的参考节点之间对目标节点影响程度，最后，根据MATLAB仿真实验三种三边定位法进行仿真比较，通过验结果，很容易看出改进的三边定位法在精确度上确实有着很大的提高，同时，在定位稳定性上，远胜于传统的加权三边定位法以及三边定位法，这种提高，是相对来说的，但在一定的距离环境之内，这种预测节点与目标节点的差值还是有待提高，体现在数据上，我们可知越近的间距获取的目标节点位置坐标其偏差越是有提升空间，精确度也不尽人意。5 总结无线定位技术是无线传感器网络应用中一门关键性技术，再人们各个领域都有它实际应用的实例。近年来，随着智能网络技术通信技术大力发展，目标定位的准确度已经越来越重要，基于RSSI的测距定位算法因其低成本也不需额外硬件设备等优点，现已成为无线传感器网络定位重要选择一项。本文在传统加权三边定位算法上提出了改进，主要是降低算法在测量误差，提高了WSN定位精度，从而更好的获得目标位置。论文内容总结如下通过对定位技术背景、意义以及国内外研究现状介绍对于定位技术概率有个介绍，同时让人对定位技术有一定的了解。介绍无线定位技术概念，并且详细导出几个典型基于测距的技术定位算法包括TOA、TDOA、AOA以及本文重点介绍的RSSI，并且具体分析其优缺点。详细导出基于RSSI值的算法的概念，并分析对RSSI值获取建立对数-常态分布模型和三边定位法的原因考虑到环境因素的影响，针对三边定位法在实际中的应用，介绍了三边定位法在实际环境中的应用情况以及在定位精度上低的原因和其太过理想和不可实现的三圆交于一点的实际情况，导出实际情况下的三边定位法。但一般的三边定位法其实误差有着明显的精度低的因素，接着详细介绍了传统加权三边定位法，就是通过在算法上加入一定的权值修正，改善三边定位法的精度和应用环境以及考虑的环境参数的影响。但同样的传统三边定位法并未顾虑到其中节点之间主要地位的相互影响，也太过理想，所以本文提出一种在RSSI取值和节点主导取值，充分考虑到不同影响对权值的选择，计算方法更加科学。最后在MATLAB仿真软件进行验证，方法的可行性以及该方法在定位精度上的明显提升。参考文献[1]?朱泽朋,叶树球,尹柯.?基于RSSI加权质心优化算法的研究[J].?计算机与现代化[2]?张峰.?基于ZigBee网络的室内定位系统的研究与实现[D].河北大学,2013.[3]?汪凌.?无线传感器网络定位技术的研究[D].南京邮电大学,2013.[4]?段鹏杰.?基于射频指纹的室内节点定位方法研究[D].太原科技大学,2014.[5]?徐向华,高学勇,万健.?无线传感器网络中故障容忍的事件定位算法[6] 王春. 基于RSSI测距的室内无线定位技术的研究 2017[7] 章坚武,张璐,强振平,耿续涛. 基于Zigbee的RSSI测距研究 2009[8] 余向阳. 无线传感器网络研究综述[J].单片机与嵌入式系统应用,2008[9] 徐进. 基于RSSI的室内无线定位算法的设计和实现[10] 王晖. 基于RSSI的无线传感器网络室内定位算法研究与实现[11]?冯爱丽,?乔钢柱,?曾建潮.?基于信标节点间距离的改进RSSI定位算法[12]?吴晓平,?谈士力,?胡军国.?基于残差修正法的无线传感器网络定位技术[13]?徐福成.?基于RSSI测距的无线传感器网络定位算法研究[D].西华大学,2014.[14]?姜琰俊.?Ad-Hoc网络一种改进的DV-Hop定位算法[D].哈尔滨工业大学,2010.[15]?陈昌祥,?达维,?周洁.?基于RSSI的无线传感器网络距离修正定位算法[16]?刘峪瑄,余成波,?熊飞.?电子导游机精确定位算法研究[J].?计算机工程与设计[17]?冯爱丽,乔钢柱,曾建潮.?基于信标节点间距离的改进RSSI定位算法[18] ZIVKOVIC M,NIKOLIC B,PROTIC J. A Survey and Classification of Wireless Sensor Networks Simulators based on The Domain of Use[J]. AD HOC & Sensor Wireless Networks[19] MITILAINEOS S A,KYRIAZANOS D M.Indoor Localization with Wireless Sensor Networks[J]. Progress In Electromagnetic Research[20] Oh S, Montanari A, Karbasi A. Sensor Network Localization from Local Connectivity: Performance Analysis for The Mds-map Algorithm[C]. [21] Harikrishnan R.An Integrated Xbee arduino And Differential Evolution Approach for Localization in Wireless Sensor Networks[J].[22] 史洪华,钟俊,叶有名.基于 RSSI 的无线传感器网络圆环质心定位算法[J].计算机系统应用[23] 周林,张厚望.无线传感器网络中基于 RSSI 的质心定位算法研[J].现代电子技术[24] Shi H. A new weighted centroid localization algorithm based on RSSI[C]Information and Automation(ICIA)[25] 张琳．基于测距技术的无线传感节点定位技术研究［Ｄ］．西安西安工业大学[26] 占宏．基于移动信标的无线传感器网络节点定位算法研究［Ｄ］．广州华南理工大学[27] Lee,W. Patanavijit, V.performance Evaluation of TOA Estimation for Ultra-wideband System under AWGN and IEEE 802.13a Channel Model.Signal-Image Technology and Internet-Based Systems[28] Di Hui,Liu Yu,Yang jian.TDOA accurate estimation aigorithm based on phase calibration technique,Computer Science and Network Technology[29] Huang Q,Huang H,Xie D Q,et al.A Novel AOA Clustering-based Localization Algorithm with High Accuracy.Net info Security[30] Xiaoyong Yan,Huanyan Qian,Ya Huang,et al.A high accuracy localization based on RSSI measurements.Communications and Networks[31] 李晓维,徐勇军,任丰原. 无线传感器网络技术.北京:北京理工大学出版社
目录
far-reaching impact on all fields of human life, its impact on the infiltration of all walks of life, at the same time to bring great changes to the society. It has been widely applied in the fields of national defense, military affairs, public safety and environmental monitoring. Many scholars have studied it because of its wide application background.The location of nodes is a key problem. In many special environments, Global Positioning System (GPS) is often unable to locate sensor network nodes precisely because of various environmental factors and emergencies. Indoor positioning is influenced by various environmental factors. A WSN node localization method based on ranging or angle signals is derived.The typical WSN method is roughly summed up in four kinds: TOA, TDOA, AOA, RSSI, in which the RSSI range method is the signal value of receiving the target node, which is converted to the RSSI value in a specific way, and then by the three edge positioning algorithm, which is also an algorithm which will be introduced in this paper.In order to improve the accuracy of WSN node localization, we improve the accuracy of algorithm based on RSSI value. By analyzing the environment and sudden factors and algorithm, the accuracy of the final target node can be improved.Firstly, the environment background of WSN development and the importance of node location method for WSN are introduced. Then, four typical location algorithms based on distance measurement are introduced for the location of WSN nodes.According to the actual situation, the three side location method and the three side location method are derived from one of the typical location algorithms, and the three side location method is improved according to the actual situation.Finally, through the actual simulation results, the three side location methodis analyzed, and a series of data are obtained. Some vulnerabilities and details of the WSN node localization algorithm based on RSSI value are verified and a new improved three edge location method is proposed on the basis of the three edge location method.1 绪论 11.1课题研究背景及目的 11.2 国内外研究现状 21.3研究内容 31.4论文具体结构 32 无线传感器网络节点定位技术概述 42.1 基本概念 42.2 常用术语 52.3 常见无线通信技术 52.4 基于测距技术的典型定位算法 52.4.1 TOA 52.4.2 TDOA 62.4.3 AOA 62.4.4 RSSI 62.5 RSSI定位算法 72.6 本章小结 73 基于RSSI定位算法概论 83.1 基于RSSI的测距定位算法 83.3 三种基础的计算节点位置基本方法 93.4 本章小结 124 影响定位精度的三边定位法分析 134.1 实际环境中的三边定位法 134.2 传统加权三边定位法 144.3 改进的加权三边定位法 154.3.1 加权三边定位法改进思路 154.3.2 改进加权三边定位法原理 154.3.2 算法步骤 164.4 实验数据比对 17图1三边定位法的定位结果示意图 18图2传统加权三边定位法的定位结果示意图 18图3改进的加权三边定位法的定位结果示意图 19图4三种定位法平均误差率对比图 204.5 本章小结 205 总结 21参考文献 221 绪论1.1课题研究背景及目的进入21世纪，随着现代信息通信技术发展和网络协议完善，当今无线通信技术，传感器技术及各种嵌入式技术飞速发展，无线传感器网络（Wireless Sensor Networks,WSN）[8]已经在实际应用中实现区域检测、分布处理、信息处理、信息融合和信息传输等诸多功能，并且在很多情况下能够对人类无法到达的无人区或恶劣环境进行检测。无线传感器网络其本质是诸多学科交杂而成的一种大规模应用新型网络，不乏包括了传感器技术，无线网络技术，嵌入式技术，无线通信技术等多种前端研究领域技术综合。主要是通过部署各种通信节点，通过节点通信的信号发出测距定位并获取一系列的信息。这些节点成本低、功效小并最重要的是具有通信能力，大概构成是部署节点、传感器节点、以及协调节点以及监控中心，传感器节点主要作用是接受处理各种部署节点发送的信号并传递给协调节点；协调节点目的是从传感器节点获得信息统一整理回收并共享给解控中心，监控中心任务要信息分析处理，实现对整个监测区域的管理[9]。WSN实现对人类社会和物理世界的信息感知。WSN虽然是一种新技术，却迅速的占领人们的日常生活，同时也引起了社会中许多人±和学者的广泛关注。[1]无线定位技术是无线传感器网络的一大发展，同时解决了GPS在特殊环境下定位不足。虽然GPS在绝大部分室外定位得到了很好运用，但在定位中存在障碍物和各种干扰信号的情况，会对信号定位方向和精确度有着极大的影响，使得信号方向能量发生各种改变和衰减导致精确度大幅降低。所以定位技术因其适应环境被分为众多种类/图1定位技术分类全球定位包括GPS、伽利略、北斗、GLONASS等卫星定位系统其优点是成本低、定位简便、灵活适用范围广等特点，但其局限性过高，会受到特殊环境因素和突发干扰影响其精度对信号方向和能量造成影响。一般来说受到应用限制、能耗限制、设施限制。室外区域定位一般用地面蜂窝移动定位，信号的方向和能量变化相对于卫星定位在众多情况下受影响性小，但由于室内定位限制导致精确度依然偏低。室内定位一般统称为无线定位技术同时因其低成本、高精度、部署灵活等特点，在室内定位过程得到很好运用，但因其广适性弱不如全球定位和地面蜂窝移动定位，在很多特殊环境中才会适用。无线传感器网络因其节点有时也许考虑自组织性、健壮性、节能等限制。但主要优点例如应用方便、距离单调性、对称性多种优点是别的定位技术不可替代的。1.2 国内外研究现状1978美国，最早在军事领域上对无线传感器网络节点定位研究应用。随后美国的研究计划局在各大高校成立各种研究实验室[18] 并在《技术评论》由麻省理工学院代表将WSN技术列入十大科技之一[19]。在往后的诸多年中，WSN技术不断完善。等到2003年，美国著名的商业周刊“未来技术专版”中发表学术论文说 WSN 技术是全球未来最具有发展性的四大高科技产业[20]，因此引起了WSN在科学领域的新一代热潮，同时把WSN推进到现在的巅峰。意识到这个技术的重要性之后，各国对此领域的研究也因此慢慢开始步入WSN的队列之中。相对来说无线传感器网络技术，国内起步相对较晚，近年来得到广泛关注并取得了一定的十足进步，很大原因取决于国家将无线传感器网络技术列为重点科研项目[21]。据了解，国内较早对无线传感器网络技术研究有涉猎的实验室大多在各所重点名牌院校，例如清华、哈工大和山东大学等，各学校还为此建立专项研究实验室，不仅如此，额外还有一些科研机构和研究性事业单位也时刻关注无线传感器网络技术的发展和现状。与此同时，在国家大力推动下，基础研究发展计划也进一步实施，有关无线传感器网络技术的科研项目和课题也不断被研究和细分，引深出更多的总计36种各方面技术研究[22]。一般来说，无线传感器网络中的通信节点定位是无线网络的重中之重，因此，这项研究一直被列为重要科学机构和各名牌大学的重点研究课题。由于通信节点定位与无线传感器网络相辅相成，不同的场合便需要不同的辅助定位方式。虽说在室外情况下更广泛的使用GPS技术，但在室内或者环境更较大干扰的情况下，会选择一些抗干扰新强，性价比的定位技术。由此很多基于测距的技术油然而生。[23]1.3研究内容无线传感器网络主体是由监测区域内的大量无线传感器节点组成,这些节点构造不同，功能不同，节点之间依靠无线传感器网络的标准协议（Zigbee 协议）以无线通信的方式进行网络的信息共享,构成一个具有协作感知和信息处理的共享网络体系。[10]无线传感器网络从定位手段上分基于测距(Range-based)和测距无关(Range-free)两种，一般来说，测距的定位算法需要依靠测量节点间的距离或者角度信息，然后根据这些信息，进行处理分析，典型的测距方法包括TOA[1],TDOA[2],AOA[3],RSSI[4]等。最常用的算法是利用RSSI值距离，RSSI其本身并不能直接提供距离参数，他是一种信号强度，根据路径远近而损耗强度大小从而判断测距，因此它不需要增加任何额外的硬件设备.但由于RF信号很受环境因素的影响[5],因此获取RSSI节点的准确性需要考虑较多因素,同时此算法的精度也不是很令人满意。此外有些算法还需要通过间接计算获得目标节点与其它不相连的节点之间的间距，其中不相连的节点是指无线通信不可到达,一般来说，此类算法从目标节点有规律的发出信号,同时节点间共享距离信息,以花费最小代价计算确定各节点与目标节点之间的间距。因此测距无关定位算法并且无需距离或角度信息,仅利用节点之间通信和共享的信息进行定位。常见的测距无关算法例如质心算法[13],DV-HOP[14],MDS-MAP[15],APIT[16]等。一般来说，质心算法是最基本算法,并且计算要求低，计算量小，且相对测距的定位方法，距离无关的定位方法在节点上的硬件要求都会偏低,且其受环境因素的影响较小，因此比较适合大规模无线传感器网络节点的定位。基于这两种不同手段的算法，有科研人员在研究报告中提出过将RSSI测距和质心算法相结合来进行定位的算法[11，12]。实际运用中,环境和突发因素的影响,相同的测距获得RSSI值也有着诸多差异。所以在本文中，考虑到实际环境和突发因素的影响，在不同条件下分析和改进基于RSSI值得三边定位法，以求获得更好的三边定位法。通过对比传统三边定位法，和传统加权三边定位法，得出其中的结果不同，分析后改进提出一种新的基于传统加权三边定位法的新的算法，并在MATLAB仿真实验中得出相应的结果结论。1.4论文具体结构本文分五个章节，具体实质内容如下主要介绍了WSN发展的环境背景以及节点定位法对于WSN的重要性，接着针对WSN节点定位介绍了基于测距技术的四种典型定位算法。使读者对于WSN有大致了解。同时对节点定位的算法做出一个铺垫性的介绍。第二章，对无线传感器节点定位技术做一个综述，并介绍了一些术语，以及基于测距的四种无线传感器网络节点定位的技术。并分析其优缺点。并为后文介绍基于RSSI值得技术做出铺垫。第三章，首先简单介绍RSSI值的获取方式，并同时引出基于RSSI的节点定位算法，如三边定位法，三角测量法，最大似然估值。并具体介绍了三种方法的原理，最后分别归类分析三种算法的优缺点，为后文引出三边定位法做出铺垫和实际的内容简介。第四章，首先介绍三边定位法在实际环境中的引用，与上文理想状态下的三边定位法做出比较分析，接着根据环境因素和突发干扰，针对这个三边定位法实际应用算法中的不足引出传统的加权三边定位法。再接着通过介绍改进思路接着引深出改进的三边定位法。并对这种改进三边定位法做出理论以及算法的分析和概括，并总结归纳这三种三边定位法，接着通过MATLAB仿真得出理论分析的正确性，并对三种三边定位法做出比较和分析。最后总结本文的研究思路和提出改进三边定位法的实际运用中的优缺点。2 无线传感器网络节点定位技术概述2.1 基本概念一个完整的WSN定位系统由测距、数据处理和用户终端三部分构成。/图2 WSN定位系统构成在上文我们提到，传统定位算法其实靠人工部署的GPS获取[24,25],但由于环境限制，可参考节点所占比例较少。所以需要一种可以在特殊环境下替代GPS的节点定位方法。2.2 常用术语在WSN定位技术中存在一些常用术语[26]目标节点（target nodes）我们所需获取的节点位置参考节点(reference nodes)已知并且获取节点位置的节点，用于辅助获取目标节点跳数(hop distance)信号在一个节点到另一个节点之间所需间隔总数跳段距离(hop distance)；节点之间的间距距离之和基础设施(infrastructure)；用于辅助传感器节点通信和传递的设备也是WSN中最基础不可或缺的定位设备协调器(coordinator)是无线传感器网络中的协调节点，同时也在无线传感器网络定位中起到协调作用2.3 常见无线通信技术当前常见的无线通信技术主要有超声波通信技术、蓝牙通信技术、Wi-Fi通信技术、超宽带(Ultra Wide Band,UWB)通信技术、红外线通信技术、射频识别(Radio Frequency Identification, RFID)技术、Zigbee通信技术[9]2.4 基于测距技术的典型定位算法 节点的测距是定位算法的核心，测距获取的值关乎最后获取目标节点位置坐标的精准度[6]，其中典型的测距方法可分为四种TOA[1],TDOA[2],AOA[3],RSSI[4]。2.4.1 TOATOA[27]测距原理主要依据速度与时间，他们之间的乘积便是两节点之间的实际距离。一般来说，通过参考节点发送已知速度的信号，同时，目标节点接收并记录下信号传送间花费的时间，通过时间与速度两个数据的计算节点之间的间距。是一种较为理想的测距原理。/图3 TOA2.4.2 TDOATDOA[28]测距原理依据参考节点发送的不同速率的传输信号，一般来说，两种信号应用超声波信号或者无线电信号，通过信号到达目标节点的时间差和速率两节点的的间距。/图4 TDOA2.4.3 AOAAOA[29]的传统的测距原理依靠的是天线阵列或多个无线接收器来测量，从多个参考节点发送信号获得发送信号的方向和角度，其间距获取位置是原理是通过射线交于一点来获得目标节点和参考节点的间距。同时这也是一个不需大量计算的简便获取方式。/图5 AOA2.4.4 RSSI考虑到在实际传播中的无线信号，受到诸多干扰因素，同时信号随着传输距离增大而不断衰减。RSSI[30]值得获取就是照这种衰减理论进行测距，其测距原理通过获得的信号值，把参数带入高斯模型和固定的算法中从而获取节点之间的间距。总结上文，针对四种典型测距方法简单的通过表格对这四种进行优缺点比较/图6 四种典型基本算法优缺点归纳图2.5 RSSI定位算法目前的RSSI定位算法有两种[9]第一种，RADAR系统所应用的算法，一般来说，首先建立一个RSSI的信息数据库，数据库的建立是通过经验和总结RSSI信号和间距对应获取，然后根据未知节点所接收到的RSSI值，和数据库进行匹配，得到最为合适的测距，并通过计算获取目标节点位置坐标。该因其本身所拥有的经验数据库因此简便，低成本。但是同样很容易受到环境因素的影响，定位精确度与环境因素存在各种关联。第二种，相对来说复杂一些，首先需要选取合适的传播信号模型，然后根据目标节点发送的信号强度值和未知节点接收的信号强度值，通过计算的方式，建立RSSI与d之间的对应关系，从而代入公式获取目标节点与未知节点之间的间距，最后利用三边定位法计算得出未知节点的最终坐标。一般来说，如果说基于RSSI的定位算法指的就是这个第二种算法，同时，其优点成本低廉，也不需要额外的硬件设备。缺点同样也与第一种算法大同小异。从定位精度上分析，基于RSSI值得节点定位算法还是相对于非测距类定位的算法，精确度有着显著的提高。如果拿 TDOA、TOA、AOA 等测距类定位算法作比较，其优点硬件成本低，可塑性强，可拓展性和改进空间巨大等多方面优势。2.6 本章小结本章首先详细介绍节点定位基本概念和常用术语，然后对基于测距技术的四种方法进行逐一介绍并比较其优缺点，最后详细分析介绍RSSI定位算法与其他定位算法的差异性。为本文内容做好理论基础。3 基于RSSI定位算法3.1 基于RSSI的测距定位算法基于RSSI的定位算法其本质是信号传播中的损耗导致信号强度在传播过程中的衰减，通过RSSI的值获取两节点之间的间距，从而通过三边定位法获悉目标节点的坐标位置。现在的无线传感器网络节点一般都具备 RSSI 信号功能也就是说具有测量和接受信号强度的能力，所以这种算法实现简单同时也不会增加额外的硬件成本同时也降低了能量的损耗，因此这种方式也是被广泛的实践运用。由于信号的传输距离和能量的衰减关系都是由固定模型决定的，因而一个能根据信号强度获悉间距的模型往往是定位算法计算中的关键，但实际情况中这个模型往往也受到了诸多环境和突发因素的影响。所以一般来说，通常会采用综合性较强的对数-常态模型，其模型如下 （1-1）式中，/表示发射信号到待测点d米处的路径损耗，/表示参考距离d0处节点接收的信号强度，n表示与环境相关的路径消耗系数，d表示节点信号发送端与接收端之间的距离,X则表示为一个均值为0的高斯随机变量。如果为信号的发射功率，则接受节点的信号强度RSSI值为 （1-2）假设信号处信号强度为A，那么 （1-3）将上述三个公式（1-1）、（1-2）、（1-3）结合得 （1-4）上式A,n其实本质是信号强度，但是A，n受各种信号环境和突发因素的影响，因而有很大的偏差，所以其值由实际定位环境决定。3.3 三种基础的计算节点位置基本方法3.2.1 三边定位法（Trilateration）三边定位法[31]基本原理如图/图7 三边定位法若已知A,B,C三个节点为参考节点，假设坐标分别为、、,他们到未知节点距离分别为Da, Db, Dc,且目标节点D的坐标为。那可以得到如下公式 （2-1）解得方程组，然后获取目标节点D的坐标为 （2-2）在使用三边定位法时，其本质RSSI的值使用信号强度的参数代入固定模型而获得的，因此这是一个建立在理想状况下的计算法。所以三边定位法往往需要考虑到实际的计算方式从而获取目标节点的位置，由于三边定位法常常是一种测距的算法，往往会被实际着重应用，下文将会对三边定位法进行详细论述。3.2.2 三角定位法（Triangulation）三角定位法[31]同样是一种基本的节点计算方法，其原理如图/图8三角定位法图中A, B, C三个节点为参考节点，假设目标节点D坐标。那么其中A，B，C三个节点坐标分别可假设为、、，节点D相对于节点A,B,C的角度分别为。分析节点A，C以及其对应的，若AC在被，则我们可以确定一个圆心为O1的圆，假设其坐标为,其半径为r1，则存在公式如下 （2-3）其中由公式（1-3），我们可以计算出圆半径r1和圆心O1的坐标，同理，可以算出圆心O2,O3及其半径r2，r3。有了三个圆心坐标后，最后利用三边测量法计算出D点位置坐标3.2.3 最大似然估计（Maximum Likelihood Estimation，MLE）最大似然估计[31]其实是三边定位法一种一般化情况，通过最小化测量距离和估算距离之间的差异来估计未知节点位置。一般当三边测量法三圆或者多圆无法交于一点时常采用这种方法如图/图10 最大似然估计假设未知节点D的坐标为(X,Y)，已知节点坐标1，2，3n分别为、、 同时其与未知节点的距离分别为D1, D2, D3Dn则存在下列公式: （2-4）依次从第一个方程相减得 (2-5)由（1-5）用标准最小均方差估计(MMSE)可以得到节点D的坐标为综合上述三种方法作比较，其本质都是利用节点间的RSSI值，通过信号传播过程中受到的损耗导致信号强度的衰弱从而获得参考节点与目标节点的间距，通过算法得出参考节点的具体位置。但这个RSSI值只是一个理想的值，很多情况下需要考虑实际。这三种算法各有优缺点，三边定位法所需的间距并且其模型建立太过于理想状态，实际情况下的三边定位法的应用会更多的考虑各方面的应用。三角定位法其本质是运用几何原理通过目标节点与参考节点的角度交汇算出目标节点的节点位置，虽然这种算法实际运用会比三边定位法影响因素较小，但同样的，其过于理想的建模会导致其精确度的不尽人意。最后一种最大似然估值其本身是一种三边定位法的一般情况，局限性大。因此本文针对三边定位法的精确性和实际环境中的应用后文将会对此作出改进分析。3.4 本章小结本章首先详细介绍基于RSSI的测距定位算法，接着对节点测距的四种方法进行逐一介绍并且比较它们的优缺点，最后对定位算法的评价指标做出介绍。为本文后续对基于RSSI定位算法研究做好基础。4 三边定位法研究与实现在第三章介绍了三边定位法，是在理想状况下进行分析，通过以参考节点为圆心、和目标节点距离为半径由此得到理想状态下三圆交于一点。实际情况三圆并非相交于一点而是相交于一个公共区域。4.1 实际环境中的三边定位法在实际环境中，传输信号干扰因素较多从而使得最后测量得到的信号衰减量大于原本实际值。同时三圆不再交于一点，而是交于一块公共区如图/图11 实际运用种的三边定位法图中点O1,O2,O3三个不同且已知坐标节点，假设其坐标为、、。P坐为目标节点假设.参考测距分别为dA，dB, dC。假设三个交点区域A,B,C坐标分别为、、。则交点A, B, C坐标可由公式可知 （3-1）通过公式可以求出A的坐标，依此类推求得B，C坐标、。跟着用质心公式求得目标节点P的坐标为 （3-2）综上为了求取目标节点，先要测得信号RSSI的值，接着将测量到的RSSI值代入对数-常态分布模型公式（1-1）中求节点间距，从而获得三个参考点与目标节点距离，最后通过三边定位法求出目标节点坐标。4.2 传统加权三边定位法在三边定位法实际中，参考节点获得的三个圆并非理想环境交于一公共点，而是相交于一个公共区域。并且每两个圆相交可以获得两个交点，三个圆得到三组交点，每组两个交点。其中三个交点组成公共区域，上文提到的三边定位法实际应用中其实并未考虑到这三个交点A,B,C对于未知节点P的影响,所以在这基础上，降级这种因素的影响，对目标节点求取中加入了权值修正。方案算法如下 （3-3）其中、、为三圆公共区域三角点坐标参考上节，为目标节点P的坐标，参考测距分别为dA，dB, dC。4.3 改进的加权三边定位法4.3.1 加权三边定位法改进思路传统的加权三边定位法，在定位过程中加入权值修正，但该方法在权值修正选择上存在或多或少的问题，其本质并未显示出权值dB和dC在定位过程中的主导地位，若考虑dB>dC,B相关的参考节点与交点A的距离远，在数据权值中显示处于次要位置，但在实际上却是起到了主导作用。所以改进的加权三边定位法，其原理是针对实际情况下受到的环境以及突发因素影响，导致参考节点的精确值偏失，从而对权值修正更加进行更加详细的分析，并把这种分析代入改进的加权三边定位法种，因此此算法在复杂程度上相对传统加权三边定位法会更上一层楼。4.3.2 改进加权三边定位法原理上节三边定位法可知以３个参考节点为圆心、参考节点与目标节点之间的距离为半径的三个两两相交的圆，且每两个圆有一组交点，每组交点有两个。如图/图12改进加权三边定位法图中圆O2和圆O3相交于A和F点，假设A点与参考节点O1间距为dA，F点与参考节点O1间距为dF，参考节点O1与交点C之间的距离为d。若则可认为A点距离目标节点距离较近并且在权值中所占影响较大，则选取A点。若，则F点距离目标节点较为接近，并且在权值中影响较大，则选取F点。其他两组交点都利用上述方法进行选取，选取出三个影响较大的交点，再通过这三个交点计算加权平均求得未知节点P的坐标假设这三个交点的权值为N1、N2、N3，那N1根据如下方法计算N2，N3权值同理可得，由此可求得目标节点坐标位置如下计算方式 （4-1）其中(XA, YA)、（XB, YB）、（XC，YC）为三圆公共区域三角点坐标参考上节，（X, Y）为目标节点P的坐标。4.3.2 算法步骤改进的加权三边定位法详细实现步骤如下首先将区域划分几个相邻正三角形，并且设参考节点摆放正三角形顶点上。通过参考节点不断发射的定位信号，目标节点接收信号之后，，对参考节点的RSSI值做出相应的处理。一般来说，当参考节点接收到发送的100个RSSI值信号之后，将这100个RSSI值建立高斯模型滤除异常情况的RSSI值，接着对过滤后的RSSI值取均值处理。RSSI均值作为目标节点最后接收到的RSSI值，依此方法计算目标节点接收到至少三个参考节点RSSI数值。根据RSSI测距法计算出目标节点和参考节点两者间距。通过本节提到的改进加权三边定位法进行定位，得到目标节点坐标。计算定位误差。将属于正三角形区域里面的全部目标节点定位误差值求和sum.计算平均误差average=sum/n(n为随机得到并落在三角区域的未知节点个数)计算平均定位误差率average-percent=average/L（L为正三角形边长度）通过对三边定位法中存在的实际环境应用中的不确定性导致其精准度缺失做出分析，引出传统的加权三边定位法，但这种加权三边定位法其中权值修正并未详细做出分析，针对这一问题，通过研究以及实现，对权值进行更深入的分析，然后把这种分析代入改进的三边定位法。介绍完这三种三边定位法，在不断的改变定位算法精确度的同时，我们需要了解到，这改进的定位法在分析角度上其本身也存在了一些误差，并未考虑到实际RSSI取值上的误差情况，但同样的这种算法在权值修正上其实有着很大的改善，同样稳定性也有着很大的提高，虽然还存在着间距过小时定位精度的问题，但已经很大程度上把三边定位法的精确度以及稳定性做出改善。4.4 实验数据比较分析在MATLAB软件上，通过实验比对三边定位法，加权三边定位以及改进的加权定位算法精度上不同。模拟仿真选择250m*220m的区域。假设参考节点分别在等边三角形顶点，且位置已知，分别为A(0,0), B(5t, 5t*sqrt(3)), C(10*t,0),其中t为正整数。变化区间在1-25之间。目标节点通过MATLAB软件随机函数RAND生成，一共50目标节点，随机分布定位区域。同时加入方差10的高斯噪声从而替代实际环境的突发因素和干扰因素。仿真结果如下图/图13 三边定位法的定位结果示意图图13表示了三边定位法定位结果示意图，根据参考标识我们可知，五角星和圆形分别为参考节点坐标位置和目标节点坐标位置，星星则是最终通过算法演示得出来的预测坐标位置。/图14 传统加权三边定位法的定位结果示意图图14表示了传统加权三边定位法定位结果示意图，根据参考标识我们可知，五角星和圆形分别为参考节点坐标位置和目标节点坐标位置，星星则是最终通过算法演示得出来的预测坐标位置。/图15 改进的加权三边定位法的定位结果示意图图15改进的三边定位法的定位结果示意图。根据参考标识我们可知，五角星和圆形分别为参考节点坐标位置和目标节点坐标位置，星星则是最终通过算法演示得出来的预测坐标位置。比较图13图14我们可得，传统的加权三边定位法在实际运用中获取的预测节点坐标与目标节点坐标相对于三边定位法来说坐标之间的距离更加接近。尽管这种传统的加权三边定位法在算法复杂程度相对于三边定位法来说多了一个权值计算，但是精度确实有着很大提高。比较图14图15利用改进的加权三边定位法获取的预测坐标精准度又更上一层楼，这主要是因为改进的加权三边定位法在权值充分考虑到节点之间的主导地位导致的关系影响程度不同，虽然加大了传统加权三边定位法的演算程度，但精度数据以及稳定性都大大提高。/图16 三种定位法平均误差率对比图图16通过图13图14图15上述三图的综合，把各个数据统计比较建立一个平均误差率的对比图，从图中明显的得到利用改进的加权三边定位法所获得的平均误差率很大程度上低于传统的加权三边定位法的平均误差率以及三边定位法的平均误差率。同时我们可以很容易的看出在0-50m的参考节点间距三种算法的平均误差率都不尽相同，但是从50m往后三边定位法以及传统的加权三边定位法在定位精准度上不缺的缺失，但改进的三边定位法在缺不受这个限制影响，稳定性相对于另外两种算法有着非常显著的提高。但改进的三边定位法同样在0-50m参考节点间距的定位有着很大的精确度问题。4.5 本章小结主节主要针对基于RSSI值定位算法的三边定位法深入研究探讨以及改进。首先介绍了三边定位法在实际环境中的应用，一般来说，常规的三边定位法由于其本身参考节点的数据并非理想状态，所以通过三边定位法三圆汇于一点很难实现，因此我们在实际运用的中三边定位法首先通过一个确定一个公共区然后用质心公式的方式获取目标节点，但这种方式获取的目标节点位置坐标并不精准，所以在此方案基础之上，衍生出加权三边定位法，该加权三边定位法其本质是通过计算获取的公共区的三个参考节点进行权值修正，从而提高获取目标节点参考坐标的精度，但这种传统的加权三边定位法其实在权值上，并未做出详细的分析，因此在此之上，对于权值修改进行详细分析，然后融入新的改进的三边定位法中，该方案主要是针对传统的加权三边定位法存在权值选择不当的问题，其在权值的选择过程中并未体现出公共区三个不同参考节点对目标节点影响的主次要关系。针对这一问题，对传统的加权三边定位法进行改进。改进的三边定位法充分考虑到公共区的参考节点之间对目标节点影响程度，最后，根据MATLAB仿真实验三种三边定位法进行仿真比较，通过验结果，很容易看出改进的三边定位法在精确度上确实有着很大的提高，同时，在定位稳定性上，远胜于传统的加权三边定位法以及三边定位法，这种提高，是相对来说的，但在一定的距离环境之内，这种预测节点与目标节点的差值还是有待提高，体现在数据上，我们可知越近的间距获取的目标节点位置坐标其偏差越是有提升空间，精确度也不尽人意。5 总结无线定位技术是无线传感器网络应用中一门关键性技术，再人们各个领域都有它实际应用的实例。近年来，随着智能网络技术通信技术大力发展，目标定位的准确度已经越来越重要，基于RSSI的测距定位算法因其低成本也不需额外硬件设备等优点，现已成为无线传感器网络定位重要选择一项。本文在传统加权三边定位算法上提出了改进，主要是降低算法在测量误差，提高了WSN定位精度，从而更好的获得目标位置。论文内容总结如下通过对定位技术背景、意义以及国内外研究现状介绍对于定位技术概率有个介绍，同时让人对定位技术有一定的了解。介绍无线定位技术概念，并且详细导出几个典型基于测距的技术定位算法包括TOA、TDOA、AOA以及本文重点介绍的RSSI，并且具体分析其优缺点。详细导出基于RSSI值的算法的概念，并分析对RSSI值获取建立对数-常态分布模型和三边定位法的原因考虑到环境因素的影响，针对三边定位法在实际中的应用，介绍了三边定位法在实际环境中的应用情况以及在定位精度上低的原因和其太过理想和不可实现的三圆交于一点的实际情况，导出实际情况下的三边定位法。但一般的三边定位法其实误差有着明显的精度低的因素，接着详细介绍了传统加权三边定位法，就是通过在算法上加入一定的权值修正，改善三边定位法的精度和应用环境以及考虑的环境参数的影响。但同样的传统三边定位法并未顾虑到其中节点之间主要地位的相互影响，也太过理想，所以本文提出一种在RSSI取值和节点主导取值，充分考虑到不同影响对权值的选择，计算方法更加科学。最后在MATLAB仿真软件进行验证，方法的可行性以及该方法在定位精度上的明显提升。参考文献[1]?朱泽朋,叶树球,尹柯.?基于RSSI加权质心优化算法的研究[J].?计算机与现代化[2]?张峰.?基于ZigBee网络的室内定位系统的研究与实现[D].河北大学,2013.[3]?汪凌.?无线传感器网络定位技术的研究[D].南京邮电大学,2013.[4]?段鹏杰.?基于射频指纹的室内节点定位方法研究[D].太原科技大学,2014.[5]?徐向华,高学勇,万健.?无线传感器网络中故障容忍的事件定位算法[6] 王春. 基于RSSI测距的室内无线定位技术的研究 2017[7] 章坚武,张璐,强振平,耿续涛. 基于Zigbee的RSSI测距研究 2009[8] 余向阳. 无线传感器网络研究综述[J].单片机与嵌入式系统应用,2008[9] 徐进. 基于RSSI的室内无线定位算法的设计和实现[10] 王晖. 基于RSSI的无线传感器网络室内定位算法研究与实现[11]?冯爱丽,?乔钢柱,?曾建潮.?基于信标节点间距离的改进RSSI定位算法[12]?吴晓平,?谈士力,?胡军国.?基于残差修正法的无线传感器网络定位技术[13]?徐福成.?基于RSSI测距的无线传感器网络定位算法研究[D].西华大学,2014.[14]?姜琰俊.?Ad-Hoc网络一种改进的DV-Hop定位算法[D].哈尔滨工业大学,2010.[15]?陈昌祥,?达维,?周洁.?基于RSSI的无线传感器网络距离修正定位算法[16]?刘峪瑄,余成波,?熊飞.?电子导游机精确定位算法研究[J].?计算机工程与设计[17]?冯爱丽,乔钢柱,曾建潮.?基于信标节点间距离的改进RSSI定位算法[18] ZIVKOVIC M,NIKOLIC B,PROTIC J. A Survey and Classification of Wireless Sensor Networks Simulators based on The Domain of Use[J]. AD HOC & Sensor Wireless Networks[19] MITILAINEOS S A,KYRIAZANOS D M.Indoor Localization with Wireless Sensor Networks[J]. Progress In Electromagnetic Research[20] Oh S, Montanari A, Karbasi A. Sensor Network Localization from Local Connectivity: Performance Analysis for The Mds-map Algorithm[C]. [21] Harikrishnan R.An Integrated Xbee arduino And Differential Evolution Approach for Localization in Wireless Sensor Networks[J].[22] 史洪华,钟俊,叶有名.基于 RSSI 的无线传感器网络圆环质心定位算法[J].计算机系统应用[23] 周林,张厚望.无线传感器网络中基于 RSSI 的质心定位算法研[J].现代电子技术[24] Shi H. A new weighted centroid localization algorithm based on RSSI[C]Information and Automation(ICIA)[25] 张琳．基于测距技术的无线传感节点定位技术研究［Ｄ］．西安西安工业大学[26] 占宏．基于移动信标的无线传感器网络节点定位算法研究［Ｄ］．广州华南理工大学[27] Lee,W. Patanavijit, V.performance Evaluation of TOA Estimation for Ultra-wideband System under AWGN and IEEE 802.13a Channel Model.Signal-Image Technology and Internet-Based Systems[28] Di Hui,Liu Yu,Yang jian.TDOA accurate estimation aigorithm based on phase calibration technique,Computer Science and Network Technology[29] Huang Q,Huang H,Xie D Q,et al.A Novel AOA Clustering-based Localization Algorithm with High Accuracy.Net info Security[30] Xiaoyong Yan,Huanyan Qian,Ya Huang,et al.A high accuracy localization based on RSSI measurements.Communications and Networks[31] 李晓维,徐勇军,任丰原. 无线传感器网络技术.北京:北京理工大学出版社
目录
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/439.html
