CN101247650A - 一种在无线传感器网络中基于无线信号强度的节点室内定位方法 - Google Patents

Abstract

本发明属于大规模无线传感器网络中节点自身定位的领域，公开了一种基于无线信号强度的节点室内定位方法。主要包括：通过实验训练，得出信号强度与距离的关系曲线，并且提出了有效无线信号强度(Effective RSS，ERSS)的概念；由训练RSS曲线计算锚点与目标之间的距离，根据锚点个数动态选择定位算法(ERSS筛选+极大似然估计、三角定位、近似位置估计)求出目标节点的坐标；利用物理坐标(x，y)，提供告警服务，利用符号坐标(例如在大厅)，根据路由算法和地址链提供导航服务。利用本发明可以在较低成本、简单初始配置的情况下实现对室内目标的精确定位，并可以提供多种基于位置的服务。

Description

一种在无线传感器网络中基于无线信号强度的节点室内定位方法

技术领域

本发明涉及在大规模无线传感器网络中节点的自身位置定位的领域，主要利用分布式计算技术来解决无线传感器网络的节点自身定位问题，属于分布式计算技术和无线传感器网络技术的交叉领域。特别提供了一种在大规模无线传感器网络中基于无线信号强度的节点室内定位方法。

背景技术

近年来微机电系统(MEMS)和低功耗高集成数字设备的发展，导致了低成本、低功耗、微体积传感器节点的出现。随着传感器技术和通信技术的发展，无线传感器网络技术开始提出，并因为其应用的广泛性而得到越来越多的高度重视。无线传感器网络是由一组传感器节点通过无线介质连接构成的无线网络，通过节点的协同工作来采集和处理网络覆盖区域中的目标信息，并将这些信息以自组多跳的网络方式传送到用户终端，从而实现物理世界、计算世界以及人类社会三元世界的连通。无线传感器网络在军事国防、工农业、城市管理、生物医疗、环境监测、抢险救灾、防恐反恐、危险区域远程控制等许多方面都具有广泛的应用前景。可以说无线传感器网络是信息感知和采集的一场革命，是21世纪最重要的技术之一。

传感器节点的自身定位在传感器网络应用中扮演着基础地位。例如目标监测与跟踪、基于位置信息的路由、智能交通、物流管理等许多应用都要求网络节点预先知道自身的位置，并在通信和协作过程中利用位置信息完成应用要求。而且由于传感器网络规模大，节点成本低廉的特点使得人工布置网络或者为每个传感器安装GPS模块这些传统定位手段并不实际。因此传感器节点的自身定位问题成为无线传感器领域一个热点问题。

一般依据定位所需信息的粒度可将定位方法分为两类：根据信号强度或时间等来度量与锚节点距离的称为细粒度定位方法；根据与锚节点的接近度(proximity)来度量的称为粗粒度定位方法。其中细粒度定位又可细分为基于距离和基于方向性测量两类。例如：到达时间差(TDOA)、到达角度(AOA)等等。另外，应用在RadioCamera定位系统中的信号模式匹配技术(signal pattern matching)也属于细粒度定位。粗粒度定位的原理是利用某种物理现象来感应是否有目标接近一个已知的位置，如Active Badge、凸规划、Xeror的ParcTAB系统、佐治亚理工学院的Smart Floor、DV-HOP算法、APIT算法等。

但现有的这些定位方法存在着很多局限性，包括设备成本过高(TDOA)，不适合室内环境(GPS)，前期训练过于复杂(RADAR)，精度不高(APIT)等等，无法适应现实生活中室内定位的需要。

发明内容

本发明的目的是设计出一种在无线传感器网络中基于无线信号强度的节点室内定位法。

本发明要解决的技术问题是现有定位方法存在诸如设备成本过高(TDOA)，不适合室内环境(GPS)，前期训练过于复杂(RADAR)，精度不高(APIT)等等，无法适应现实生活中室内定位需要的。

本发明针对上述需要解决的技术问题，根据大规模无线传感器网络的特殊性、兼顾减少节点位置计算过程中产生的网络数据流量和数据计算量，提出的一种在大规模无线传感器网络中基于无线信号强度的节点室内定位方法，主要步骤为：

步骤1：通过实验训练，得出无线信号强度(RSS)与距离的关系曲线(简称RSS曲线)，对每个锚点训练RSS曲线；

步骤2：由训练RSS曲线计算锚点与目标之间的距离，根据锚点个数动态选择定位算法求出目标节点的坐标；

步骤3：利用物理坐标(x，y)，提供告警服务；利用符号坐标，根据路由算法和地址链提供导航服务。

上述步骤1中通过实验训练信号强度与距离关系的过程如图1，具体为：

1)SINK节点发送TRAIN消息给训练节点，每个预置距离一次。

2)训练节点发送ASK消息给锚点，要求锚点应答；

3)锚点应答ANSWER消息，每个距离应答50次；

4)训练节点记录每个RSS采样值，并计算均值；

5)训练节点发送STORE消息给锚点，要求锚点将(距离、RSS)存储于本地ROM中；

6)训练节点发送RESULT消息给SINK节点，反馈距离、RSS数据对。

在本发明中对每个锚点进行独立训练，减少环境对距离计算的影响，同时避免类似RADAR方法中对目标区域大量的训练，便于对大范围布置节点。同时我们根据RSS曲线的特性，提出有效无线信号强度(ERSS)的概念，可以将距离计算误差控制在可接受的范围内。

上述步骤2中测量距离和计算坐标的过程如图2，具体为：

1)目标节点广播WHERE消息(10次/秒)；

2)附近的锚点接收到该消息，测量RSS值，计算平均值，根据本地RSS曲线将RSS均值转换为距离。并通过REPLY包，将目标节点到该锚点的距离传回目标节点。

3)根据锚点个数动态选择定位算法(ERSS筛选+极大似然估计、三角定位、近似距离估计)求出目标节点的坐标。

4)目标节点发送LocateMSG给SINK节点，传回自身坐标。

5)SINK节点将数据传给中心服务器。

上述步骤3中由中心服务器提供告警服务或者导航服务的过程，具体为：

1)中心服务器记录各个目标节点坐标；

2)根据目标节点申请业务类型，提供基于位置的服务：

i.告警服务：节点A(成人)与节点B(儿童)位置超过10米；

ii.导航服务：目标节点从锚点A01(201展位)到锚点F02(大厅)需要经过哪些锚点路径。

本发明的有益效果：本发明方法基于无线信号强度曲线的特性，在大规模无线传感器网络中，提出了一种节点自身位置确定的新方法，主要用于解决大规模无线传感器网络中节点自身定位的问题，通过这种方法，不需要给传感器节点添加额外的硬件，并且可以减少传感器节点之间的通信消耗、降低计算量、提高传感器节点的定位精度。下面我们给出具体的说明：

1.本发明对每个锚点进行独立训练，独立存储RSS曲线，充分减少环境对距离计算的影响，同时避免类似RADAR方法中对目标区域大量的训练，便于对大范围布置节点。

2.根据实验训练得出的信号强度与距离的关系曲线，本发明提出有效无线信号强度(ERSS)的概念，即在某个特定无线信号强度内距离的测量值与真实值的误差在可接受的范围内，进一步提高定位的精度。

3.本发明根据锚点个数动态决定位算法：当锚点个数大于3时，通过ERSS筛选和极大似然估计的方法，减小测距误差对定位的影响；当锚点个数仅为3个时，通过三角定位的方法计算目标节点坐标；当锚点个数小于3个时，采用近似位置估计的方法，给出符号位置。这种动态的算法决定，充分利用节点资源，并在有限的资源里提供相对精确的坐标。

4.在本发明中所有锚点提供物理坐标和符号坐标，中心服务器根据目标节点所注册的业务类型，提供告警服务、导航服务。

附图说明

图1为本发明给出的训练信号强度与距离关系的示意图。

图2为本发明给出的测量目标节点到锚点距离和计算坐标的示意图。

图3为本发明给出的经典无线信号强度与距离关系模型图。

图4为本发明给出的训练节点流程示意图。

图5为本发明给出的锚点训练流程示意图。

图6为本发明给出的实际实验训练的无线信号强度与距离关系曲线图。

图7为本发明给出的目标节点定位流程示意图。

图8为本发明给出的锚点定位流程示意图。

具体实施方式

下面结合附图及实施例对本发明作进一步的说明。

本发明的体系结构，在本发明的无线传感器网络中的节点主要有如下四类：

标准位置节点(锚点)：这类节点通过GPS(全球定位系统)定位或人工设置等手段已经预先知道自己的精确位置，为无线传感器网络中其他需要定位的节点提供位置计算参考。这类节点必须事先散布在无线传感器网络中。

未知位置节点(目标节点)：不知道自己的位置，需要参考标准位置节点或者已知位置节点的位置信息。

SINK节点：通过无线传感器网络收集多个目标节点的坐标信息，并对目标节点提供相应的基于位置的服务。

训练节点：在实验训练中，用于接收SINK节点命令，反馈测量数据，并配合锚点学习信号强度与距离的关系曲线(RSS曲线)的传感器节点。

本发明的提出的一种在大规模无线传感器网络中基于无线信号强度的节点室内定位方法具体步骤如下：

步骤1：通过实验训练，得出信号强度与距离的关系曲线。

在步骤1中训练信号强度与距离的关系曲线是本发明的技术核心之一，因为无线信号在室内传播时会发生反射、衍射、散射等现象，尤其是多径效应，目标节点在室内移动，其接收信号的强度将由各直射波和反射波叠加合成，这种合成及可能加强信号强度也可能衰弱信号强度，导致RSS曲线在一个平均值之间上下波动。如图2，在经典的无线信号强度模型中信号衰落主要由大尺度衰落和小尺度衰落组成。大尺度衰落包括由于信号传输的路径损耗(path loss)和由于被墙、地板等物体吸收的而产生的遮蔽(shadowing)。这部分衰落使RSS曲线呈指数衰减，是可以预测的；然而小尺度衰落主要是多径效应，导致RSS曲线无规律的波动，难以预测。在理想情况下信号强度和距离的关系可有以下公式表示：

P_r，dB(d)＝P_t，dB-PL_dB(d)

${\mathrm{PL}}_{\mathrm{dB}}\left(d\right)={\mathrm{PL}}_{\mathrm{dB}}\left(d_0\right)+10\mathrm{\η}{\log }_{10}\left(\frac{d}{d_0}\right)+X_{\mathrm{\σ}.\mathrm{dB}}$

P_r，B(d)代表接收信号强度，P_t，dB代表发送信号强度，PL_dB(d)代表传输d距离的路径损耗，d₀代表参考距离，η代表路径损耗指数，X_σ，dB代表一个平均值为0标准偏差为σ的高斯分布随机变量。

1.本发明的采用实验训练的方法，学习信号强度与距离的关系曲线，每个锚点位置训练一次，并记录在当前锚点的ROM中。具体过程如下：将训练节点与锚点相隔特定距离，从0-300cm，每隔20cm向PC端发送一次TRAIN消息。

2.当训练节点收到TRAIN消息后开始工作，具体流程如图4所示，训练节点首先加电，自动初始化微控制器和接受器部分，然后等待消息，当接收到消息后首先判断消息类型，如果为TRAIN消息，启动训练过程，即发送ASK消息给锚点，然后等待锚点的应答，当接收到锚点的ANSWER消息后，提取相应的RSS采样，累加RSS和计数器，当累计收到ANSWER消息50次后，计算RSS采样平均值，并向锚点发送包含(距离，RSS)的STORE消息，向PC端发送RESULT命令，反馈所有RSS采样值。之后清空计数器和均值，返回等待消息状态。手动增加训练节点和锚点间距离20cm，之后重新发送TRAIN命令，重复上述过程。

3.锚点训练流程如图5所示，，通训练节点一样，首先完成加点、初始化，进入等待消息状态，当锚点收到训练节点发来的ASK消息后，启动训练过程，向训练节点发送ANSWER消息50次，之后进入等待状态；当锚点收到STORE消息时，提取其中的(距离，RSS)数据对，写入ROM中；对于受到WHERE将在定位流程中描述。

在训练实验中，对每个锚点训练16次，之后绘出无线信号强度和距离的关系曲线，如图6所示，从多次重复试验中我们发现无线信号强度的衰落整体上符合大尺度衰落的指数变化规律，同时随着距离的增大，距离的测量值与真实值之间的误差越来越大。例如在50cm和200cm处比较距离误差，同样的RSS误差导致不同的距离误差。由于在对RSS的测量上存在系统误差6dBm，不可消除，为了使距离的测量值与真实值的误差在可接受的范围内，我们提出有效无线信号强度的概念(Effective RSS，ERSS)，即假设RSS＝f(d)~1/dⁿ(0≤d≤d_max)，距离误差范围：±d_accuracy，RSS测量误差范围：±RSS_noise，最大测量距离：d_max。当RSS≥某一RSS时，f(RSS_noise)≤d_accuracy成立。那么这一特定RSS称为有效无线信号强度。

步骤2：由训练RSS曲线计算锚点与目标之间的距离，根据锚点个数动态选择定位算法(ERSS筛选+极大似然估计、三角定位、近似位置估计)求出目标节点的坐标。

在步骤2中消除距离测量带来的定位误差是本发明的另一个核心，基本原理为三角定位算法，当参考锚点个数为3个时，目标节点提取三个锚点的坐标(01(x1，y1)，02(x2，y2)，03(x3，y3))和测量距离(d₁，d₂，d₃)，根据两点间距离公式可得方程组：

${\hat{d}}_1=\sqrt{{(x_0-x_1)}^2+{(y_0-y_1)}^2}$

${\hat{d}}_2=\sqrt{{(x_0-x_2)}^2+{(y_0-y_2)}^2}$

${\hat{d}}_3=\sqrt{{(x_0-x_3)}^2+{(y_0-y_3)}^2}---\left(1\right)$

有上述方程组(1)，目标节点坐标(x，y)为

${\left[\begin{array}{cc}{x}_0& y_0\end{array}\right]}^T={\left[\begin{array}{cc}2(x_1-x_3)& 2(y_1-y_3)\\ 2(x_2-x_3)& 2(y_2-y_3)\end{array}\right]}^{-1}\left[\begin{array}{c}{x}_1^2-x_3^2+y_1^2-y_3^2+{\hat{d}}_3^2-{\hat{d}}_1^2\\ x_1^2-x_3^2+y_2^2-y_3^2+{\hat{d}}_3^2-{\hat{d}}_2^2\end{array}\right]---\left(2\right);$

然而当参考锚点个数大于3个时，根据上述每三个锚点可以计算出一个目标节点坐标，实验发现这些坐标分布在一个范围之内，为了充分利用节点资源，且修正定位误差，我们首先利用ERSS，将测量距离误差大的锚点排除在外，对剩下的节点采用极大似然估计的方法，具体如下：

设目标节点坐标为(x₀，y₀)，参考锚点坐标为{(x₁，y₁)，…，(x_i，y_i)，…，(x_n，y_n)}，d_i表示(x₀，y₀)与(x_i，y_i)之间的真实距离，即：

$d_i=\sqrt{{(x_0-x_i)}^2+{(y_0-y_i)}^2}---\left(3\right)$

测量距离

和真实距离d_i之间的误差表示为 ${\mathrm{\ρ}}_i={\hat{d}}_i-d_i---\left(4\right),$

那么求(x₀，y₀)得问题变成求的问题。整理(4)式和(5)式，得 $\sqrt{{(x_0-x_i)}^2+{(y_0-y_i)}^2}-d_i={\mathrm{\ρ}}_i---\left(6\right).$ 展开(3)式，变化得 $x_i^2+y_i^2-d_i^2=2x_0{x}_i+2y_0{y}_i-(x_0^2+y_0^2)---\left(7\right),$ 将第N个等式减去前面N-1个等式，

得： $x_i^2+y_i^2-x_n^2-y_n^2-d_i^2+d_i^2=2(x_i-x_n)x_0+2(y_i-y_n)y_0---\left(8\right)$

即可以化为矩阵 $A\hat{x}=B---\left(9\right)$

其中A为(n-1)×2的矩阵，A的第i行尾[2(x_i-x_n)2(y_i-y_n)]，

为代表目标节点坐标的向量[x₀ y₀]^T，B为(n-1)向量，B的第i项为x_i ²+y_i ²-x_n ²-y_n ²-d_i ²+d_i ²。实际的问题是我们不确定向量B，能够得到了只有测量值向量(类似B中

代替d_i)，对(9)应用最小二乘法可得到估计值

为

即： $\stackrel{-}{x}={\left(A^{T}A\right)}^{-1}{A}^T\hat{B}\left(10\right).$

当参考锚点小于3个时，无法得到物理坐标，利用位置估计方法，给出目标节点的符号坐标，例如在锚点A和锚点C之间等。

在定位过程中目标节点的具体流程如图7：加电，初始化，每秒10次广播WHERE消息，等待锚点应答，当收到锚点应答消息后，判断参考锚点个数，并根据锚点个数动态决定位算法：当锚点个数大于3时，通过ERSS筛选和极大似然估计的方法，减小测距误差对定位的影响；当锚点个数仅为3个时，通过三角定位的方法计算目标节点坐标；当锚点个数小于3个时，采用近似位置估计的方法，得出目标节点的符号位置。最后通过LocateMSG消息发送给SINK节点。

锚点的定位流程如图8：锚点起初为等待消息状态，当接受WHERE消息，采样RSS，累计10次，计算平均值，然后根据RSS曲线转换为从目标节点到锚点的距离，最发送REPLY消息给目标节点，并清除计数器和均值，返回等待消息状态。

步骤3：利用物理坐标(x，y)，提供告警服务。利用符号坐标(例如在大厅)，根据路由算法和地址链提供导航服务。

在步骤3中，告警服务即根据两点目标坐标(主节点、副节点)，计算两节点间距离，当距离大于特定值时，中心服务器通过无线传感器通知主节点这个警告消息。导航服务即根据及目标节点坐标和目的地，通过路由协议返回从目标节点到目的地的地址连。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1、一种在无线传感器网络中基于无线信号强度的节点室内定位方法，其特征在于通过实验训练得出信号强度与距离的关系曲线，并根据参考锚点的个数动态决定定位算法，最终完成无线传感器网络节点的自身定位，具体步骤为：

步骤1)通过实验训练，得出无线信号强度(RSS)与距离的关系曲线，简称RSS曲线；

步骤2)由训练RSS曲线计算锚点与目标之间的距离；根据锚点个数动态选择定位算法求出目标节点的坐标；

步骤3)利用物理坐标(x，y)，提供告警服务；利用符号坐标，根据路由算法和地址链提供导航服务。

2.根据权利要求1所述的在无线传感器网络中基于无线信号强度的节点室内定位方法，其特征在于在步骤1)中，实验训练信号强度与距离的关系曲线过程的具体步骤如下：

11)SINK节点发送TRAIN消息给训练节点，每个预置距离一次。

12)训练节点发送ASK消息给锚点，要求锚点应答；

13)锚点应答ANSWER消息，每个距离应答50次；

14)训练节点记录每个RSS采样值，并计算均值；

15)训练节点发送STORE消息给锚点，要求锚点将距离、RSS存储于本地ROM中；

16)训练节点发送RESULT消息给SINK节点，反馈距离、RSS数据对。

3.根据权利要求1所述的在无线传感器网络中基于无线信号强度的节点室内定位方法，其特征在于在步骤2)中具体的过程为：

1)目标节点广播WHERE消息(10次/秒)；

2)附近的锚点接收到该消息，测量RSS值，计算平均值，根据本地RSS曲线将RSS均值转换为距离，并通过REPLY包，将目标节点到该锚点的距离传回目标节点；

3)根据锚点个数动态选择定位算法求出目标节点的坐标；

4)目标节点发送LocateMSG给SINK节点，传回自身坐标；

5)SINK节点将数据传给中心服务器。

4.根据权利要求1所述的在无线传感器网络中基于无线信号强度的节点室内定位方法，其特征在于在步骤2)根据锚点个数动态选择定位算法，具体为：

1)当参考锚点个数为3个时，目标节点提取三个锚点的坐标(01(x1，y1)，02(x2，y2)，03(x3，y3))和测量距离(d1，d2，d3)，根据两点间距离公式可得方程组：

${\hat{d}}_1=\sqrt{{(x_0-x_1)}^2+{(y_0-y_1)}^2}$

${\hat{d}}_2=\sqrt{{(x_0-x_2)}^2+{(y_0-y_2)}^2}$

${\hat{d}}_3=\sqrt{{(x_0-x_3)}^2+{(y_0-y_3)}^2}---\left(1\right)$

有上述方程组(1)，目标节点坐标(x，y)为

${\left[\begin{array}{cc}{x}_0& y_0\end{array}\right]}^T={\left[\begin{array}{cc}2(x_1-x_3)& 2(y_1-y_3)\\ 2(x_2-x_3)& 2(y_2-y_3)\end{array}\right]}^{-1}\left[\begin{array}{c}{x}_1^2-x_3^2+y_1^2-y_3^2+{\hat{d}}_3^2-{\hat{d}}_1^2\\ x_1^2-x_3^2+y_2^2-y_3^2+{\hat{d}}_3^2-{\hat{d}}_1^2\end{array}\right]---\left(2\right)$

2)当参考锚点个数大于3个时，我们首先利用有效无线信号强度(ERSS)，将测量距离误差大的锚点排除在外，对剩下的节点采用极大似然估计的方法，目标节点坐标估计为：

$\stackrel{-}{x}={\left(A^{T}A\right)}^{-1}{A}^T\hat{B}$

3)当参考锚点小于3个时，无法得到物理坐标，利用位置估计方法，给出目标节点的符号坐标。

5.根据权利要求3所述的在无线传感器网络中基于无线信号强度的节点室内定位方法，其特征在于在2)中的有效无线信号强度具体为：

假设RSS＝f(d)~1/dn(0≤d≤dmax)，距离误差范围：±daccuracy，RSS测量误差范围：±RSSnoise，最大测量距离：dmax；当RSS≥某一RSS时，f(RSSnoise)≤daccuracy成立，那么这一特定RSS称为有效无线信号强度。

6.根据权利要求1所述的在无线传感器网络中基于无线信号强度的节点室内定位方法，其特征在于在步骤3)中由中心服务器提供告警服务或者导航服务的过程，具体为：

1)中心服务器记录各个目标节点坐标；

2)根据目标节点申请业务类型，提供基于位置的服务：

i.告警服务：节点A(成人)与节点B(儿童)位置超过10米；

ii.导航服务：目标节点从锚点A01到锚点F02需要经过哪些锚点路径。

Images