CN102158956B - 一种在无线传感器网络中基于rssi的改进加权三边定位方法 - Google Patents

Abstract

一种在无线传感器网络中基于RSSI的改进加权三边定位方法，它涉及无线传感器网络中节点的自身定位领域，它解决了传统方法受限于信号多径传播、视距、坐标计算精确度不高等因素，给具带来较大定位误差，以至于无法适应现实生活中室内定位需要。步骤为启动未知节点定位功能，使未知节点向外发送信息；锚节点接收到来自未知节点信息后，计算RSSI，并储存到硬件寄存器中；锚节点将分配给自身ID号、RSSI值和位置信息(X_i，Y_i)(i＝1，2,..)发送给未知节点，它将按照收到的RSSI大小对锚节点进行排序，选择具中RSSI大的N个锚节点用于自身定位，N≥3；根据N个锚节点信息，采用三边定位方法确定权重值；利用加权算法，计算未知节点的坐标。它采用加权思想，对坐标信息进行加权处理。

Description

一种在无线传感器网络中基于RSSI的改进加权三边定位方法

技术领域

本发明涉及无线传感器网络中节点的自身定位领域，具体涉及一种低计算复杂度、易于实现、精度较高的无线传感器网络中基于RSSI的改进加权三边定位方法。

背景技术

随着微机电系统(micro-electro-mechanism system，简称MEMS)、片上系统(SOC，System on Chip)、无线通信和数字电了技术的发展，作为一种新型的信息获取和处理模式，无线传感器网络具有巨大应用前景。美国DAPRA(Defense Advanced Research ProjectsAgency)每年投入几千万美元以进行无线传感器网络技术的研究。在欧洲和日本，无线传感器网络的研究也得到了政府的大力支持。在国内，很多高校也掀起了无线传感器网络的研究热潮。清华大学、中国科技大学、哈尔滨工业大学、浙江大学等纷纷加入无线传感器网络的研究队伍中。2005年和2006年的国家发改委专项项目以及2006年国家973基础研究计划都对无线传感器网络技术研究给予了大力支持。

定位技术的研究在很多领域都是一个比较热门并且是一个富于挑战的问题，对于无线传感器网络来说，定位问题是一个亟待解决的问题。在大多数的无线传感器应用领域中，感知的数据只有在知道传感器位置信息的情况下才是有意义的。因为传感器只有明确自身位置，才能够详细说明“在什么位置发生了什么事件”；并且，明确传感器节点位置可以提高路由效率、为网络提供命名空间、向部署方提供网络的覆盖质量、实现网络的负载均衡以及网络拓扑的自我配置等。

根据定位过程中是否测量实际节点的距离，把定位算法分为：基于距离的(range-based)定位算法和距离无关的(range-free)定位算法。前者定位通过测量节点间点到点的距离或角度信息，使用三边测量(trilateration)、三角测量(triangulation)或最大似然估计定位计算节点位置；后者定位仪根据网络连通性等信息即可实现。相比于range-free定位算法，range-based定位算法易于硬件实现，而且得到广泛的应用。

Range-based定位算法常用的测距技术有TOA、TDOA、AOA和RSSI。TOA(Time ofArrival)需要节点精确的时间同步，无法用于松散耦合定位系统；TDOA(Time Difference OnArrival)技术受限于超声波传播距离有限和NLOS问题对超声波等信号的传播影响：超声波信号通常传播距离仪为20-30英尺(6-9米)；AOA(Angle of Arrival)也受外界环境影响，而且需要额外硬件，在硬件尺寸和功耗上可能无法用于传感器节点。随着无线传感器网络技术的发展，RSSI(Received Signal Strength Indicator)技术被广泛应用。基于RSSI的技术具有较低的通信载荷和较低的实现复杂度，这对于能量优先的传感器网络是很有意义的。基于RSSI技术的三边定位方法由于具低实现复杂度、较少的硬件资源消耗等优势，具在典型无线传感器网络定位系统中的得到了广泛的应用，比如cricket系统。虽然具有较低的实现复杂度，但是受限于信号的多径传播、非视距(None Line of Sight，NLOS)、坐标计算精确度不高等问题，往往给具带来较大的定位误差，以至于无法适应现实生活中室内定位的需要。

发明内容

本发明提出了一种在无线传感器网络中基于RSSI的改进加权三边定位方法，它要解决的技术问题是传统的基于RSSI技术的三边定位方法受限于信号的多径传播、视距(None Line of Sight，NLOS)、坐标计算精确度不高等因素，往往给具带来较大的定位误差，以至于无法适应现实生活中室内定位的需要。

本发明的一种无线传感器网络中基于RSSI的改进加权三边室内定位方法的步骤如下：

步骤一：启动未知节点定位功能，使未知节点向外发送信息；

步骤二：锚节点接收到来自未知节点信息后，计算RSSI值，并储存到硬件寄存器中；

步骤三：锚节点将分配给自身的ID号、RSSI值和位置信息(X_i，Y_i)(i＝1，2...)发送给未知节点；

步骤四：未知节点将按照收到的RSSI值大小对锚节点进行排序，选择具中RSSI值大的N个锚节点用于自身定位，具中的N大于等于3；

步骤五：根据所述N个锚节点的信息，采用三边定位方法确定权重值；

步骤六：利用加权算法，计算未知节点的坐标。

本发明的特点和优势在于：

1)采用RSSI可以从硬件寄存器中轻易得到，易于实现，所需硬件资源很少，计算复杂度也很低；

2)本发明采用加权思想，对坐标信息进行加权处理。与传统的三边定位方法相比之下，本发明提高了定位的精确度和可靠性。

附图说明

图1是本发明的加权三边定位方法示意图；图2是本发明给出的三圆相交区域面积随最小角度变化关系图；图3是本发明给出的计算未知节点坐标的示意图；图4是本发明给出的未知节点部署示意图；图5和图6本发明给出的加权三边定位方法与未加权三边定位方法的实际定位比较图。

具体实施方式

具体实施方式一：结合图1至图6说明本实施方式，本实施方式为一种无线传感器网络中基于RSSI的改进加权三边室内定位方法，具体步骤如下：

步骤一：启动未知节点定位功能，使未知节点向外发送信息；

步骤二：锚节点接收到来自未知节点信息后，计算RSSI值，并储存到硬件寄存器中；

步骤三：锚节点将分配给自身的ID号、RSSI值和位置信息(X_i，Y_i)(i＝1，2...)发送给未知节点；

步骤四：未知节点将按照收到的RSSI值大小对锚节点进行排序，选择具中RSSI值大的N个锚节点用于自身定位，具中的N大于等于3；

由于硬件寄存器中的RSSI值存在比较大的波动，而且由于硬件灵敏度的限制，RSSI值本身存在一定的误差。较小的RSSI值相对于较大RSSI值，误差就会比较大，不具有实际应用意义。因此对未知节点来说，首先要对所接收到的RSSI值进行排序，选择具中RSSI较大的N个锚节点用于自身定位。N的大小取决于室内环境。考虑到本发明的室内环境，取N＝3。

步骤五：根据所述N个锚节点的信息，采用三边定位方法确定权重值；

确定权重值是本发明的核心。如图1，

实线圆代表理想状态下的三边测量定位法，即三个圆相交于一点，交点为未知节点的位置；

在实际情况下三个圆几乎不可能相交于一点，真实情况如虚线圆所示，三个圆相交于一片区域。

圆C3(实线、虚线)移动位置，确保三个实线圆相交于C点，三个虚线圆相交于一个区域(阴影区域)，围成该区域的三个顶点分别为(x₁₂，y₁₂)、(x₁₃，y₁₃)、(x₂₃，y₂₃)，这三个点分别为三个圆两两相交的交点。灰色区域的面积越小，定位结果越准确。注：实线圆和虚线圆为同心圆，三个圆分别为C₁，C₂，C₃。

三个圆的坐标为：

$\left\{\begin{array}{c}{C}_1:x^2+y^2=1\\ C_2:{(x-x_0)}^2+y^2=a^2\\ C_3:{(x-x_1)}^2+{(y-y_1)}^2=b^2\end{array}\right.$ (实线圆)

$\left\{\begin{array}{c}{C}_1^{\′}:x^2+y^2=1.1\\ C_2^{\′}:{(x-x_0)}^2+y^2={\left(1.1a\right)}^2\\ C_3^{\′}:{(x-x_1)}^2+{(y-y_1)}^2={\left(1.1b\right)}^2\end{array}\right.$ (虚线圆)

只要求出当圆C₃移动过程中，三圆相交面积(即阴影区域的面积)随由三个圆心组成的三角形中最小角度的变化，就可以得到权重表达式。

为了满足上述条件，圆C₃的圆心(x₁，y₁)的移动轨迹将是一个以C为圆心，b为半径的圆。轨迹方程为：

${(x_1-\frac{1-a^2+x_0^2}{2x_0})}^2+{(y_1-\sqrt{1-{\left(\frac{1-a^2+x_0^2}{2x_0}\right)}^2})}^2=b^2$

x₁的范围为

$[\frac{1-a^2+x_0^2}{2x_0}-b,\frac{1-a^2+x_0^2}{{2x}_0}+b]$

三个交点三个圆两两联立求解：

$\left\{\begin{array}{c}{C}_1^{\′}\\ C_2^{\′}\end{array}\right.\→\left\{\begin{array}{c}{x}_{12}\\ y_{12}\end{array}\right.\left\{\begin{array}{c}{C}_1^{\′}\\ C_3^{\′}\end{array}\right.\→\left\{\begin{array}{c}{x}_{13}\\ y_{13}\end{array}\right.\left\{\begin{array}{c}{C}_2^{\′}\\ C_3^{\′}\end{array}\right.\→\left\{\begin{array}{c}{x}_{23}\\ y_{23}\end{array}\right.$

三角形的角度由余弦定理求得。阴影区域面积有如下公式：

$S={\∫}_{x_{23}}^{x_{12}}(C_2^{\′}-C_3^{\′})\mathrm{dx}+{\∫}_{x_{12}}^{x_{13}}(C_1^{\′}-C_3^{\′})\mathrm{dx}$

如图2所示，为三圆相交面积(即阴影区域面积)随由三个圆心组成的三角形的最小角度的变化结果。

由图2可以看出，三边测量定位法中，锚节点相于未知节点的位置和锚节点形成的几何形状会影响定位误差的大小。对于锚节点形成的三角形ABC，A，B，C表示N个锚节点中的任意三个。A_d，B_d，C_d表示三角形ABC对应的三个角的角度值，令α＝min{A_d，B_d，C_d}。

当α接近0°时，利用这三点通过三边测量法估算未知节点坐标时将产生大的定位误差，为了避免使用这些节点信息，相应的由这三个节点确定的顶点坐标的权重值取为0。

相反，若α接近45°时，定位误差最小，由这三个节点确定的顶点坐标的权重值取为1。

权重值与最小角α之间的关系可定义如下角度权重函数：

步骤六：利用加权算法，计算未知节点的坐标。

如图3所示，利用权重公式计算未知节点的坐标值：

$(X,Y)=(\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{NW}}_j\·X_j/N,\underset{j=1}{\overset{N}{\mathrm{\Σ}}}N{W}_j\·Y_j/N)$

具中(X，Y)为未知节点坐标，W_j为权重值，(X_j，Y_j)为锚节点坐标。具中N取3。

通过以上过程，实现了基于RSSI的改进加权三边室内定位方法。

如图4所示，实验区域是室内大小为7.4x7.4m²的场地，为减小地面可能障碍及地面反射的影响，在1.0m高度进行测试，出于简化计算与分析的考虑，选取三个锚节点位置分别在直角坐标系的原点、x轴和y轴上，坐标为(0，0)，(100，0)，(0，100)。在待测节点运动的轨迹上选取6个测量点。锚节点初始化后，单片机从存储区读出自身ID，与数据长度、目的地址、数据、标志位等一起形成数据帧并以CSMA(Carrier Sense Multiple Access，载波侦听多路访问)的方式周期性广播。待测节点初始化，接收信标节点射频信号，保存并分析数据帧各部分结构，测得具强度，与节点ID一起送入主机距离换算程序处理。经换算得与某信标节点的距离，获得三个信标节点坐标与距离后，由待测节点位置坐标换算程序计算具坐标，并在主机上显示。如图5和图6所示，将未加权的三边定位方法的定位结果与加权后的三边定位方法的定位结果相比较，可以看到加权后的算法表现出良好的精确度和稳定性能。

Claims (2)

1.一种在无线传感器网络中基于RSSI的改进加权三边定位方法，其特征在于它的步骤如下：

步骤一：启动未知节点定位功能，使未知节点向外发送信息；

步骤二：锚节点接收到来自未知节点信息后，计算RSSI值，并储存到硬件寄存器中；

步骤三：锚节点将分配给自身的ID号、RSSI值和位置信息(X_i，Y_i)(i＝1，2，..)发送给未知节点；

步骤四：未知节点将按照收到的RSSI值大小对锚节点进行排序，选择其中RSSI值大的N个锚节点用于自身定位，其中的N大于等于3；

步骤五：根据所述N个锚节点的信息，采用三边定位方法确定权重值；

步骤五中所述的采用三边定位方法来确定权重值的过程为，选择三个锚节点形成的三角形ABC，A，B，C表示N个锚节点中的任意三个；A_d，B_d，C_d表示三角形ABC对应的三个角的角度值，令α＝min{A_d，B_d，C_d}；权重值与最小角α之间的关系，则定义为如下角度权重函数，从而确定其权重值：

步骤六：利用加权算法，计算未知节点的坐标。

2.根据权利要求1所述的一种在无线传感器网络中基于RSSI的改进加权三边定位方法，其特征在于步骤六是通过在步骤五确定了权重值的基础上，利用如下公式计算未知节点的坐标：

$(X,Y)=(\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{NW}}_j\·X_j/N,\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{NW}}_j\·Y_j/N)$

其中(X，Y)为未知节点的坐标，W_j为权重值，(X_j，Y_j)为锚节点坐标。

Images