CN103889057A - 海上环境自适应rssi测距的无线传感网搜救目标定位方法 - Google Patents

Abstract

本发明提供一种基于海上环境自适应RSSI测距的无线传感网搜救目标定位方法，将无线传感器网络应用与海上搜救结合改变以往海上搜救目标只能被动等待救援的状况。选取易操作、易布置、无需额外硬件支持的RSSI测距算法，在遮蔽模型基础上引入移动锚节点的思想，利用锚节点间的互相协调，计算出模型所需的参数，使得优化的路径损耗模型更符合当时海上搜救的应用环境。再利用高斯滤波对测量所得RSSI数值进行滤波处理，从而得到更加精确的RSSI数值，代入优化的路径损耗模型得到锚节点与未知节点之间的精确距离。最后再利用无线传感器网络三角质心算法对海上搜救目标进行定位，提高了目标定位精度和搜救成功率。

Description

海上环境自适应RSSI测距的无线传感网搜救目标定位方法

技术领域

本发明涉及一种海上搜救定位方法，尤其涉及一种基于海上环境自适应RSSI测距的无线传感网搜救目标定位算法。

背景技术

随着全球航运业的不断发展，海上船舶数量不断增加，船舶运行安全受到了越来越大的挑战，海难事故频有发生，一旦事故发生，首要的是搜救海上漂浮人员，保障其生命财产的安全。传统的搜救方法主要是出动大量搜救船舶、直升机等进行地毯式搜索，这样不仅浪费大量人力物力，而且搜救效果不佳。虽然目前有雷达、机器视觉等技术应用到海上搜救中，但仍然无法改变搜救目标被动等待救援的情形。搜救分为搜寻和救助两个环节，而且搜寻并确定搜救目标的位置信息是救助成败的关键。

目前有了几种应用于海上搜救目标的定位技术。基站定位：通过大量沿海的基站发射和接收信号，收到遇险报警之后通过技术分析可对单个手机用户信号进行追踪定位。移动台卫星定位：目前，手机功能日趋复杂，很多智能手机都具备GPS定位功能，可以通过卫星对其所在地进行定位。搜救雷达应答器：船只一旦发生海上事故时，搜救船或飞机上的导航雷达发出询问信号，搜救雷达应答器接收到后，就立即向空间发射遇难信号;而搜救雷达接收到遇难信号，就在雷达荧光屏上显示出极易识别的标记，就可迅速找到幸存者。基于机器视觉增强的海难搜救技术和装置：形成了高度集成的机器视觉辅助搜救系统，实现全天候、多任务搜寻遇难船舶、救生艇/筏和落水人员；攻克了海上长期以来主要依靠人眼视觉观察来搜寻遇险目标的难题，为海上搜救快速定位提供新的解决方案，帮助搜救人员及时发现遇难目标。前两种要求距离岸边较近，距离远就没有信号和基站的覆盖，无法进行定位；而后两种，遇险人员仍然处于被动等待救援的状态，无法实现主动示位。

无线传感器网络（Wireless Sensor Networks，WSNs）是由大量低成本、低功耗、具有感知能力、计算能力、无线通信能力的传感器节点组成的网络。无线传感器网络拥有在恶劣和动态环境下生存能力强、精确性和可靠性高、自组织能力强和可扩展性强等诸多特点，因此如何将有着较好的环境适应性的无线传感器网络定位技术应用到海上搜救上成为亟需解决的问题。

发明内容

本发明的目的在于提供一种基于海上搜救环境自适应RSSI测距算法的定位方法，用以解决由于海上复杂动态环境下RSSI测距和定位精度较低的问题。针对海上搜救独特的应用场景，在利用无线传感网基于测距算法对搜救目标进行位置估计的时候，考虑到信号的传播受风浪等条件的影响而出现的测距精度较低问题，利用移动锚节点之间的相互协调，提出一种基于海上环境自适应RSSI测距算法的搜救目标定位方法，然后利用高斯滤波模型对测得的RSSI值进行滤波处理优化RSSI取值，最后利用无线传感定位算法进行搜救目标位置估计的计算。

为了实现对现有的经典的无线信号传播路径损耗模型加以改进和优化，使其更接近于实际的海上搜救时的环境状况，得到更精确的距离数据，本发明的技术方案在于提供一种基于海上环境自适应RSSI测距的无线传感网搜救目标定位算法，其中：

由位于海上搜救区域的大量节点组成无线传感器网络，所述节点中包含能够通过卫星导航信息直接确定自身位置坐标的锚节点，以及由搜救目标携带且能够通过与锚节点进行无线信息交互来计算自身位置坐标的未知节点；

选择其中的任意两个锚节点a、b分别作为发射端和接收端，锚节点a在先后移动到a₁、a₂、a₃处时分别与锚节点b进行无线信息交互，通过卫星导航信息计算出a₁、a₂、a₃各自与锚节点b所在位置之间的距离d₁、d₂、d₃，并得到锚节点b对应接收到的RSSI数值RSSI₁、RSSI₂、RSSI₃；

根据RSSI测距算法的路径损耗模型：

RSSI=A-10nlg(d)            （4）

其中，A为无线收发节点相距1m时接收端接收到的无线信号强度RSSI数值；n为无线信号传播路径损耗指数；

得到以下算式：

$\left\{\begin{array}{c}{\mathrm{RSSI}}_1=A_1-10n_1\lg \left(d_1\right)\\ {\mathrm{RSSI}}_2=A_1-10n_1\lg \left(d_2\right)\end{array}\right.---\left(5\right)$

$\left\{\begin{array}{c}{\mathrm{RSSI}}_1=A_2-10n_2\lg \left(d_1\right)\\ {\mathrm{RSSI}}_3=A_2-10n_2\lg \left(d_3\right)\end{array}\right.---\left(6\right)$

经过求解可得：

$\left\{\begin{array}{c}{A}_1=\frac{{\mathrm{RSSI}}_1\lg \left(d_2\right)-{\mathrm{RSSI}}_2\lg \left(d_1\right)}{\lg \left(d_2\right)-\lg \left(d_1\right)}\\ n_1=\frac{{\mathrm{RSSI}}_1-{\mathrm{RSSI}}_2}{10[\lg \left(d_2\right)-\lg \left(d_1\right)]}\end{array}\right.---\left(7\right)$

$\left\{\begin{array}{c}{A}_2=\frac{{\mathrm{RSSI}}_1\lg \left(d_3\right)-{\mathrm{RSSI}}_3\lg \left(d_1\right)}{\lg \left(d_3\right)-\lg \left(d_1\right)}\\ n_2=\frac{{\mathrm{RSSI}}_1-{\mathrm{RSSI}}_3}{10[\lg \left(d_3\right)-\lg \left(d_1\right)]}\end{array}\right.---\left(8\right)$

得到：

$\left\{\begin{array}{c}A=\frac{1}{2}(A_1+A_2)\\ n=\frac{1}{2}(n_1+n_2)\end{array}\right.---\left(9\right)$

将根据式（9）测得的海上搜救实际环境下的参数A与n代入式（4）得到的优化的路径损耗模型，则未知节点收到锚节点发送的RSSI数值时根据优化的路径损耗模型来计算未知节点与锚节点之间的距离。

优选地，通过高斯滤波模型处理，计算未知节点在设定时间段内收到的处在取值范围内的所有RSSI数值的几何平均值，并将该几何平均值代入优化的路径损耗模型中用来计算未知节点与锚节点之间的距离。

优选地，通过高斯滤波模型处理后，RSSI数值的取值范围为[0.15σ+μ，3.09σ+μ]；其中，均值σ与标准差μ的表达式为：

$\mathrm{\μ}=\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{\mathrm{RSSI}}_i---\left(10\right)$

$\mathrm{\σ}=\sqrt{\frac{1}{n-1}{\mathrm{\Σ}}_{i=1}^n{({\mathrm{RSSI}}_i-\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{\mathrm{RSSI}}_i)}^2}---\left(11\right).$

优选地，在求得未知节点与锚节点之间的距离后，通过无线传感器网络三角质心算法对海上搜救目标进行定位：

即，分别以锚节点a，b，c所在位置为圆心，以通过优化的路径损耗模型求得的未知节点d与任意三个锚节点a，b，c的距离d_A、d_B、d_C为半径画圆，得到三个圆的交叠区域形成的三角形，根据锚节点a，b，c的坐标计算该三角形的各个顶点坐标，进而求得处在该三角形质心处的未知节点d的坐标实现定位。

优选地，所述锚节点是遇险船舶、救生艇、搜救艇筏、搜救直升机及随机抛洒的传感器节点之中的任意一种。

优选地，所述无线传感器网络中，还包含能够通过卫星接入因特网进行信息收发的搜救终端、与所述搜救终端双向通讯的网关节点；

则任意一个节点的自身位置坐标，通过直接传送或由其他节点转发至网关节点，再经由网关节点、搜救终端、卫星交互发送至因特网，使得不在搜救现场的用户通过接入因特网也能够获取节点的自身位置坐标。

本发明在优选实施例中，提供一种海上环境自适应RSSI测距的无线传感网搜救目标定位方法，其中：

由位于海上搜救区域的大量节点组成无线传感器网络，所述节点中包含能够通过卫星导航信息直接确定自身位置坐标的锚节点，以及由搜救目标携带且能够通过与锚节点进行无线信息交互来计算自身位置坐标的未知节点；

使锚节点中的一个第一锚节点在先后移动到不同位置点时，分别计算其与一个位置稳定的第二锚节点之间的距离及该第二锚节点收到的RSSI数值，来求取RSSI测距算法的路径损耗模型在海上搜救实际环境下对应的参数，所述参数，是无线收发节点相距1m时接收端接收到的无线信号强度RSSI数值，和无线信号传播路径损耗指数；

将这些参数代入路径损耗模型中得到优化后的路径损耗模型；通过高斯滤波模型处理，计算未知节点在设定时间段内收到的处在取值范围内的所有RSSI数值的几何平均值，并将该几何平均值代入优化的路径损耗模型中来计算未知节点与锚节点之间的距离；

根据未知节点与锚节点之间的距离，通过无线传感器网络三角质心算法对海上搜救目标进行定位。

与现有技术相比，本发明所述基于海上环境自适应RSSI测距的无线传感网搜救目标定位算法，具有以下的特点：

首先，出于对海上搜救定位精度和无线传感器网络连通度的考虑，将基于距离的定位技术与距离无关的定位技术融合一体，结合二者的优势，使用RSSI的测距方法，无需额外的硬件，功耗低。

然后，在船舶、救生艇筏、救生衣及救生圈等求生设备上预安装各种传感器节点，这些节点在海难发生时被人为打开或遇海水启动，并通过ZigBee协议自组织成一个无线传感器网络。将搜救目标随身携带的节点定义为未知节点，将遇险船舶、救生艇筏、搜救直升机及随机抛洒的无线传感器节点定义为锚节点，这些锚节点可以利用GPS等设备确定自身的位置坐标。未知节点利用锚节点准确的位置信息计算出自身的位置，然后将位置发送给前来搜救的组织或人员，或是通过卫星等手段连接入因特网以共享给更多的相关部门或人员，这样就可以改变搜救目标被动等待救援的状况，实现搜救目标的主动示位。

本发明将基于RSSI测距的无线传感器网络定位算法应用于海上搜救目标的位置信息估计，锚节点与未知节点间距离的测量精度直接影响最终未知节点的定位精度，因此，本发明提出一种海上环境自适应的RSSI测距方法以提高搜救目标的定位精度，即利用移动锚节点间的相互协调，在路径损耗模型遮蔽模型（Shadowing Model）的基础上，计算出模型所需的参数，使得优化的路径损耗模型更符合当时海上搜救的应用环境。

最后，在获取海上搜救环境自适应RSSI测距模型所需参数后，利用高斯滤波（Gauss Filtering）对测量所得RSSI数值进行滤波处理，从而得到更加精确的RSSI数值，带入优化的路径损耗模型便可以得到精确的锚节点与未知节点之间的距离。之后就能够通过现有的定位算法，推算出搜救目标的位置信息，提高了目标定位精度和搜救成功率。

附图说明

图1是本发明所述海上环境自适应RSSI测距的无线传感网架构的示意图；

图2为本发明实施例提出的一个A不变，n变化时RSSI与传播距离关系曲线图；

图3为本发明实施例提供的一个n不变，A变化时RSSI与传播距离关系曲线图；

图4为本发明实施例提供的一个RSSI测距优化算法示意图；

图5为本发明实施例提供的一个三圆交叠区域示意图；

图6为本发明实施例提供的三角质心定位算法示意图；

图7为本发明实施例提供的锚节点所占比例对优化RSSI测距算法误差的影响及与TDOA和RSSI测距算法的比较示意图；

图8为本发明实施例提供的锚节点通信半径对优化RSSI测距算法误差的影响及与TDOA和RSSI测距算法的比较示意图；

图9为本发明实施例提供的节点信息发射周期对优化RSSI测距算法误差的影响及与TDOA和RSSI测距算法的比较示意图。

具体实施方式

如图1所示，适用于本发明所述搜救目标定位方法的无线传感网，包含在海上的大量节点10，这些节点10可以是在船舶、救生艇筏、救生衣及救生圈等求生设备上预安装的各种传感器节点，这些节点10在海难发生时被人为打开或遇海水启动，并能够通过ZigBee协议自组织成一个无线传感器网络。任意一个节点10能够将自身位置等等信息直接发给网关节点20，或者通过其他节点10转发给网关节点20；这些节点10也可以接收及转发来自网关节点20的信息。网关节点20可以与搜救终端30双向通讯，搜救终端30又可以通过与卫星40等手段接入因特网50，使得不在搜救现场的用户60也能够接入因特网50来了解搜救状况。上述的节点10中，将搜救目标随身携带的节点定义为未知节点，将遇险船舶、救生艇筏、搜救直升机及随机抛洒的无线传感器节点定义为锚节点，这些锚节点可以利用GPS等设备直接确定自身的位置坐标。未知节点能够利用锚节点准确的位置信息计算出自身的位置，然后将位置通过无线传感网发送给前来搜救的组织或人员，或是进一步通过卫星等手段连接入因特网以共享给更多的相关部门或人员，这样就可以改变搜救目标被动等待救援的状况，实现搜救目标的主动示位。

通过综合评价应用于无线传感器网络基于测距定位算法中常用的四种测距算法，即RSSI（接收信号强度）、TOA（到达时间）、TDOA（时间差）和AOA（到达角度）。由于RSSI具有易操作、易布置、无需额外硬件支持等特点，因此选取RSSI作为海上搜救无线传感器网络的测距技术，并提出一种海上环境自适应RSSI测距算法以提高测距精度。

在具体的海上搜救应用环境中，由于受到海上风浪的影响，无线信号会受到绕射、非视距、障碍物等因素的影响。此时，RSSI测距中无论使用哪种无线信号传播路径损耗模型都会产生测距的误差，理论或者经验的路径损耗模型与实际的路径损耗模型有很大出入，那么如果还坚持使用理论或者经验的路径损耗模型进行测距将会出现较大的误差。测距误差对最终的定位精度影响较大，因此，有必要寻找一种海上搜救环境自适应的RSSI测距算法。

本文的海上搜救环境自适应RSSI测距算法（EA-RSSI）是建立在无线信号传输中普遍采用的理论路径损耗模型遮蔽模型（Shadowing Model）的基础之上。遮蔽模型的数学表达式如下：

${\left[p\left(d\right)\right]}_{\mathrm{dBm}}={\left[p\left(d_0\right)\right]}_{\mathrm{dBm}}-10\mathrm{nlg}\left(\frac{d}{d_0}\right)+X_{\mathrm{dBm}}---\left(1\right)$

其中，p(d)表示距离发射端发射机为d时接收端接收到无线信号强度，即RSSI数值；p(d₀)表示距离发射端发射机为d₀时接收端接收到无线信号强度；d₀为参考距离；n为无线信号传播路径损耗（Pass Loss）指数；通常是根据实际状况测量而得，障碍物越密集，n数值越大，因此接收端接收到的无线信号平均能量下降的速度会随着距离的增加而变得越来越快；X为一个高斯随机变量，平均值为零，单位是dBm，反映了距离不变时，接收端接收到的能量变化。

很多的实际应用场景中，为了避免过大的计算量和过度的能量消耗，常常使用经过由式（1）简化而来的遮蔽模型：

${\left[p\left(d\right)\right]}_{\mathrm{dBm}}={\left[p\left(d_0\right)\right]}_{\mathrm{dBm}}-10\mathrm{nlg}\left(\frac{d}{d_0}\right)---\left(2\right)$

由于d₀为参考距离，可以是任何固定的数值，为了便于计算和表达，通常情况下会取d₀=1m。因此，式（2）可以表达如下：

[p(d)]_dBm=A-10mlg(d)            （3）

最后把[p(d)]_dBm写成RSSI的形式可以得到：

RSSI=A-10mlg(d)         （4）

其中，A为无线收发节点相距1m时接收端接收到的无线信号强度RSSI数值。式（4）就是RSSI测距的经典模型，反映了RSSI数值与距离d之间的函数关系。因此如果知道接收端接收到的RSSI数值就可以利用式（4）计算出与发射端之间的距离。

A与n都是理论或经验值，与具体的无线传感器节点和实际的无线电波传播环境有着密不可分的关系，因此在不同的应用环境中，A与n的参数选择不同，则其无线信号传播路径损耗也各不相同。常数A与n的数值决定了接收无线信号强度与信号传播距离的关系，下面就来详细分析一下A与n这两个常数对无线信号传播距离的影响。

首先假设A不变，n在一定区间内变化，此时的RSSI与信号传播距离d之间的关系如图2所示。从图2可知，当n取值越小的时候，无线信号在传播的过程中衰减也相对较小，信号就可以传播较远的距离。此外，从图2还可以看出良好的无线信号传播路径损耗指数n和提高发射信号功率都可以增加信号传播距离。无线信号传播路径损耗指数n的数值主要受到无线信号在空气中传播的衰减、反射、多径效应等的干扰，如果干扰较小的话，无线信号传播路径损耗指数n的数值越小，信号传播距离越远，无线信号的传播曲线越接近于理论曲线，基于RSSI的测距就会越精确。

然后假设n不变，A在有效区间内变化，此时的RSSI数值与信号传播距离d之间的关系如图3所示。从图3可以看出，当无线信号在近距离传播时，信号衰减速度很快，但是当无线信号传播距离较远时，信号衰减的速度趋于平缓，接近于线性变化。A代表了发射端的发射功率，当A增大的时候，无线信号传播的距离会有所增加，信号衰减程度也有所放缓，因此，尽量提高A数值有利用增加无线信号整体的传播距离，加大锚节点覆盖范围，提高定位精度。

无线信号在实际场景中应用时，不可避免的会受到各种各样外部环境因素的干扰，而且在不同的应用环境中受到的干扰也各不相同。无线传感器网络定位技术既可以用于室内定位也可以用于室外环境，传感器节点的应用环境总是会存在可变的因素，这些可变的因素对节点无线信号传播存在一定的影响。本文通过对相关研究成果的考察，验证这些因素对RSSI测距的影响有多大，是否有方法可以消除或补偿对RSSI测距的影响。

将无线传感器网络应用于海上搜救，海上风浪造成的复杂恶劣的环境会影响到传感器节点无线信号的传播。而在海上搜救时主要考虑的外界条件是温度、湿度以及风浪，已经有相关研究验证，温度、湿度等外界条件的变化对无线信号传播的影响是没有规律的，但影响效果并不明显，可以采取一定方法进行消除。还有利用RSSI测距时，稳定而有效的RSSI数值显得尤为重要，直接影响测距的精确度，本发明中通过滤波的方式将接收端接收到的RSSI数值变得平滑。下面的工作主要就是针对这些问题对RSSI测距模型加以优化，实现精确测距。

前面已经详细介绍了遮蔽模型（Shadowing Model）的原理及数学表达式。在利用渐变模型进行RSSI测距时，首先要考虑到的一个问题就是A与n的取值问题，A与n的取值不同，对测距精度的影响也不同。为了能使无线信号传播路径损耗模型更真实的反映当前海上搜救环境下的信号传播特点，保证RSSI的测距精度，需要对A与n参数的选择加以研究。

为了能更好的反映海上搜救环境的无线信号传播状况，本研究利用移动锚节点之间的相互协调，然后根据式（4）进行A与n参数数值的实时计算，从而获取符合海上搜救当时情况的数据，使其更具针对性，具体的方法示意图如图4所示。之所以利用移动锚节点是考虑到海上搜救时锚节点的数量有限，保持锚节点双方的一致性也可以保证接收端接收到的RSSI数据的稳定性。

具体地，锚节点a、b随机分布在搜救区域内，a、b可以分别是遇险船舶、搜救艇筏、搜救直升机及随机抛洒的传感器节点之中的任意一种。锚节点a的初始位置设置在a₁处，然后运动到a₂处，最后移动至a₃处，在这三处a、b双方均可相互发送信息数据包，进行位置信息的交流。通过a、b的GPS或北斗导航信息可以计算出a₁与b的距离d₁，a₂与b的距离d₂，a₃与b的距离d₃。通过a、b相互的信息数据包的交流，可以得到在a₁、a₂、a₃处的时候，b接收到的RSSI数值分别为RSSI₁、RSSI₂、RSSI₃。根据式（4）可得到如下关系式：

$\left\{\begin{array}{c}{\mathrm{RSSI}}_1=A_1-10n_1\lg \left(d_1\right)\\ {\mathrm{RSSI}}_2=A_1-10n_1\lg \left(d_2\right)\end{array}\right.---\left(5\right)$

$\left\{\begin{array}{c}{\mathrm{RSSI}}_1=A_2-10n_2\lg \left(d_1\right)\\ {\mathrm{RSSI}}_3=A_2-10n_2\lg \left(d_3\right)\end{array}\right.---\left(6\right)$

式（5）、（6）经过求解可得：

$\left\{\begin{array}{c}{A}_1=\frac{{\mathrm{RSSI}}_1\lg \left(d_2\right)-{\mathrm{RSSI}}_2\lg \left(d_1\right)}{\lg \left(d_2\right)-\lg \left(d_1\right)}\\ n_1=\frac{{\mathrm{RSSI}}_1-{\mathrm{RSSI}}_2}{10[\lg \left(d_2\right)-\lg \left(d_1\right)]}\end{array}\right.---\left(7\right)$

$\left\{\begin{array}{c}{A}_2=\frac{{\mathrm{RSSI}}_1\lg \left(d_3\right)-{\mathrm{RSSI}}_3\lg \left(d_1\right)}{\lg \left(d_3\right)-\lg \left(d_1\right)}\\ n_2=\frac{{\mathrm{RSSI}}_1-{\mathrm{RSSI}}_3}{10[\lg \left(d_3\right)-\lg \left(d_1\right)]}\end{array}\right.---\left(8\right)$

因此，利用均值消除误差的影响，可以得到A与n参数在海上搜救实际环境下的数值，更符合当时的环境特点，使修正过的无线信号传播路径损耗模型更接近海上搜救时的路径损耗模型，提高RSSI测距精确度：

$\left\{\begin{array}{c}A=\frac{1}{2}(A_1+A_2)\\ n=\frac{1}{2}(n_1+n_2)\end{array}\right.---\left(9\right)$

在得到A与n的实际数据后，将它们代入式（4），如果未知节点接收到锚节点发送的RSSI数值便可以计算出其与锚节点之间的距离，从而实现精确测距。

在前面提到接收端接收到的RSSI数值在实际海上搜救搜救过程中，无线信号强度的波动性比较大。在无线信号传播距离较远时，信号强度衰落速度比较快，在无线信号传播距离较近时，信号强度衰落速度比较慢。未知节点在某个时间段接收到的RSSI数值可能有多个，受到反射、多径传播及非视距等的影响，RSSI数值会有较大的波动性，这就直接影响到了RSSI测距精度以及最终的定位精度，所以考虑利用滤波处理得到相对精确的RSSI数值。

目前主要有高斯滤波、卡尔曼滤波等滤波模型，因为海上搜救测得的RSSI数值变化服从或者接近于正态分布规律，因此，本文采用高斯模型对RSSI测距进行滤波处理。在高概率发生区域，选择概率大于0.6，取值0.6是根据工程应用中的经验。经过高斯滤波模型处理后，RSSI数值的取值范围为[0.15σ+μ，3.09σ+μ]。

均值σ与标准差μ的表达式为：

$\mathrm{\μ}=\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{\mathrm{RSSI}}_i---\left(10\right)$

$\mathrm{\σ}=\sqrt{\frac{1}{n-1}{\mathrm{\Σ}}_{i=1}^n{({\mathrm{RSSI}}_i-\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{\mathrm{RSSI}}_i)}^2}---\left(11\right)$

将RSSI取值范围内的RSSI数值全部取出，然后对取出的RSSI数值求取几何平均值，这个平均值就是最终使用的RSSI数值。把这个RSSI数值代入经过参数优化过的式（4）即可求得锚节点与未知节点之间的距离。

之后，就能够利用现有的定位算法，例如是无线传感器网络三角质心算法对海上搜救目标进行定位。

其中，如图5所示，a，b，c为锚节点，d为未知节点，根据本文前述优化后的RSSI测距算法可以计算出，a与d的距离为d_A，b与d的距离为d_B，c与d的距离为d_C。然后再分别以a，b，c为圆心，d_A，d_B，d_C为半径画圆，可得到图中所示的交叠区域。三角质心算法的基本原理如图6所示，计算交叠区域三角形的三个顶点的坐标，未知节点的位置就是这个三角形的质心，E，F，G为三角形顶点，E点坐标（x_e，y_e）的计算方法如下：

$\left\{\begin{array}{c}\sqrt{{(x_e-x_a)}^2+{(y_e-y_a)}^2}\≤d_A\\ \sqrt{{(x_e-x_b)}^2+{(y_e-y_b)}^2}=d_B\\ \sqrt{{(x_e-x_c)}^2+{(y_e-y_c)}^2}=d_C\end{array}\right.---\left(12\right)$

同理，可得到F，G的坐标（x_f，y_f），（x_g，y_g），因此根据三角形质心求解公式求出未知节点的坐标为：

$\left\{\begin{array}{c}{x}_d=\frac{x_e+x_f+x_g}{3}\\ y_d=\frac{y_e+y_f+y_g}{3}\end{array}\right.---\left(13\right)$

实现对未知节点的定位。

图7表明，在锚节点占所有节点比例相同的情况下，本发明的EA-RSSI测距算法的精确度要高于未经优化的RSSI测距算法，比较接近于TDOA测距算法，但是TDOA测距算法需要两种不同传播速度的信号发射装置，对硬件要求较高，需要额外的硬件支持。锚节点所占比例主要是影响EA-RSSI测距算法进行A与n参数计算，更多的锚节点可以带来锚节点与未知节点信息数据包的交流，可以有更多RSSI数值选择的机会。本发明的EA-RSSI测距算法之所以有较好的测距精度，那是因为它对海上搜救时实际的应用环境进行实地监测，从而获取符合当时海上搜救应用场景的A与n参数及路径损耗模型。

从图8可以看出，在相同锚节点的情况下，本发明的EA-RSSI测距算法的测距误差要明显小于TDOA和RSSI测距算法。锚节点通信半径的增加，拓宽了锚节点的覆盖范围，可以考虑为增加了锚节点的数量，所以测距精度相对有所提高。图8也表明，增加节点的发射功率也可以提高测距的精确度。

图9表明，随着数据包发送周期的增加，信息交换频率自然就会降低，相当于锚节点数量的减少，算法的定位精确度就会有所降低。在相同的锚节点信息数据包发射周期下，本发明的EA-RSSI测距算法的测距精度要优于TDOA、RSSI测距算法。因为EA-RSSI测距算法对海上搜救环境进行实时监测，有着更相符合的无线信号传播路径损耗模型。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (7)

1.一种海上环境自适应RSSI测距的无线传感网搜救目标定位方法，其特征在于：

由位于海上搜救区域的大量节点组成无线传感器网络，所述节点中包含能够通过卫星导航信息直接确定自身位置坐标的锚节点，以及由搜救目标携带且能够通过与锚节点进行无线信息交互来计算自身位置坐标的未知节点；

选择其中的任意两个锚节点a、b分别作为发射端和接收端，锚节点a在先后移动到a₁、a₂、a₃处时分别与锚节点b进行无线信息交互，通过卫星导航信息计算出a₁、a₂、a₃各自与锚节点b所在位置之间的距离d₁、d₂、d₃，并得到锚节点b对应接收到的RSSI数值RSSI₁、RSSI₂、RSSI₃；

根据RSSI测距算法的路径损耗模型：

RSSI=A-10nlg(d)              （4）

其中，A为无线收发节点相距1m时接收端接收到的无线信号强度RSSI数值；n为无线信号传播路径损耗指数；

得到以下算式：

$\left\{\begin{array}{c}{\mathrm{RSSI}}_1=A_1-10n_1\lg \left(d_1\right)\\ {\mathrm{RSSI}}_2=A_1-10n_1\lg \left(d_2\right)\end{array}\right.---\left(5\right)$

$\left\{\begin{array}{c}{\mathrm{RSSI}}_1=A_2-10n_2\lg \left(d_1\right)\\ {\mathrm{RSSI}}_3=A_2-10n_2\lg \left(d_3\right)\end{array}\right.---\left(6\right)$

经过求解可得：

$\left\{\begin{array}{c}{A}_1=\frac{{\mathrm{RSSI}}_1\lg \left(d_2\right)-{\mathrm{RSSI}}_2\lg \left(d_1\right)}{\lg \left(d_2\right)-\lg \left(d_1\right)}\\ n_1=\frac{{\mathrm{RSSI}}_1-{\mathrm{RSSI}}_2}{10[\lg \left(d_2\right)-\lg \left(d_1\right)]}\end{array}\right.---\left(7\right)$

$\left\{\begin{array}{c}{A}_2=\frac{{\mathrm{RSSI}}_1\lg \left(d_3\right)-{\mathrm{RSSI}}_3\lg \left(d_1\right)}{\lg \left(d_3\right)-\lg \left(d_1\right)}\\ n_2=\frac{{\mathrm{RSSI}}_1-{\mathrm{RSSI}}_3}{10[\lg \left(d_3\right)-\lg \left(d_1\right)]}\end{array}\right.---\left(8\right)$

得到：

$\left\{\begin{array}{c}A=\frac{1}{2}(A_1+A_2)\\ n=\frac{1}{2}(n_1+n_2)\end{array}\right.---\left(9\right)$

将根据式（9）测得的海上搜救实际环境下的参数A与n代入式（4）得到的优化的路径损耗模型，则未知节点收到锚节点发送的RSSI数值时根据优化的路径损耗模型来计算未知节点与锚节点之间的距离。

2.如权利要求1所述的方法，其特征在于，

通过高斯滤波模型处理，计算未知节点在设定时间段内收到的处在取值范围内的所有RSSI数值的几何平均值，并将该几何平均值代入优化的路径损耗模型中用来计算未知节点与锚节点之间的距离。

3.如权利要求2所述的方法，其特征在于，

通过高斯滤波模型处理后，RSSI数值的取值范围为[0.15σ+μ，3.09σ+μ]；其中，均值σ与标准差μ的表达式为：

$\mathrm{\μ}=\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{\mathrm{RSSI}}_i---\left(10\right)$

$\mathrm{\σ}=\sqrt{\frac{1}{n-1}{\mathrm{\Σ}}_{i=1}^n{({\mathrm{RSSI}}_i-\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{\mathrm{RSSI}}_i)}^2}---\left(11\right).$

4.如权利要求1或2或3中任意一项所述的方法，其特征在于，

在求得未知节点与锚节点之间的距离后，通过无线传感器网络三角质心算法对海上搜救目标进行定位：

即，分别以锚节点a，b，c所在位置为圆心，以通过优化的路径损耗模型求得的未知节点d与任意三个锚节点a，b，c的距离d_A、d_B、d_C为半径画圆，得到三个圆的交叠区域形成的三角形，根据锚节点a，b，c的坐标计算该三角形的各个顶点坐标，进而求得处在该三角形质心处的未知节点d的坐标实现定位。

5.如权利要求1所述的方法，其特征在于，

所述锚节点是遇险船舶、救生艇、搜救艇筏、搜救直升机及随机抛洒的传感器节点之中的任意一种。

6.如权利要求1或5所述的方法，其特征在于，

所述无线传感器网络中，还包含能够通过卫星接入因特网进行信息收发的搜救终端、与所述搜救终端双向通讯的网关节点；

则任意一个节点的自身位置坐标，通过直接传送或由其他节点转发至网关节点，再经由网关节点、搜救终端、卫星交互发送至因特网，使得不在搜救现场的用户通过接入因特网也能够获取节点的自身位置坐标。

7.一种海上环境自适应RSSI测距的无线传感网搜救目标定位方法，其特征在于：

由位于海上搜救区域的大量节点组成无线传感器网络，所述节点中包含能够通过卫星导航信息直接确定自身位置坐标的锚节点，以及由搜救目标携带且能够通过与锚节点进行无线信息交互来计算自身位置坐标的未知节点；

使锚节点中的一个第一锚节点在先后移动到不同位置点时，分别计算其与一个位置稳定的第二锚节点之间的距离及该第二锚节点收到的RSSI数值，来求取RSSI测距算法的路径损耗模型在海上搜救实际环境下对应的参数，所述参数，是无线收发节点相距1m时接收端接收到的无线信号强度RSSI数值，和无线信号传播路径损耗指数；

将这些参数代入路径损耗模型中得到优化后的路径损耗模型；通过高斯滤波模型处理，计算未知节点在设定时间段内收到的处在取值范围内的所有RSSI数值的几何平均值，并将该几何平均值代入优化的路径损耗模型中来计算未知节点与锚节点之间的距离；

根据未知节点与锚节点之间的距离，通过无线传感器网络三角质心算法对海上搜救目标进行定位。

Images