CN108414975B - 基于rssi序列匹配的船载节点定位方法 - Google Patents

Abstract

本发明公开了一种基于RSSI序列匹配的船载节点定位方法，包括利用接收信号强度强弱与距离的定性关系，在定位前根据锚节点的位置对区域进行分割逐步逼近未知节点所在区域；通过区域编码和序列匹配实现未知节点自身的定位等步骤；本发明在充分考虑船舶构造复杂性的基础上，提出基于RSSI序列匹配的船载节点定位方法，该定位方法主要通过分割、建库、匹配三个步骤实现定位。整个定位方法在一定程度上有效的解决了船载环境下金属屏蔽严重、结构复杂、信号传输波动等问题，在较低的复杂度下不仅保证了较高的定位精度，还大大减少了定位过程中的计算量。

Description

基于RSSI序列匹配的船载节点定位方法

技术领域

本发明涉及智能交通的船载节点定位领域，具体为一种基于RSSI序列匹配的船载节点定位方法。

背景技术

船舶作为一种重要的水上交通运输工具，其自身安全保障和信息的捕获受到越来越多的关注，人们积极利用各种各样的手段提高船舶自身信息精细化程度。在船载环境下的众多信息监测中，船舶内部人员与货物位置信息的获取对船舶安全管理、货物运输、资源调配以及事故发生后的应急抢险等方面具有重要意义。但是舱室众多、结构复杂、金属干扰严重的船载环境给传统位置信息监测手段带来了一系列困境和约束。无线传感网络的重要应用在于其普适环境下优秀的监测能力，它由大量静止或移动的节点以自组织和多跳的方式组成，不仅可以弥补有线设备的缺陷，而且其配置灵活、可靠性高、抗毁性强等优点使其非常适合船舶范围内的信息采集。

目前，无线传感器网络节点定位的方法众多，人们通常依据距离测量与否将其分类为基于测距的定位方法(Range-Based)和基于免测距的定位方法(Range-Free)。在基于测距的定位方法中较为主流的有三种：基于信号传输时间的方法(Time Of Arrival，TOA)、基于信号角度的方法(Angle Of Arrival，AOA)、基于信号接收信号强度的方法(ReceivedSignal Strength Indicator，RSSI)。其中TOA技术对网络系统的时间同步有较高要求，在金属屏蔽严重的船载环境下难以满足；AOA测距技术在船载环境下使用不能发挥无线传感器网络低成本、低功耗的优势；RSSI测距技术对信号传播模型建立的准确性要求较高，而在复杂的船舶环境下，信号传输极易受水上环境因素的影响。

基于免测距的定位方法中，较为常用的有：DV-Hop算法、质心算法、APIT算法等。其中DV-Hop算法定位性能取决于网络拓扑结构，但复杂的船舶构造对网络拓扑结构产生了一定的局限性；质心算法虽然简单，但是定位误差较大，无法在船载环境下相对精确的捕获位置信息；APIT算法需要较大的锚节点密度而且计算过程十分复杂，不宜在自身环境已经较为复杂的船舶上使用。

综上所述，尽管目前一些节点定位算法已经相当成熟，但是较为复杂的船载环境对这些算法产生了极大的约束作用。因此，基于无线传感器网络在船载环境下的物标定位仍然没有较为全面和系统化的方法。

发明内容

为了克服上述不足，本发明提供了一种基于RSSI序列匹配的船载节点定位方法。

一种基于RSSI序列匹配的船载节点定位方法，包括以下步骤：第一步，利用接收信号强度强弱与距离的定性关系，在定位前根据锚节点的位置对区域进行分割逐步逼近未知节点所在区域；

第二步，通过区域编码和序列匹配实现未知节点自身的定位。

本发明在充分考虑船舶构造复杂性的基础上，提出基于RSSI序列匹配的船载节点定位方法，该定位方法主要通过分割、建库、匹配三个步骤实现定位。整个定位方法在一定程度上有效的解决了船载环境下金属屏蔽严重、结构复杂、信号传输波动等问题，在较低的复杂度下不仅保证了较高的定位精度，还大大减少了定位过程中的计算量。

附图说明

图1为无线传感器网络结构拓扑图

图2为RSSI序列匹配定位原理流程图

图3为RSSI序列匹配定位原理描述-1图

图4为RSSI序列匹配定位原理描述-2图

图5为RSSI序列匹配定位原理描述-3图

图6为RSSI序列匹配方法仿真过程示例-1图

图7为RSSI序列匹配方法仿真过程示例-2图

图8为RSSI序列匹配方法与质心算法平均误差对比图

图9为RSSI序列匹配方法与质心算法均方误差对比图

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。本发明在充分考虑船舶构造复杂性的基础上，提出基于RSSI序列匹配的船载节点定位方法

基于RSSI序列匹配的船载节点定位方法是通过船舶各个舱室内的节点来获取位置信息并且最终将信息传递给主控室。这一过程的实现不仅要在复杂的船载环境下保证信息传输的稳定性、准确性、及时性，同时还要保证网络拓扑结构的成本低廉、冗余度较低。尽管船舶舱室空间布局较为复杂，但是仍然保持一定的层次型结构，所以无线传感器网络的拓扑结构采用分层模型，即最低层为终端节点，其次为簇头，最高为协调器。如图1所示,锚节点负责向外不断广播信号强度，未知节点负责将接收到的各个锚节点场强信号强度值汇聚到簇头，簇头再将数据直接汇聚给协调器或者通过中继路由的方式间接传递。协调器接收到数据后，通过串口将数据导入中央处理器中处理。

为了便于描述基于RSSI序列匹配的船载定位方法基本原理，首先定义下面这些符号的含义。

(1)Mx：锚节点的标号，其中x为A，B，C……，如M_A表示锚节点A，M_B表示锚节点B。

(2)Ni：未知节点的标号，其中i取1，2，3……，如N₁表示未知节点1，N₂表示未知节点2。

(3)RSSI(Mx,Ni)：锚节点M_x与未知节点N_i之间的信号强度值，如RSSI(A,1)表示锚节点M_A与未知节点N₁之间的信号强度值。

(4)L(M_x,N_i)：锚节点M_x与未知节点N_i之间的距离，如L(A,N₁)表示锚节点M_A与未知节点N₁之间的距离。

(5)S_j：最小分割区域，其中j取1，2，3……，如S₁表示最小分割区域1。

(6)Pi：区域中的一定点，如Pi表示区域中的一定点1。

(7)l(M_x,Pi)：锚节点M_x与区域内一点Pi之间的距离，如l(A,P1)表示锚节点M_A与点P1之间的距离。

基于RSSI序列匹配的船载节点定位方法利用接收场强信号强度值与距离的负相关关系判断未知节点与多个锚节点的距离并且分割区域，按距离远近，排列锚节点序列，作为拟判定距离的未知节点的编码。未知节点根据接收信号强度从大到小的序列解析出编码与数据库中的编码匹配从而确定所在区域位置。整个定位方法包括分割、建库、解析匹配三个步骤，如图2所示。

本发明主要研究船舶舱室定位问题，而舱室平面结构多以矩形为主。假设待定位节点在舱室范围内可以接收到所有锚节点的信号，接下来将详细描述理想环境下矩形平面中的基于RSSI序列匹配的节点定位原理：

1)分割：众多研究表明，无线传感器网络信号强度传输损耗遵从对数距离路径损耗模型，如式(1)所示：

RSSI(d)＝RSSI(d₀)-10nlg(d/d₀)+X_σ

(1)式(1)中，RSSI(d)表示接收设备接收到的场强信号强度值，单位是dB；RSSI(d₀)表示近距离d₀时的参考路径损耗；n为路径损耗指数，表明路径损耗随距离指数增加的速率；X_σ表示标准偏差为σ正态随机变量；n、X_σ取值均依赖于周围环境；

从式(1)中可以看出，在一定环境下，接收信号强度值大小与距离之间呈负相关。本发明利用这一关系，即收发设备距离近则接收信号强度值大，收发设备距离远则接收信号强度值小，对区域进行分割：

如图3所示，假设在一理想矩形环境abcd内有两锚节点M_A、M_B，两未知节点N₁、N₂。两锚节点不断对外广播相同功率的信号，未知节点接收锚节点场强信号强度。作锚节点M_A与锚节点M_B两点连线的中垂线ef，将该舱室区域分割为区域S₁(点aefd构成的四边形，如图中阴影部分所示)和区域S₂(点ebcf构成的四边形)。将分割区域S₁中所有点的集合记为D₁，则D₁＝{P_i|P_i∈S₁,i＝1,2,3……}；将分割区域S₂中所有点的集合记为D₂，则D₂＝{P_i’|P_i’∈S₂,i＝1,2,3……}。由几何关系可知，集合D₁内的点均有：l(M_A,P_i)＜l(M_B,P_i’)；集合D₂内的点均有：l(M_B,P_i’)＜l(M_A,P_i)；在图中则有L(M_A,N₁)＜L(M_B,N₁)，L(M_B,N₂)＜L(M_A,N₂)。所以根据上文所论述的接收信号强度与距离的负相关关系可以得出，在S₁中有：RSSI(M_A,N₁)＞RSSI(M_B,N₁)，在S₂中有RSSI(M_B,N₂)＞RSSI(M_A,N₂)。因此可以得出结论，在S₁或S₂各自区域内未知节点可能会接收到锚节点M_A、M_B广播的不同数值的信号强度，但是却具有相同且唯一的大小序列。

这使得被两两锚节点连线的中垂线所分割出的子区域具有唯一的接收信号强度值大小序列，如果增加锚节点数量，就会使得子区域范围不断缩小，逐渐逼近未知节点真实位置。

2)编码建库：如图4所示，锚节点M_A、M_B、M_C、M_D按如图所示对称放置于矩形区域abdc内。假设待定位节点在舱室范围内可以接收到所有锚节点的信号。则根据1)中所述基本原理，图3中四个锚节点两两相连作中垂线bh、ci、dj、lf，将矩形区域分割成为S₁(abol)，S₂(bco)，S₃(cdo)，S₄(defo)，S₅(ofgh)，S₆(ohi)，S₇(oij)，S₈(lojk)八个区域，且每个区域S_i(i＝1,2,…,8)均具有唯一的接收信号强度值大小序列。根据接收信号强度值的大小序列将广播对应信号的锚节点排序，则可得区域编码序列M_x1M_x2M_x3M_x4，其中x_i(i＝1,2,3,4)为A,B,C,D且x1≠x2≠x3≠x4；将区域编码序列Mx1Mx2Mx3Mx4即作为拟判断未知节点真实位置的编码。由此可建立图5所示编码序列库。

3)解析匹配：在定位过程中，未知节点N_i在区域内接收各个锚节点的场强信号强度值后将其按降序排列，得出编码序列M_x1’M_x2’M_x3’M_x4’，其中x_i(i＝1,2,3,4)为A,B,C,D且x₁≠x₂≠x₃≠x₄。得出编码序列后，在编码序列库中匹配，以对应分割区域S_i的质心坐标表示为未知节点所在位置。

以图4中未知节点N₁为例，在理想环境下，N₁接收到的信号强度值应满足RSSI(M_A,N₁)＞RSSI(M_C,N₁)＞RSSI(M_B,N₁)＞RSSI(M_D,N₁)，那么则得到编码序列M_A’M_C’M_B’M_D’，然后与编码序列库中序列相匹配，得出结果，即未知节点在对应的分割区域S₁(M_AM_CM_BM_D)内，即图中阴影区域。用该分割区域质心坐标

表示为未知节点N₁位置。

仿真实验与结果分析

为了评估所提出的基于RSSI序列匹配的船载节点定位方法的可用性和有效性，利用Matlab对质心算法及本发明提出的定位方法进行了仿真实验，并对相关实验结果进行分析。在仿真实验过程中，网络节点分布在8×8cm的区域内，锚节点的坐标由人工设置，未知节点的坐标随机产生。在相同的网络场景下，通过改变锚节点个数来改变无线传感器网络的分布，从而实现相同网络场景下不同锚节点密度的仿真实验条件。

通常无线传感器网络的节点定位方法的评价指标有节点定位精度、可靠性等。下面将重点分析本发明提出的定位方法在节点定位精度和可靠性方面的性能。

定位误差(Localization error，LE)指的是通过定位算法得到的未知节点的估算位置与实际未知的偏差，这种偏差可以用两者之间的欧氏距离衡量，如式(2)所示。均方误差(Mean Squared Error,MSE)是评价“平均误差”的一种较方便的方法，可以衡量定位算法的稳定性。如式(3)所示。

MSE＝E[(x₀-x)²+(y₀-y)²] (3)

其中(x,y)为未知节点的估算位置(坐标)，(x₀,y₀)为未知节点的真实位置(坐标)。

仿真过程中，在8×8cm的正方形区域内依次布置3、4、5、6、7、8个锚节点进行6组实验。每组实验在区域内随机抛洒100个未知节点从而构成相应的无线传感器网络，设置每个节点的覆盖区域是一个规则的圆形，每个信标节点的自身定位误差为0。假设在基于RSSI序列匹配的节点定位方法仿真实验中未知节点可以接收到所有锚节点广播的信号。考虑到节点通信过大会对质心算法定位精度产生较大偏差，设置质心算法节点通信半径设置为6。计算100次仿真结果的平均值，计算并分析平均定位误差和均方误差的变化，仿真过程如图6,7所示。

定位误差的统计结果如图8所示，随着锚节点的逐渐增加，两种算法的平均定位误差都逐渐减小，但在相同锚节点数目的情况下，基于RSSI序列匹配的节点定位方法的平均定位误差始终要小于质心算法的平均定位误差，两种算法的平均定位误差具体数值：基于RSSI序列匹配的定位方法的最大平均定位误差为1.4066cm，最小平均定位误差为0.5155cm，而质心定位算法的最大平均定位误差为1.7997cm，最小平均定位误差为0.8715cm。在质心算法3个锚节点的仿真实验中，由于节点通信半径和锚节点设置的不均匀导致在增加到4个锚节点时平均定位误差有增大的趋势，但仍不影响质心算法与基于RSSI序列匹配的船载节点定位方法平均定位精度的比较。仿真实验结果分析表明，基于RSSI序列匹配的节点定位方法的定位精度要比质心定位算法的定位精度高。定位均方误差的统计结果如图9所示，基于RSSI序列匹配的的定位方法的定位均方误差明显要比质心算法的定位方差小，两种算法的定位均方误差具体值：基于RSSI序列匹配的定位方法的最大定位均方误差为0.5960，最小定位方差为0.2830，而质心算法的最大定位均方误差为0.8300，最小定位均方误差为0.3670，因此可以得出结论，基于RSSI序列匹配的定位方法的可靠性要比质心算法的可靠性高。综上所述可知，基于RSSI序列匹配的定位方法较质心算法，具有较高的定位精度和可靠性。

Claims (1)

1.一种基于RSSI序列匹配的船载节点定位方法，其特征在于包括以下步骤：第一步，利用接收信号强度强弱与距离的定性关系，在定位前根据锚节点的位置对区域进行分割逐步逼近未知节点所在区域；第二步，通过区域编码和序列匹配实现未知节点自身的定位；所述第二步中区域编码具体为：将锚节点MA、MB、MC、MD分别对称放置于矩形区域abdc的四个角，假设待定位节点在舱室范围内可以接收到所有锚节点的信号，对四个锚节点两两相连作中垂线bh、ci、dj、lf，将矩形区域分割成为S1，S2，S3，S4，S5，S6，S7，S8八个区域，且每个区域Si(i＝1,2,…,8)均具有唯一的接收信号强度值大小序列，根据接收信号强度值的大小序列将广播对应信号的锚节点排序，则可得区域编码序列Mx1Mx2Mx3Mx4，其中xi为A,B,C,D，i＝1,2,3,4，且x1≠x2≠x3≠x4；将区域编码序列Mx1Mx2Mx3Mx4即作为拟判断未知节点真实位置的编码，四个锚节点逻辑上构成无向简单图G＝<V,E>，其中V＝{A,B,C,D}，E＝{<A,B>,<B,C>,<C,D>,<D,A>}，从无向简单图G的每个顶点出发，采用广度优先搜索算法遍历图G中的所有顶点，即可将将遍历得到的所有序列构成编码序列表，在任意分割区域设立采样点，对采样点接收信号强度值降序排列，对于任意分割区域，有且仅有一种信号强度值降序排列与之对应，所以分割区域与编码序列一一对应，设各个锚节点坐标为MA(-x,y)，MB(x,y)，MC(-x,-y)，MD(x,-y)，对于每个分割区域，取其几何中心表示该区域位置，由此可建立编码序列库；所述第二步中序列匹配具体为：在定位过程中，未知节点Ni在区域内接收各个锚节点的场强信号强度值后将其按降序排列，得出编码序列Mx1’Mx2’Mx3’Mx4’，其中xi为A,B,C,D，i＝1,2,3,4，且x1≠x2≠x3≠x4，得出编码序列后，在编码序列库中匹配，以对应分割区域Si的质心坐标表示为未知节点所在位置。

Images