基于RSSI的优化加权质心定位算法研究

摘要：节点定位技术是无线传感器网络的关键技术之一。质心定位算法是指节点依靠无线传感器网络的连通性进行定位，定位误差较大。为了提高定位精度，鉴于质心定位算法受环境影响较小，基于RSSI的定位技术使用方便的特点，文中提出了基于RSSI的一种优化加权质心定位算法。通过RSSI测距，结合优化后的加权质心定位算法，确定节点位置。仿真结果表明，该算法降低了定位的平均误差，可以提高定位精度。
关键词：RSSI；加权质心；定位；无线传感器网络

    无线传感器网络(Wireless Sensor Network，WSN)中，节点定位是一项关键技术，获得节点的位置信息是无线传感器网络的基本要求。定位业务受到广泛关注，对于军用、民用、矿井以及火灾救援的WSN来说，估计用户的准确位置则显得至关重要。至今，无线传感器网络定位已经成了一个很重要的研究方向。无线传感器网络根据节点定位机制可分为基于距离(Range-Based)和距离无关(Range-Free)的两类定位算法，基于距离的定位算法通过测量节点间点到点的距离或角度信息，使用三边测量法、三角测量法或最大似然估计法等计算节点位置，主要有RSSI、TOA、TDOA、AOA等。距离无关的定位算法是依靠网络的连通性等信息进行定位，不需要计算节点间距离或角度信息，主要有质心算法、DV-hop算法、凸规划、Amorphous算法、APIT等。基于测距的定位算法与无需测距的定位算法相比虽然有着成本较高、能耗较高、计算量和通信量较大的不足，但是前者的定位精度一般都要比后者高。可以相信，随着技术进步，更精确、能耗更小的测距技术的出现，以及对定位精度的更高要求，基于测距的定位算法将在节点定位技术中获得更好的发展空间。

1 RSSI测距模型
    信号在传播过程中会衰减，这种损耗与信号的传播路径有关。RSSI测距，就是利用此相关性测出接收节点和发射节点间的距离。RSSI测距使用的无线信号模型包括理论模型和经验模型。
    经验模型的一些参数取值可以根据经验选取，模型比较简单，精度不是很高，易用于大致估计。
    理论模型主要有自由空间传播模型、对数一路径损耗模型、两径传播模型、对数-常态分布模型等。无线信号传播路径损耗对RSSI测量精度有很大影响，实际应用环境中，由于多径、绕射、障碍物等因素，使得无线信号传播模型十分复杂。通常采用对数-常态分布模型，即：
   
    P(d)为基站接收到盲节点在距离基站d处发送信号强度；P(d0)是基站接收到锚节点在距离基站处发送信号强度；d0为近地参考距离，一般为1 m；n为路径损耗指数，依赖周围环境，范围在2～4之间；Xσ是标准差为σ的零均值的高斯分布随机变量。信标节点测得的RSSI值越大，距离越近，对节点定位具有更大的决定权。

2 优化的加权质心算法
    质心算法是通过未知节点接收所有在其通信范围内的信标节点的信息，并将这些信标节点的几何质心作为自己的估计位置来定位。由于质心算法并没有反应信标节点对待测节点的影响大小，所以在原有质心算法的基础上，提出了加权质心算法。加权质心算法，通过加权因子来反映参考节点对质心坐标决定权的大小，利用加权因子体现各参考节点对质心位置的影响程度，反映他们的内在关系。已知有3个信标节点，A、B、C，如图1所示。

    坐标分别为(xa，ya)，(xb，yb)，(xc，yc)，假设盲节点D坐标为(xd，yd)，通过RSSI测距测得与盲节点之间的距离分别为da、db、dc，则肓节点的坐标为


3 实验仿真与分析
    使用Matlab对其进行仿真，检验经过优化后算法的性能。在65m×65m的区域内，布置3个信标节点，坐标分别为(10，20 m)，(35，50 m)，(50，10 m)。随机选取的点也就是未知节点的位置。
    使用加权质心定位算法和优化后的加权质心定位算法对目标节点进行定位，分别运算10次，各自得到10个估计位置，如图2所示。

    将上述各自得到的10个估计位置(xn，yn)(n=1，2，…，10)分别与目标节点(x0，y0)=(31，27 m)进行比较，根据式(6)得到误差e。


的平均误差为1．137 8 m，优化后的加权质心算法的平均误差降低了约46％。经优化后的加权质心算法定位精度有所提高。

4 结论
    综上所述，文中主要对基于RSSI的定位技术进行了研究，在原有的加权质心定位算法的基础上，采用优化加权因子的方法，对加权因子进行优化，得出优化后的加权质心定位算法。该算法不需增加额外的设备，通过对性能仿真和分析结果表明，该优化后的加权质心算法在一定程度上提高了定位精度，具有一定的实用价值。