基于RSSI的WSN节点室内定位分析

金彦亮， 薛 用， 张 勇

(上海大学特种光纤与光接入网省部共建重点实验室，上海200072)

基于RSSI的WSN节点室内定位分析

金彦亮， 薛 用， 张 勇

(上海大学特种光纤与光接入网省部共建重点实验室，上海200072)

基于实验的基础，对基于接收信号强度(received signal strength indication，RSSI)的无线传感器网络(wireless sensor network，WSN)节点室内定位的几种不同情况进行分析．根据室内无线传播模型和实际测量数据得到RSSI室内传播模型;比较在不同位置的未知节点定位精度的不同;针对三点定位结果不理想的问题，采用粒子群优化(particle swarm optimization，PSO)算法对定位结果进行优化;比较不同数量的源节点对于节点定位精度的影响．当信标节点数量比较多时，通过筛选一些可靠的信标节点来提高定位精度．

无线传感器网络;室内节点定位;接收信号强度;粒子群优化算法

Abstract:This paper analyzes several conditions of received signal strength indication(RSSI)indoor node localization based on experiments．An RSSI indoor propagation model is established using an indoor wireless communication model and the measured data．Different positioning precision of the unknown nodes in different locations are compared．The particle swarm optimization(PSO)algorithm is used to optimize the locating results．Experimental results show that the PSOalgorithm has good performance．The influence of different number of beacon nodes is analyzed for the node positioning accuracy．The experiment shows that the beacon node number affects the positioning accuracy to a certain extent．When there are too many beacon nodes，reliable ones should be chosen as to ensure the localization precision．Key words:wireless sensor network(WSN);indoor node localization;received signal strength indication(RSSI);particle swarm optimization(PSO)algorithm

无线传感器网络(wireless sensor network，WSN)［1-2］是21世纪极具发展前景的技术．随着该技术的不断成熟和进步，各行各业对无线传感器网络的应用需求正与日俱增．特别是近些年来，随着物联网技术的发展，无线传感器网络已经成为当今生活中不可或缺的一部分．在无线传感器网络的众多应用中，涉及网络节点的定位及其应用已成为业界的一个研究重点．

基于接收信号强度(received signal strength indication，RSSI)［3-4］的测距技术是利用无线电信号随距离增大而有规律地衰减的原理来测量节点间的距离．根据读取节点射频芯片寄存器的值，可以得到发射节点的发射信号强度．接收节点根据接收到的信号强度，计算出信号的传输损耗，利用理论或者经验模型将无线信号的传输损耗值转换为距离值．该测距技术只需节点具备无线收发器即可完成，不需要增加额外的硬件，应用成本较低，是WSN定位较常采用的方法．

在室内封闭或者半封闭环境内，无线信号由于受到诸如反射、多径、室内墙壁和障碍物阻挡等多种因素的干扰，RSSI值会出现很大的不稳定性，而RSSI值的偏差会对未知节点的定位产生很大影响，这也是长期以来基于RSSI值定位精度不高的主要原因，如何解决这一问题是提高基于RSSI室内定位精度的关键．本研究通过实验对比了不同情况下WSN节点室内定位的结果，比较了未知节点放置在不同位置时定位误差的不同，分析了将PSO算法应用于节点定位的效果，以及信标节点数量对定位误差的影响，并提出了一种提高室内定位精度的方法．

1 室内无线传播模型

通过大量工程实践可以发现，无线信号传播服从概率分布，并可归纳出无线信号传播的概率模型——Shadowing 模型［5-6］，其一般形式为

式中，pr(d)为收发节点距离为d时的接收信号强度(单位为dBm)，d0为收发节点的参考距离，n为由环境决定的路径损耗指数．

在实际应用中，可采用简化的 Shadowing模型［7］:

式中，d0=1 m;PRSSI为节点接收到的RSSI值(单位为dBm)，P0为信号传输1 m远处接收信号的功率．

相关研究表明，RSSI和无线信号传输距离之间有确定关系．在实际应用环境中，多径、绕射、障碍物等不稳定因素都会对无线信号的传输产生影响，在充分研究环境因素的影响后，RSSI可以用来进行室内和室外的测距及定位．

2 三点定位算法、质心算法和PSO算法简述

本实验以基本的三点定位法［8］和质心算法［9］作为参考．三点定位法的原理如下:当有3个以上信标节点向未知节点发送无线信号时，可以通过3个以信标节点为圆心、信标节点与未知节点之间距离为半径的圆的交点来求得未知节点的坐标．但在实际测量时，由于受到各种环境因素的影响，通常3个圆无法相交于一点，而是相交于一个区域．

目标函数的计算如下:假设n个锚节点的坐标分别为 m1(x1，y1，z1)，m2(x2，y2，z2)，…，mn(xn，yn，zn)，可以把未知节点的坐标估计问题看作一个优化问题，通过迭代方法计算目标函数的最小值．通过RSSI方法测量得到的包含噪声信息的距离值为di，定位优化算法的目标函数为

3 实验分析

本实验是在空旷的室内完成的，除墙壁外，室内无其他障碍物，室内实验场地平面图如图1所示．发射与接收芯片选择TI公司的CC1100芯片．

图1 实验场地平面图Fig．1 Planar gragh of experiment room

查询CC1100的datasheet，可以得到 RSSI运算公式为

式中，PRSSI的单位为dBm，PRSSI_dex为从 CC1100芯片寄存器中读取的十六进制数转换成的十进制数值，PRSSI_offset为一些典型值，在本实验中取为75 dB．

实验采取单节点发送单节点接收的模式，发送节点每隔1 s发送一个数据包，接收节点通过USB 2．0把收到的数据包传给笔记本电脑．发射节点与接收节点的放置高度一致为离地面1 m，发射功率为0，无线信号的发射频率为433 MHz．每次实验测量多组数据，并剔除其中的少部分不可靠数据．实验结论是在多次测量的基础上得到的．

3．1 室内无线信号传播模型

室内无线信号传播模型(见图2)使用Shadowing模型［12］．取 d0=1 m，经过多次实验测量，求平均得到P0= －35．6 dBm，n=3．1，代入式(2)，可得

图2纵坐标为接收节点接收功率的平均值，图3为接收节点接收功率的方差．从图2可以看出，当收发节点的距离大于5 m时，接收功率与理想lg曲线的偏差总体是比较大的，说明室内定位的误差比较大．从图3可以看出，当收发节点的距离大于5 m时，其方差总体上也是比较大的，说明RSSI室内定位不太稳定．这是由于室内环境复杂，无线信号受到反射、多径、室内墙壁和障碍物阻挡等多种因素的干扰影响，从而使RSSI值出现较大的波动．

图2 室内无线信号传播模型Fig．2 Indoor wireless signal propagation model

图3 接收功率的方差Fig．3 Variance of receive power

3．2 不同位置未知节点定位误差的比较

当源节点数量为3个时，未知节点定位的方案如图4所示，源节点的位置为S1，S2，S3，未知节点的位置为A，B，C，D．通过式(7)可得到所求出的信标节点与未知节点的距离，并采用质心算法定位得到未知节点的坐标．坐标定位结果如下:A(1．94，4．12)，B(3．50，2．50)，C(4．45，0．87)，D(1．25，7．35)，其中 A 点的定位误差为0．96，B 点为 0．62，C点为1．56，D 点为1．84．可以看出，不同位置未知节点的定位误差也不同，B点的定位误差最小，A点和C点次之，D点的定位误差最大．

由于B点处于3个信标节点之中，距离3个信标节点都比较近，因此定位效果较好;A点和C点都偏离某一个信标节点较远，因此定位效果没有B点好;D点的位置最偏，偏离其中两个信标节点都很远，因此定位效果最差．由此可见，不同位置的未知节点定位结果有一定的差别，位置比较偏的未知节点的定位效果往往不太理想．

图4 3个信标节点时定位方案Fig．4 Indoor node location scheme with three beacon nodes

3．3 PSO算法对定位结果的优化

由于质心算法只是简单地对相交圆采用质心运算，将得到的质心作为未知节点的定位坐标，因此其定位精度一般不高．PSO算法通过粒子搜索来寻求区域内对于目标函数的最优解，因此可以用来优化质心算法得到的定位结果．

将质心算法定位结果经过PSO算法优化，采用式(5)所示的优化函数，得到的坐标定位结果如下:A(1．38，3．73)，B(3．52，2．00)，C(4．70，0)，D(0，5．00)，其中 A 点的定位误差为 0．69，B 点为0．50，C点为1．47，D点为1．00．相对于采用 PSO算法优化前，A点的定位精度提高了28．1%，B点提高了19．3%，C 点提高了5．8%，D 点提高了45．7%．可以看出，定位精度有明显改善，证明了PSO算法可以提高室内RSSI定位的精确度．

3．4 源节点数对未知节点定位的影响

当源节点数量为4个时，定位方案如图5所示，源节点的放置位置为S1，S2，S3，S4;未知节点的位置为 A，B，C，D．坐标定位结果如下:A(1．71，4．06)，B(3．55，2．04)，C(4．38，0．82)，D(0．61，7．08)，其中A点的定位误差为0．75，B点为0．46，C点为1．62，D点为1．25．相对于图4中3个信标节点的情况，除了在C点的处定位误差略微增大外，在其余三点的定位误差都有一定程度的减小，其中A点的定位精度提高了21．9%，B点提高了25．8%，C点降低了3．8%，D 点提高了32．0%．

图5 4个信标节点时定位方案Fig．5 Indoor node location scheme with four beacon nodes

当源节点数量为5个时(定位方案见图6)，源节点的放置位置为 S1，S2，S3，S4，S5，未知节点的放置位置为 A，B，C，D．坐标定位结果如下:A(1．52，3．77)，B(3．53，2．09)，C(4．50，0．82)，D(0．69，7．02)，其中 A 点的定位误差为 0．74，B 点为 0．41，C点为1．50，D点为1．23．相对于图4中3个信标节点的情况，A，B，C，D 4个未知节点的定位精度都有比较大的提升，其中A点的定位精度提高了22．9%，B点提高了33．9%，C点提高了4．9%，D点提高了33．2%．相对于图5中4个信标节点的情况，A，B，C，D 4个未知节点的定位精度也有提升，但是幅度不是很大，其中A点的定位精度提高了1．3%，B点提高了12．2%，C 点提高了7．4%，D 点提高了1．6%．

图6 5个信标节点时定位方案Fig．6 Indoor node location scheme with five beacon nodes

可以看出，源节点数量对定位精度有一定的影响．随着源节点数量的增加，个别节点定位精度可能有所降低，但总体上都得到了提高．

3．5 一种提高室内定位精度的方法

从室内无线信号传播模型可以看出，当源节点与目标节点之间的距离大于5 m时，RSSI测距有比较大的误差，并且随着距离的增加，测距误差有增大的趋势．这些信标节点包含的位置信息比较不可靠，如果将这些不可靠的测距信息作为定位参考将会给节点定位带来比较大的误差，因此，可以考虑舍去这些距离比较远的信标节点．

本实验从5个接收节点中筛选出3个比较大的RSSI值作为参考节点，将得到的定位结果与图5和图6 进行对比．坐标定位结果如下:A(1．09，3．36)，B(3．64，2．06)，C(4．51，0．97)，D(0．16，7．02)，其中A点的定位误差为 0．72，B 点为 0．46，C 点为 1．50，D点为1．03．相对于图5中4个信标节点参与定位的情况，筛选后的定位精度均有比较大的提升，特别是C点和D点，提升效果尤其明显．相对于图6中5个信标节点参与定位的情况，A点定位精度略有提升，B点则稍有降低，C点几乎没有变化，D点有比较大的提升，总体来说，筛选后的定位精度还是有所提升的．

本实验最多只考虑了5个信标节点，没有涉及大量的信标节点的情况．如果涉及大量信标节点，也可以考虑采用同样的方法，即剔除一些测距误差比较大的信标节点，来提高定位精度．对于大量信标节点的情况，有待于进一步进行实验验证．

4 结束语

由于室内环境比较复杂，RSSI测距受到各种因素的影响，会产生比较大的误差．本研究通过实验数据分析了室内无线信号的传播规律，说明了室内定位精度不太高，且不同位置的未知节点定位精度有一定的差别．在本实验中，离源节点距离比较远的未知节点的定位精度比较低，而比较靠近源节点的未知节点的定位精度相对较高．采用PSO算法能够优化未知节点的定位结果，提高定位精度，寻找到合适的目标函数能提高优化效果．源节点数量也对定位结果有一定的影响，随着源节点数量的增多，个别节点的定位精度可能有所降低，但大多数未知节点的定位精度都得到了提高．当源节点数目较多时，可以通过筛选出一些比较可靠的源节点来提高定位精度．本实验选择了靠近目标节点的源节点，实验证明定位精度有了一定程度的提高．

［1］ RABACY JJ，AMMER M J，PATEL D，et al．Picorodio supports ad hoc ultra-low power wireless networking［J］．Computer，2000，33(7):42-48．

［2］ LOW K S，NGUYEN H A，GUO H．Optimization of sensor node locations in a wireless sensor network［C］∥Fourth International Conference on Natural Computation．2008:286-290．

［3］ KENYERES J，SAJBAN S，FARKAS P，et al．Indoor experiment with WSN application［C］∥ 2010 Proceedings of the 33th International Convention．2010:863-866．

［4］ GIROD L，BYCHKOVSKIY V，ELSON J，et al．Locating tiny sensors in time and space:A case study［C］∥Proceedings of the 2002 IEEE International Conference on Computer Design:VLSI in Computers and Processors(ICCD’02)．2002:214-219．

［5］ HALDER S J，CHOI T Y，PARK J H，et al．On-line ranging for mobile objects using Zigbee RSSI measurement［C］∥ Proceedings of the 3rd International Conference on Pervasive Computing and Applications．2008:662-666．

［6］ 田金鹏，施惠昌．无线传感器网络节点定位改进算法［J］．上海大学学报:自然科学版，2009，15(3):225-229．

［7］ SHAMIR A．无线电传播简介:专用术语，室内传播和路径损耗及实例［J］．今日电子，2002(Z1):26-30．

［8］ 孙利明．无线传感器网络［M］．北京:清华大学出版社，2005:138-159．

［9］ BULUSU N，HEIDEMANN J，ESTRIN D．GPS-less low cost outdoor localization for very small devices［J］．IEEE Personal Communications Magazine，2000，7(5):28-34．

［10］ CHUANG P J，WU C P．An effective PSO based node localization scheme for wireless sensor networks［C］∥Ninth International Conference on Parallel and Distributed Computing，Applications and Technologies．2008:187-194．

［11］ 刘波，王凌，金以慧．微粒群优化算法研究进展［J］．化工自动化及仪表，2005，32(3):1-6．

［12］ LIM C B，KANG S H，CHO H H．An enhanced indoor localization algorithm based on IEEE 802．11 WLAN using RSSI and multiple parameters［C］∥ 2010 Fifth International Conference on Systems and Networks Communications．2010:238-242．

Localization of RSSI-Based Indoor WSN Nodes

JIN Yan-liang， XUE Yong， ZHANG Yong
(Key Laboratory of Specialty Fiber Optics and Optical Access Networks，Shanghai University，Shanghai 200072，China)

TP 393

A

1007-2861(2012)05-0470-05

10．3969/j．issn．1007-2861．2012．05．006

2011-09-21

上海市重点学科建设资助项目(S30108);上海市科委重点实验室资助项目(08DZ2231100);上海市科委重点资助项目(10511501303)

金彦亮(1973 ～)，男，副教授，博士，研究方向为无线传感网等．E-mail:jinyanliang@staff．shu．edu．cn