煤矿井下基于RSSI校正测距的WSN节点定位算法

李永新， 赵振民， 李雅莲

(1.黑龙江科技学院 电气与信息工程学院，哈尔滨 150027;2.黑龙江科技学院 计算机与信息工程学院，哈尔滨 150027;3.中国联合网络通信有限公司 哈尔滨分公司，哈尔滨 150001)

煤矿井下基于RSSI校正测距的WSN节点定位算法

李永新1，2， 赵振民1， 李雅莲3

(1.黑龙江科技学院 电气与信息工程学院，哈尔滨 150027;2.黑龙江科技学院 计算机与信息工程学院，哈尔滨 150027;3.中国联合网络通信有限公司 哈尔滨分公司，哈尔滨 150001)

针对煤矿井下人员及设备定位监控严重不足的情况，提出了基于RSSI校正测距的WSN节点定位技术。模拟井下环境，使用协议分析仪Packed Sniffer嗅探节点接收RSSI值，以确定环境参数;采用高斯理论模型过滤RSSI值，利用对数－正态分布理论模型计算距离;最后应用改进的三边质心定位算法求得未知节点坐标。RSSI校正测距定位与CC2431定位引擎定位的误差对比表明，文中所提算法的定位性能较好。该研究为井下无线传感器网络定位系统的设计提供了参考依据。

三边质心定位算法;RSSI校正测距;对数－正态分布模型;高斯理论模型

0 引言

煤矿安全生产问题日益得到重视，但发生重大灾难性事故时，整个救援仍处于被动局势，其主要原因是不能准确获取被困人员位置信息。井下环境复杂，难以实现有线网络定位，且经济投入较高［1］。因此，煤矿井下无线网络节点定位技术顺势而生，成为科学研究与工程实践领域的热点和重点问题。目前，对无线传感器网络定位技术的研究较多，如:基于测距的定位技术(RSSI、TOA和TDOA等)和基于非测距的定位技术(质心、DV－hop和Amorphous等)［2］。但还没有一种方法可以适用于所有环境。所以，文中从煤矿井下应用环境出发，基于无线传感器网络(Wireless Sensor Network，WSN)，研究了煤矿井下基于RSSI校正测距的三边质心定位技术。

1 煤矿定位系统

煤矿定位系统是集软硬件设计于一体的综合自动化系统，由井上网络和井下网络两部分组成，结构如图1所示。井下巷道分布ZigBee无线传感器网络，具有设备安装施工简单、布置灵活等优点;直井和井上等长距离数据传输可采用光纤网络［3］。文中主要研究井下定位系统问题。

图1 定位系统结构Fig.1 Location system architecture

煤矿井下无线网络定位过程通常包括两个步骤:一是确定盲节点(未知位置)到参考节点(已知位置)的距离或方位;二是使用某种位置计算方法计算未知节点坐标。节点位置计算方法包括:三边测量法、三角测量法和极大似然法等［4］。因煤矿井下巷道总体呈狭长特点，文中采用适用于封闭环境，实现简单，且工程实践应用较多的基于RSSI测距的三边测量定位技术。

2 井下WSN节点定位算法

2.1 RSSI测距理论模型

其中，PR为接收信号功率;PT为发送信号功率;r为收发节点间距离;n为信号传播因子，其数值大小取决于无线信号传播环境。

假设已知存在两个接收节点，距离发射节点分别为d和d0m，则有

令PLd、PLd0分别为无线信号传播距离为d和d0时的路径损耗，xσ是均值为0的高斯分布随机变量。则可得出RSSI无线信号传播路径损耗模型，即对数－正态分布模型:

此时，若设RSSI为无线传感器网络接收节点接收功率PR，则有PT－PR=PLd－xσ，由Pd0=PTPLd0可得

2.2 RSSI校正测距理论模型

经实验测量可知，参考节点接收到盲节点发出的RSSI值中，部分偏离实际值较多，且为小概率事件。若直接求平均值，并代入公式求解距离误差较大。所以，文中采用高斯校正理论模型，过滤小概率事件，选取高概率发生区的RSSI值，使接收信号强度指示值RSSI服从高斯分布，即PR～N(μ，σ2)。高斯分布密度函数和方差为:

根据工程实践经验，选0.6为临界值，若使正态分布密度函数［5］

则认为该事件是高概率事件。

2.3 改进的井下定位算法

三边测量法(Tri1ateration)以坐标为A(xa，ya)、B(xb，yb)、C(xc，yc)的三个参考节点为圆心，以各参考节点到未知盲节点O(x，y)的距离(da，db和dc)为半径画出三个圆，在理论情况下，三圆交点即为待定位盲节点位置坐标［6］:

最终可得到待定位节点O的位置坐标:

在此基础上，为了得到较好的定位精度，在实现过程中对三边定位方法进行改进和优化组合［7］。由RSSI无线信号传播路径损耗理论模型(1)可知，RSSI与对应距离间成反比。且由于环境因素造成信号在传播过程中损耗过多，使测得相应距离值变大，产生误差。即，da、db和dc的测量值与实际距离有差别，则三圆只会相交于包含该未知节点的一个区域，如图2所示。

图2 三边质心定位模型Fig.2 Trilateral-centroid localization model

所以，文中在使用三边测距定位基础上，再结合一种非测距定位技术——质心算法［8］，多边形顶点横纵坐标的平均值即为质心，其表达式为

在实际应用过程中，由式(2)可求得三圆两两相交后，各自有两个交点，则最终选取离未知节点O(x，y)最近的三个交点A'(xbc，ybc)、B'(xac，yac)、C'(xab，yab)组成三角形。再求三角形区域质心，即为盲节点位置坐标值。

3 仿真结果与分析

3.1 参数确定

由式(1)可知，若使用RSSI无线信号传播路径损耗模型进行测距，则必须知道随环境变化的参数Pd0(d0=1 m)和n。

3.1.1 实验平台建立

受煤矿井下本质防爆问题的限制，文中实验均在类似于煤矿井下巷道环境的实验室走廊中进行。走廊长50 m，宽2.2 m，高度近3 m。

搭建基于CC2430/CC2431片上系统［9］(SOC)的ZigBee定位开发实验平台。该平台硬件系统包括:4个CC2430参考节点;1个网关节点;1个盲节点CC2431;1个CC2430/CC2431仿真器，可以与ZigBee协议分析仪软件Packed Sniffer配合使用。部分模块如图3所示。

图3 定位开发实验平台Fig.3 Positioning experimental platform

3.1.2 环境参数确定及节点布置

由具体工程实践可知，Pd0(1 m处接收信号强度)的取值范围多在－30～－55 dBmW，n多在1～8，不同的应用环境两个参数的取值不同［6］。

(1)确定参数Pd0。在实验环境中，使用ZigBee无线数据包嗅探器分析和解码信息包［3］，可以直接显示出每个接收到的数据包结尾处的RSSI值。

由于节点自身和外界因素的影响，使得每次测量的RSSI结果会有微弱差异，所以需经多次测量求平均值。实现方法:以点O(接收节点)为圆心，1 m为半径画圆，在圆周上取E1～E12不同位置放置发射节点，发射节点依次或通过竞争机制获取信道，发送数据帧，接收节点将记录每个信息包对应的RSSI值，再取平均值定为Pd0。经过计算，该环境下Pd0为－50.083 3 dBmW。

(2)确定参数n。沿走廊直线方向，从接收节点O位置开始，每隔1 m放置一次无线传感器发射节点，定义为di(i=1，2，…，40)。每放置一次，通过ZigBee无线数据包嗅探器，获得该位置接收到的RSSI值，结果见表1。

表1 实验室走廊环境距离－RSSI数据Table 1 Distance－RSSI data in laboratory corridor environment

当d0=1 m，Pd0=－50.083 3 dBmW时，由式(1)可求出经过40次测量之后，n的输出曲线(图4)，n的平均值为2.082 8。

图4 实验室走廊环境参数nFig.4 Environment parameter n of laboratory corridor

基于RSSI无线信号传播路径损耗理论模型，使用Matlab编程计算并显示出不同Pd0和n的取值状态下，RSSI值与传输距离d在实验室走廊这种特定环境中的内在关系，如图5和6所示。

图5 参数n变化RSSI衰减曲线Fig.5 RSSI decay curves based on different parameter n

已知环境参数Pd0、n和表1数据，可得RSSI与d的关系曲线(图7)。由图7可以看出，RSSI实际测值同样随着d的增加而衰减。超过15 m，RSSI衰减趋势逐渐变缓。所以，在该实验环境中排列参考节点间的距离应该在15 m左右，因为15 m以内随着距离的增加RSSI值衰减明显，由此测量得到的距离误差明显降低。

图6 参数Pd0变化RSSI衰减曲线Fig.6 RSSI decay curves based on different parameter Pd0

图7 RSSI衰减曲线Fig.7 RSSI decay curves

3.2 RSSI测距

(1)节点布置。按实验室走廊环境建立平面直角坐标系，四个参考节点坐标为:q1(0，0);q2(0，2.2);q3(15，0);q4(15，2.2)。盲节点从坐标(1，0.8)开始沿走廊直线方向移动，每次移动1 m(i= 1，2，…，15)，纵坐标始终确定为0.8 m。

(2)嗅探RSSI值。使用协议分析仪软件Packet Sniffer嗅探每个位置的盲节点到参考节点的RSSI值;且每个位置RSSI值记录8次。

(3)高斯滤波。使用高斯滤波理论模型把嗅探到的RSSI数据进行高斯过滤，去掉偏离实际值较大的小概率事件［8］。并把符合要求的RSSI值代入对数－正态分布模型，每移动一次盲节点q，均可得到盲节点到每个参考节点间的距离(表2)。

表2 盲节点到qi的滤波校正dTable 2 Filter correction d record of blind node to qi /m

3.3 性能分析

把环境参数Pd0、n和d(表2)代入三边质心定位理论模型，即可得到盲节点q在每个位置上的测量坐标值，记为q(xq，yq)，而实际坐标值记为q(x，y)，并把测量坐标和实际坐标之间的线段长度记为基于RSSI校正测距的三边质心定位算法的测量误差e1。如表3所示。

表3 校正RSSI坐标值和定位误差Table 3 Coordinate data and localization error based on corrected RSSI /m

为了验证三边质心定位算法的效果，将实验开发平台CC2431定位引擎定位和RSSI校正测距的三边质心定位的性能作对比，如图8所示。由图8可见，提出算法的误差均小于0.4 m，算法的定位性能明显优越于CC2431定位引擎定位性能。即三边质心定位算法能够准确实现井下环境节点定位。且与DV－hop、Amorphous等定位技术相比，基于RSSI校正测距的三边质心定位算法复杂度低、更简单可行。

图8 两种方法定位误差对比Fig.8 Two methods positioning error comparison

4 结束语

文中主要针对煤矿井下特定环境，运用CC2430/CC2431定位开发实验平台，研究了基于RSSI校正测距的无线传感器网络节点三边质心定位技术。在研究过程中，着重讨论了对数－正态分布理论模型、高斯滤波理论模型和三边质心定位技术，并以此为基础，通过Packed Sniffer嗅探器，结合实验环境，实现未知节点的准确定位。并通过与CC2431定位引擎的定位误差相比较，可知该技术具有实现简单，定位准确性好的特点。该研究可为煤矿井下无线传感器网络定位系统的设计提供一定的理论借鉴。

［1］王李管，曾庆田，贾明涛.数字矿山整体实施方案及其关键技术［J］.采矿技术，2006，6(3):493－498.

［2］唐 宏，谢 静，鲁玉芳，等.无线传感器网络原理及应用［M］.北京:人民邮电出版社，2010.

［3］吴功宜，吴 英.计算机网络技术教程自顶向下分析与设计方法［M］.北京:机械工业出版社，2010.

［4］孙利民，李建中，陈 渝，等.无线传感器网络［M］.北京:清华大学出版社，2011.

［5］章坚武，张 璐，应 瑛，等.基于ZigBee的RSSI测距研究［J］.传感技术学报，2009，22(2):285－288.

［6］杨 超，栗科峰，苗鹏豪.CC2431无线定位系统及改进［J］.南阳理工学院学报，2009，1(3):33－35.

［7］RAGHAVENDRA C S，SIVALINGAM K M，ZNATI T.Wireless sensor networks［M］.Boston(MA，USA):Kluwer Academe Publishers，2004.

［8］刘艳文.无线传感器网络定位系统的设计与实现［D］.西安:西北工业大学，2007.

［9］孔庆臣，李永新，张广兰，等.SOPC大规模可编程专用集成电路的快速开发［J］.单片机与嵌入式系统应用，2011，11 (2):8－10.

WSN node location algorithm based on RSSI correction ranging in underground coal mine

LI Yongxin1，2，ZHAO Zhenmin1，LI Yalian3
(1.College of Electric＆Information Engineering，Heilongjiang Institute of Science＆Technology，Harbin 150027，China; 2.College of Computer＆Information Engineering，Heilongjiang Institute of Science＆Technology，Harbin 150027，China;
3.Harbin Branch，China United Network Communication Company Limited，Harbin 150001，China)

Aimed at addressing the serious shortage of positioning and monitoring of staff or equipment in the underground coal mine，this paper proposes WSN node location algorithm based on the RSSI correction ranging.The process consists of firstly simulating environment of the underground coal mine and determining the environment parameters by receiving RSSI value using Protocol analyzer，Packed Sniffer，secondly，filtering out the RSSI value by Gaussian theory model and calculating the distance using logarithm-normal distribution model，and finally calculating a blind node coordinates by the trilateral-centroid localization algorithm.The comparison the positioning error between the range-base correction RSSI and CC2431 positioning engine proves a better positioning performance for the localization algorithm.The research provides a better reference for designing WSN positioning system in the underground coal mine.

trilateral-centroid localization algorithm;RSSI correction ranging;logarithm-normal distribution model;Gaussian theory model

signal strength indicator，RSSI)是一种成本和复杂度均较低的实用测距技术。主要通过发射功率(发射节点)和接收功率(接收节点)计算出无线信号传播路径损耗，再使用成熟的经验或理论模型转化为相应距离。文中研究使用的是“对数－正态分布模型”。无线传感器网络节点无线信号的发射功率与接收功率间存在如下关系［5］:

TP393.03

A

1671－0118(2012)02－0172－05

2012－02－15

黑龙江省教育厅研究生创新科研项目(YJSCX2011－172HLJ);黑龙江省教育厅科学技术研究项目(11551443)

李永新(1976－)，男，辽宁省锦州人，副教授，硕士，研究方向:计算机网络通信技术和智能控制，E-mail:lyxemail@163.com。

(编辑王 冬)