无线传感网络中基于RSSI质心定位的改进算法

张 兢，史文进，李冠迪，张莉楠

(重庆理工大学，重庆 400054)

无线传感网络中基于RSSI质心定位的改进算法

张 兢，史文进，李冠迪，张莉楠

(重庆理工大学，重庆 400054)

节点定位是无线传感网络的关键技术之一，已经在军用，民用方面得到很广泛的应用。传统的质心定位算法依赖于网络、锚节点的数量、节点分布，常常定位不到目标，致使定位误差较大。为了提高定位精度，提出利用基于RSSI的质心定位算法定位未知节点，然后将已定位节点当作锚节点对未定位节点进行定位的改进算法。对算法进行仿真测试、分析验证，结果表明：定位误差减小，定位精度明显提高。

无线传感器网络；节点定位；RSSI；质心定位改进算法

无线传感器网络(wireless senor network,WSN)是由大量具有数据获取能力、无线通信传输数据能力、数据处理能力的微型传感器节点构成的网络。在被监测区域放置成千上万的微型传感器节点，节点之间相互通信，形成一个以无线连接传输方式的网络。借助节点之间的协作感知或者对外部变化的监视，可对采集的信息进行预处理，同时通过基站将数据发送给用户。利用WSN的信息获取和处理技术，在军事国防、环境监测、抢险救灾、医疗卫生和工农业控制等领域具有十分广阔的应用前景[1-3]。无线传感器网络的目标位置识别、跟踪或目标定位是指通过分布区域内节点的物理坐标建立一个类似于GPS卫星定位无线传感器网络地图[4]。

目前，无线传感网络的节点定位技术已经成为其应用领域的关键支撑技术之一。定位算法从定位手段上分两大类，基于测距算法(range-based)和无需测距算法(range-free)。基于测距算法主要包括三边法测量、三角测量或最大似然法[5]。基于测距算法在处理实际节点间的距离时需要额外器件，导致系统功耗增加，但与无需测距算法相比较,其定位精度更高。

1 定位技术

在WSN中，节点向周围邻居节点发送信息，必须确定自身节点位置。由于网络中节点分布多、规模大，使得通过中心基站查询节点位置无法在短时间内完成。因此，节点在发送信息的数据中需包含自身的坐标信息。另外，WSN中节点定位涉及定位精度、节点规模、容错性和鲁棒性、能耗等。平衡定位精度是无线传感器网络定位的关键。

1.1 RSSI定位算法

基于RSSI(received signal strength indicator,RSSI) 的测距技术是利用信号能量损耗测量距离的一种技术[6]。无线传感器节点的信号强度与其传输距离有关，RSSI值越大，节点距离越小，可通过RSSI值的计算将相关的信号强度转化为传输距离。信号在传播过程中会衰减，损耗与信号的传播路径有关。一般RSSI测距使用的无线信号模型分为理论模型和经验模型。经验模型参数取值可以根据经验选取，模型比较简单，精度不是很高，易于大致估计。理论模型主要有自由空间传播模型、对数损耗模型、两径传播模型、对数-常态分布模型等[7]。

实际应用环境中，由于多径、绕射、障碍物等因素，无线信号传播路径损耗对RSSI测量精度有很大影响，使得无线信号传播模型十分复杂[8]。信号能量的衰减易受到外界环境的干扰，导致测量的误差加剧。文献[9]开展了对数-常态分布模型的研究，该模型能模拟RSSI值与距离之间的衰减，主要公式如下：

(1)

如果考虑复杂外界环境因素，式(1)可以表述为

(2)

其中：PL(d)表示距离d0时的无线电波信号损耗值，d0一般取值为1；N为信号的衰减因子，一般与环境因素有关；d为节点之间的距离；ε是满足高斯分布的因子[10]。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。所以，无线传感网络的传感器节点接收到的RSSI值满足下列关系：

RSSI=Pt+Gr-PL(d)

(3)

式中：RSSI通过测量获得；Pt为发射功率；Gr为天线增益(dB)。利用式(1)～(3)就可以计算出通信距离d。信号在传播的过程中受到距离和障碍物的影响。信号的功率强度随之衰减，会间接影响精度，所以只有短距离传输可以得到良好的精度。

1.2 质心算法

质心算法[11]是Nirupama Bulusu等提出的一种仅基于网络连通性的室外定位算法。具体如下：在无线传感网络中，在一个确定的区域分布n个锚节点，锚节点在周期T时间内向周围发送J个包含自身位置信息的数据包，则定位时间为

(4)

而未知节点接收到每个锚节点的发送的数据包通信成功率为

(5)

其中：Nreceive(i,t)表示在定位时间内收到来自锚节点的分组数；Nsend(i,t)表示定位时间内发送的总分组数。设定未知节点通信成功率的阈值为CMth，当CMth

(6)

于是可得未知节点的估计位置。该质心定位算法相比于加权质心算法和三边测量法简单，但位置错误率高。

在无线传感器网络的实际操作过程中，利用质心算法求取网络中未知节点的位置时，利用网络连通性，锚节点周期性地向周围节点发送包含自己位置信息的数据包，未知节点不停收到来自不同锚节点的消息。当在通信范围内收到一定数量的锚节点信息后，确定自身位置为周围锚节点所组成的多边形的质心。质心定位算法的整个定位过程在数学上并不理想，因为无线信号传播模型[13]不是严格意义的球型，在传播过程中会发生很多变化；其次，整个过程需要锚节点的广播，通信量较大；最后，质心算法以锚节点为基础，因此网络中节点定位精度对锚节点密度有很大依赖性。

3 基于RSSI的质心定位改进算法

传统的质心定位算法简单、可行性高，但定位误差较大，常常定位不到目标。为了提高定位精度，提出基于RSSI的质心定位算法，通过将RSSI的信号强度转化为传输距离，就可以提高定位精度。即：邻居节点接收到信息后，记录锚节点的RSSI值；计算以锚节点为圆心的传输距离，记录下以传输距离为半径的所有圆的相交节点；对交点采用质心算法，这样就可以估计未知节点坐标。如图1示，A、B、C是锚节点,未知节点P1必然落在三角形O1O2O3中。进一步对此算法进行仿真验证。

图1 质心算法和RSSI算法结合

由于质心定位算法是非测距算法，所以该算法在定位未知节点时易受到锚节点分布的影响。如果监测区域某个未知节点周围没有锚节点或者有极少锚节点，将会影响最终未知节点定位的精度，甚至导致未知节点的无法定位。针对该特殊情况，在原算法的基础上重复利用未知节点。一般情况下，通过基于RSSI质心定位算法估算出某未知节点位置坐标后，将该未知节点置于一边，会造成对节点的极大浪费和资源的不充分利用。改进算法是将已经实现定位的某一个或者某几个未知节点当作锚节点使用，那么就可以和锚节点一样周期性地广播包含自身ID信息和位置信息的数据包，这样就可充分利用定位过的未知节点实现对未知节点的定位，从而提高未知节点的定位精度以及减少未能定位的节点。

此种改进实现了对无线传感器网络中监测区域内节点的充分利用，极大地提高了定位精度，同时解决了可能因节点部署不当而导致部分未知节点无法定位的问题。该算法流程见图2。

图2 基于RSSI质心定位的改进算法流程

4 仿真验证

实验环境使用Matlab 2010b版本仿真软件，无线载频2.4 GHz,未知节点30个,随机分布。在100 m×100 m的区域均匀分布100个锚节点，通信半径为50 m，取平均误差值，比较质心定位算法、基于RSSI质心定位改进算法误差。仿真结果如图3所示。

图3中：实点号是锚节点；星号是未知节点；圆圈是算法估计位置；红色连线是定位误差。结果表明：根据误差的表示，基于RSSI质心改进定位算法对未知节点的位置估计误差较小，而且定位的未知节点更多，定位效果更好。

改变通信半径，每次仿真100次，取其实验的平均值。设未知节点真实坐标为(x,y)，改进算法估计节点的坐标为(xest,yest)，根据误差公式：

(7)

在不同通信半径下，对基于RSSI质心改进算法与质心定位算法误差进行比较，仿真结果如图4所示。

仿真结果表明：基于RSSI质心定位改进算法要比普通质心定位算法误差小。随着通信距离的增大，定位误差逐步减少，并在通信半径达到一定值后趋于误差平层。如果未知移动节点越靠近参考节点，锚节点越多，则结果误差就越小。

图3 质心定位、基于RSSI质心改进算法的误差比较

图4 基于RSSI的质心改进算法与质心算法的比较

5 结束语

随着定位技术的发展，廉价无线定位服务大众化趋势加剧。传统的质心定位算法简单、可行性高，但定位误差不高，常常定位不到目标。对基于RSSI的质心定位改进算法进行仿真，结果表明：其定位精度比传统的质心算法高，且对硬件要求不高，能适用于低成本、发射效率相对较高的无线定位系统。

[1] 何艳丽.无线传感器网络质心定位算法研究[J].计算机仿真,2011,28(5):163-165,219.

HE Yanli.Research on Centroid Localization Algorithm for Wirless Sensor Networks based RSSI[J].Computer Simulation,2011,28(5):163-165,219.

[2] 王方.无线传感器网络在采矿安全生产中的应用[J].电子元件与材料,2014,33(2):90-91.

WANG Fang.Application of Wireless Sensor Network in Mining Safety Production[J].Electronic Components and Materials,2014,33(2):90-91.

[3] 雷建军,夏英,赵阔.能量有效的无线传感器网络数据收集协议[J].重庆邮电大学学报(自然科学版),2014,26(5):582-586.

LEI Jianjun，XIA Ying，ZHAO Kuo.Energy efficient data collection protocol for wireless sensor networks[J].Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition), 2014,33(2):90-91.

[4] KOTWAL S B,VERMA S,ABROL R K.Approaches of Self Localization in Wireless Sensor Networks and Directions in 3D[J].International Journal of Computer Applications,2012,50(11):1-10.

[5] 戴莹，王建平，张崇巍.无线传感器网络节点定位算法的研究与改进[J].传感技术学报，2010,23(4):567-570.

DAI Ying,WANG Jianping,Zhang Chongwei.Research and improvement of localization algorithms for wireless sensor networks[J].Chinese Journal of Sensors and Actuators,2010,23(4):567-570.

[6] 黄俊霖.基于RSSI 分级的 WSN 节点定位算法研究[D].西安:西安电子科技大学,2013.

HUANG Junlin.Research of WSN Node Localization Algorithm Based on RSSI Class[D].Xi’an:XiDian University,2013.

[7] 张先超,刘兴长,钟一洋,等.基于RSSI和融合智能优化算法的无线传感器网络定位算法[J].重庆理工大学学报(自然科学),2015(9):116-121.

ZHANG Xianchao,LIU Xingchang,ZHONG Yiyang，et al.Wireless Sensor Networks Locating Algorithm Based on RSSI and Hybrid Intelligent Optimization Algorithm[J].Journal of Chongqing University of Technology(Natural Science),2015(9):116-121.

[8] 李刚，陈俊杰.信标节RSS自校正的WSN三维定位[J].华中科技大学学报，2011,39(20):348-350.

LI Gang,CHEN Junjie.3D localization in WSN based on beacon node RSSI self-correcting[J].Huazhong University of Science & Technology,2011,39(2):348-350.

[9] 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.

ZHANG Jianwu,ZHANG Lu,YING Ying,et al.Research on Distance Measurement Based on RSSI of ZigBee[J].Chinese Journal of Sensors and Actuators,2009,22(2):285-288.

[10]刘瑜,衣晓,何友.基于分治求精的无线传感器网络节点定位算法[J].系统工程与电子技术,2012,34(9):1906-1913.

LIU Yu,YI Xiao,HE You.Divide-and-conquer and Refinement Method Based Localization Algorithm for Wireless Sensor Networks[J].Systems Engineering and Electronics,2012,34(9):1906-1913.

[11]SIMON J.Comparison of different mobile WSN node localization techniques within the controlled microclimatic environment[C]//Inte-lligent Systems and Informatics (SISY),2014 IEEE 12th International Symposium on.[S.l.]:IEEE,2014:79-82.

[12]丁恩杰,乔欣,常飞,等.基于RSSI WSNs加权质心定位算法的改进[J]传感器与微系统,2013,32(7):53-56.

DING Enjie,QIAO Xin,CHANG Fei,et al.Improve-ment of weighted centroid localization algorithm for WSNs based on RSSI[J].Transducer and Mic rosystem Technologies,2013,32(7):53-56.

[13]BOUKERCHE A,OLIVEIRA H A B F,NAKAMURA E F,et al.Localization systems for wireless sensor networks[J].IEEE Wireless Communications,2007,14(6):6-12.

(责任编辑 杨黎丽)

Improved RSSI-Based Centroid Localization Algorithm for Wireless Sensor Networks

ZHANG Jing, SHI Wen-jin, LI Guan-di, Zhang Li-nan

(Chongqing University of Technology, Chongqing 400054，China)

Node localization is one of the key technologies on wireless sensor network, which has been got a wide application in military and civilian areas. The positioning accuracy of centroid localization algorithm completely depends on the size and the distribution density of anchor nodes. The density of anchor nodes is small and distributed randomly in actual application, so the positioning accuracy of centroid localization algorithm is relatively low. In order to improve the accuracy of nodes, a method is proposed based on received signal strength indicator and wireless sensor network centroid localization algorithm. Improved RSSI-based Centroid Localization Algorithm that targets the known-localization nodes as unknown-localization nodes is proposed. Through the simulation algorithm for testing and analysis, the simulation results show that the positioning error of the centroid localization algorithm is obviously reduced and the node location accuracy is improved.

WSN; node localization; RSSI; improved centroid localization algorithm

2016-09-30 作者简介：张兢(1965—)，女，教授，主要从事电子技术、测试技术和信号处理方面的研究，E-mail:zhjing@cqut.edu.cn; 史文进(1989—)，男，硕士研究生，主要从事无线网络技术研究。

张兢,史文进,李冠迪，等.无线传感网络中基于RSSI质心定位的改进算法[J].重庆理工大学学报(自然科学)，2017(3):132-136.

format：ZHANG Jing, SHI Wen-jin, LI Guan-di, et al.Improved RSSI-Based Centroid Localization Algorithm for Wireless Sensor Networks[J].Journal of Chongqing University of Technology(Natural Science)，2017(3):132-136.

10.3969/j.issn.1674-8425(z).2017.03.020

TN911

A

1674-8425(2017)03-0132-05