基于改进RSSI的节点定位技术研究

石斯斯?陈潮红

摘要：室内定位技术的关键在于定位算法，一个合适的定位算法能够显著减少对无线信道的干扰，从而提高定位的准确性。在传统三边测量定位技术的基础上，对信标节点的选择进行了进一步的优化，并对角度权重函数进行了加权处理，通过仿真进行了验证。与原始的三边测量定位方法相比，该算法在定位精度上有了显著的提升。与传统基于测距的方法相比，该算法能够有效降低系统成本，提高定位精度和可靠性，同时还可以对多个未知点进行精确定位，适用于复杂环境下的实时定位要求。

关键词：WSN； RSSI；节点定位；室内定位

一、前言

无线传感器网络（WSN）应用的基础是位置信息。在实际应用中，除了对信息监控外，还需明确信息的来源位置，这样才能准确并及时地分析目标区域内发生的各种事件，从而实现对目标的准确定位和持续跟踪。通过精准地确定传感器所处位置，我们可以提高路由的效率，更好地了解网络的覆盖状况，确保网络负载的均衡，并进行网络拓扑的自我调整[1]。因此采用某种机制及算法实现WSN的自身定位成为目前研究的趨势。目前，最基础的定位方法是利用RSSI、TDOA、AOA和TOA等测距技术来获取未知节点与多个已知节点之间的实际距离、方向或角度等信息，然后采用三边测量法或最小二乘法来确定未知节点的坐标[2]。RSSI技术的工作原理是通过节点间的信号强度感知，并利用信号强度的衰减来估算两点之间的距离[3]。RSSI因其在低能量消耗和硬件成本方面具有显著优势，它在定位和测距技术方面应用广泛，但其测量过程受到环境因素的强烈干扰，导致存在一定的测量误差。

传统RSSI定位方法往往更偏向理论性的探索，这更需要我们在仿真过程中做出更佳的决策，但实际测试结果与仿真数据存在一定的偏差。因此，我们提出了一种新的加权三边定位方法，该方法结合了信标节点的选择策略和角度权重函数。以筛选出能够参与定位计算的信标节点，并剔除那些不满足标准的信标节点。我们整合角度权重函数定位数据来确保精确的目标节点位置，通过仿真和实验所得的数据表明新算法与原始的三边测量定位算法相比有明显的差异，我们的算法在定位精度上有了显著的提升，并且该算法对硬件的需求较低，实施起来也更为简单。

二、RSSI定位算法

（一）无线电传播损耗模型

无线电信号在空间的传播过程中因受不同环境的影响，其受损害程度也不同。常用的几种无线电传播路径损耗模型[5]包括：自由空间传播模型、地面反射（双线）模型、对数距离路径损耗模型以及对数正态阴影模型等。一般在实际应用中，使用式（1）模型：

（1）

然而，（1）模型没有考虑到遮蔽因子所带来的效应。RSSI值在很大程度上受到周围环境的影响，表现出明显的实质性质， 基于接收到的信号强度来计算距离d可能会导致大的偏差。本文考虑了环境衰减因素，可以有效地补偿环境影响带来的误差，如式（2）：

（2）

在上述公式中，EAF（dBm）被定义为一个环境影响因子。在确定了n和EAF（dBm）的数值之后，再次采样RSSI值且用最小二乘法对所采数据做拟合处理。

（二） 参与定位计算的信标节点选择算法

1.在位置计算中，需选取与未知节点更为接近的信标节点数据

将距离的范围转换为RSSI值区间，距离范围内的RSSI值，权重赋1，反之。

（3）

2.通过分析BLAST包的频率信息，确定未知节点与各信标节点之间的RSSI值优先级权重。

（4）

（5）

（三）加权处理的三边测量定位算法

图1所示为理想三边定位算法，真实情况下三圆相交于一点几乎不可能，而是三个虚线圆相交于一个区域。即阴影面积减小时，定位的准确性也随之提高。令实线圆为C1、C2、C3，虚线圆C1' 、C2' 、C3'，其方程为：

C1：x^2+y^2=1 C1'：x2+y2=1.12

C2：（x-x0）2+y2=a2  （实线圆）     C2'：（x-x0）2+y2=（1.1a）2   （虚线圆）

C3：（x-x1）2+（y-y1）2=b2 C3'：（x-x1）2+（y-y1）2=（1.1b）2

在C3圆移动的过程中，只需确定交汇阴影面积与最小角度之间的变化关系，即得权重方程。

轨迹方程为：

（6）

X1的范围为：

（7）

Y1的范围为：

（8）

三个交点分别由三个圆两两联立求解：

三角形的角度由余弦定理求得。

即阴影面积为：

（9）

通过Matlab仿真，图3可观察到交汇产生的阴影面积与最小角度之间存在一定变化规律。

从图2可知，三边测量定位算法中，信标节点相对于未知节点的位置和信标节点的几何形状会影响定位误差的大小[4]。A、B、C表示信标节点（共N个）中任意三个，Ad 、Bd 、Cd为△ABC对应的三个角的角度α，令α=min（Ad 、Bd 、Cd）， W（α）为权重。

（10）

三、算法步骤

1.信标节点接收未知节点发送的BLAST包，计算对应的RSSI 值，再将其ID 号、RSSI 值以及位置信息（Xi，Yi）（i=1，L N）传递给未知的节点。

2.当接收到信标节点提供的信息后，会根据通信质量按照权重进行从高到低的排序，选出权值较大的N个信标节点来完成自身的定位计算。

3.对于未知的节点，我们根据筛出的信标节点数据，采用RSSI 测距方法来估算其与信标节点之间的距离ri （i=1，L N），若想得到权重多边形的顶点坐标，通过（X1，Y1），L（XN，Y（N））中的任意三个坐标值的组合及ri，L rn中相应的三个值即可计算出。

4.在确定权重值和正规化方面： A， B， C 为三角形的顶点，各顶点所对应的边为a ， b ， c。

5.我们可通过权重重心法来确定未知节点的具体坐标位置：

（11）

6.若计算其他未知节点的坐标值，重复上述1至5步骤。

四、仿真实验及实验结果分析

我们使用MATLAB进行了仿真和验证，该模拟研究了在优化算法中，如何选择最佳的信标节点的数量，可能会对定位的误差带来一定的影响。图3所示当逐渐增添优选信标节点数量时，定位误差会逐渐降低，但当误差达到某一特定值时，它会变得相对稳定。当改进后的算法能够检测到的节点数量超过6个时，它的误差变动较为缓和，数值较小并且相对稳定。（区域：200m×200m；均匀分布：100个信标节点；随机分布：10个未知节点）

当信标节点数量分别为20、40、60、80、100、120时，我们对算法进行了模拟。结果显示当选择的信标节点数量增加时，其定位的准确性提升，与此同时计算的复杂度及节点所需资源也增加。如果要提高定位精度，则需要增加更多信标节点来达到目的，而实际情况下，随着节点数量增多，所需信标节点也随之增多。所以在优化算法的仿真过程里不仅计算了其他未知节点的位置，同时还计算了未知节点的定位误差。之后，我们逐步扩大信标节点的数量，并重复之前的操作，最终得到的数据如图4所示。

图4表明与原始的三边测量定位方法相比，该算法在定位精度上有了显著的提升。在传统三边测量定位技术的基础上，对信标节点的选择进行了进一步的优化，并对角度权重函数进行了加权处理，从而精准地确定了未知節点的具体位置，优化后的算法增强了原有定位方法的稳健性。

五、结语

本文介绍了一种结合信标节点选择策略和角度权重函数的加权三边测量定位方法。在传统三边测量定位技术的基础上，对信标节点的选择进行了进一步的优化，并对角度权重函数进行了加权处理。通过仿真验证该算法不仅定位精度高，且无需增添额外的硬件设备，从而维持了其原有算法的低成本优点。

参考文献

[1]孙玉文.基于无线传感网络的农田环境监测系统研究与实现[D].南京：南京农业大学，2013.

[2]路泽忠，卢小平，等.一种改进的RSSI 加权质心定位算法[J].测绘科学，2019，44（01）：26-31.

[3]屈巍，李晶.基于RSSI的无线传感器网络节点定位技术[J].东北大学学报：自然科学版，2009，30（05）：656-660.

[4]陈维克，李文锋，首珩，等.基于RSSI的无线传感器网络加权质心定位算法[J].武汉理工大学学报：交通科学与工程版，2006，32（02）：265-268．

[5]顾宗海.基于RSSI测距的室内定位算法研究[D].郑州：郑州大学，2011.

作者单位：石斯斯，南京航空航天大学金城学院机电工程与自动化学院；陈潮红，宁夏大学物理与电子电气工程学院

责任编辑：尚丹