基于无线传感器网络的机场特种车定位算法研究

孙毅刚，隋莉敏

（中国民航大学航空自动化学院，天津，300300）

基于无线传感器网络的机场特种车定位算法研究

孙毅刚，隋莉敏

（中国民航大学航空自动化学院，天津，300300）

机场停机坪内特种车辆的定位是机场场面监控的重要部分，基于无线传感器网络实现对机场特种车辆的实时定位。针对RSSI值易受环境影响问题，采用高斯模型对采集的RSSI值进行筛选，通过空间补偿模型将节点映射到同一平面，并提出了修正加权质心定位算法，修正权重系数，提高定位精度。仿真结果表明，该算法能够满足机场特种车定位精度的要求。

无线传感器网络；机场特种车；定位算法

机场停机坪内特种车辆的实时定位和跟踪是机场现场运行指挥和特种车调度的基础[1]。利用无线传感器网络（WSN）获取特种车辆的位置信息是目前实现特种车定位的主要方式。根据定位过程中是否测量节点间的实际距离或角度将定位算法分为两大类：距离无关定位算法和基于测距定位算法[2]。距离无关定位算法不需要距离和角度信息，根据网络连通性实现定位，但定位精度不高，不能满足机场特种车的定位要求。基于测距定位算法通过测量节点间的距离或角度，计算节点位置。

目前常用的测距技术有RSSI、TOA、AOA等[3]。由于很多无线通信模块可以直接提供RSSI值，故RSSI测距方法被广泛应用，但RSSI易受环境影响，影响定位精度。本文在开展基于无线电定位网络的机场场面监控、防撞与调度系统科研项目研究时，经过大量现场试验，对RSSI易受环境影响进行了验证。本文采用高斯模型对收集的RSSI值进行筛选，并通过空间补偿模型将节点映射到同一平面中，减少节点不在同一平面而造成的定位误差，最后采用修正加权质心定位算法，实现机场特种车的高精度定位。

1 RSSI测距和空间补偿模型

1.1 RSSI测距

RSSI测距是指已知发射节点的发射信号强度，接收节点根据收到的信号强度，计算信号的传播损耗，再利用理论和经验模型将传输损耗转化为距离。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电传播损耗有很大影响[4]。因此利用RSSI测距时，要避免RSSI值的不稳定性，使RSSI值更精确地体现无线信号的传输距离。通常采用均值模型，解决RSSI值的不稳定性问题，但无法避免小概率、大干扰事件对测量的影响，故本文通过高斯模型选取大概率发生区的RSSI值，再求其均值。根据实际经验，选择0.7为临界点，当高斯分布函数值大于0.7时，认为对应的RSSI值为大概率发生值。

无线信号的接收信号强度和信号传输距离的关系可以用式（1）表示[5]

其中：RSSI是接收信号强度；d是收发节点之间的距离；A和n用于描述环境参数，A为发射信号在传播1m之后的衰减强度值，单位是dBm。n为信号能量随着到收发节点距离增加而衰减的速率，其数值的大小取决于无线信号传播的现场环境。通过式（1）即可计算出发射节点到接收节点的距离d。

1.2 空间补偿模型

由于机场停机坪现场环境限制，已知节点固定在距离地面5 m（H）的位置，定位节点安装在机场特种车辆的顶部，离地面的距离为h，可随特种车在整个停机坪内移动。因此，已知节点和定位节点不在同一水平面上，如图1所示。

2 定位算法

从理论上讲，已知3个已知节点A、B、C的坐标（x1，y1），（x2，y2），（x3，y3）及已知节点到定位节点 D（x，y）水平距离L1、L2、L3通过三边定位算法，存在下式

由式（2）可得到定位节点D的唯一坐标，然而由于实际环境中多径、绕射、障碍物等不稳定因素的影响，即使经高斯模型和空间补偿后，计算出的已知节点与定位节点水平距离仍总是大于两节点间的实际水平距离，如图 2 所示，以 A、B、C 为圆心，L1、L2、L3为半径分别画圆，可得交叠区域，而不是相交与一点。通常采用三角形质心定位算法估计定位节点的坐标[6]。

计算以 A、B、C 为圆心，L1、L2、L3为半径画圆得到的交叠区域的3个特征点E、F、G的坐标，以这3个点为三角形的顶点，定位节点即为三角形质心。其中特征点E点的计算方法为

通过修正的质心定位算法不仅增加了RSSI数据的信息，而且充分合理利用了测量数据的信息，在权值的选取中合理选择权重系数，使得整个定位精度得到了很大的提高。

3 算法步骤

基于以上修正的加权质心定位算法，定位节点的坐标位置计算过步骤如下：

1）定位节点周期性地向周围环境广播XY_RSSI指令，其中包含定位节点自身ID，已知节点收到指令后，记录定位节点的ID和RSSI值。

2）已知节点记录同一定位节点的一定数量的RSSI值并存在数组Beacon_val[]中，运用高斯分布函数处理这些RSSI值，选取高斯分布函数值大于0.7的RSSI值，并存放到另一数组Beacon_val_gauss[]中，求数组Beacon_val_gauss[]中RSSI值的均值。

3）已知节点将RSSI均值、自身坐标信息一起发送给指定ID的定位节点。定位节点接收到已知节点的数据后，进行解析，提取已知节点ID、RSSI均值以及已知节点XY坐标值，并存储在结构数组中。

4）定位节点根据收到的RSSI值大小对已知节点进行升幂排序，通过式（1）和空间补偿模型将RSSI值转化为定位节点与各个已知节点的水平距离L，其中环境参数A和n分别取47和3。

5）选取离定位节点最近的9个已知节点，按水平距离 L从小到大顺序排列，L1＜L2＜L3＜L4＜L5＜L6＜L7＜ L8＜ L9，将其分为三组，即：（L1，L2，L3），（L4，L5，L6），（L7，L8，L9）。

6）通过式（3）计算每组已知节点对应的三个顶点的坐标。

7）采用三角形质心算法、加权质心算法、修正的加权质心定位算法分别对每个定位节点对应的三组已知节点进行计算，产生三个定位节点坐标，构成一个三角形，取这个三角形的质心作为定位节点的坐标。

4 仿真及分析

采用MATLAB7.0对上述算法进行仿真，假设在100 m×100 m的自由空间内，均匀布置20个已知节点，定位节点的坐标由MATLAB7.0随机生成函数生成。然后根据式（1）生成RSSI数据，并在数据中添加信噪比为20的高斯白噪声来模拟实际环境中的绕射、多径、障碍物、气候变化等环境因素带来的影响，按照上述的算法步骤进行仿真定位，每种算法反复运行100次，并计算各种定位算法的平均定位误差。

1）随机生成10个定位节点，修正加权质心定位算法中的修正指数n依次取为1，2，…10，采用三角形质心算法、加权质心算法、修正加权质心算法进行定位计算，经过多次仿真，计算平均定位误差，如图3所示。

由图3可知当修正加权质心算法中的修正系数n取5时，定位精度最高，定位误差仅为0.905 2 m。

2）随机生成10个定位节点，通过修正的加权质心算法（n=5）对定位节点进行定位，仿真结果如图4所示。圆圈为随机生成的定位节点，五角星为修正的加权质心算法计算的定位节点坐标。

5 结语

针对机场停机坪内建筑的布局，合理布置已知节点的位置，通过无线传感器网络实现停机坪内特种车辆的实时定位。本文详细介绍了RSSI测距方法，通过高斯模型筛选RSSI值，避免小概率、大干扰事件对测量的影响。针对已知节点和定位节点不在同一平面的问题，提出了空间补偿模型，减少定位误差，并详细介绍了三种定位算法以及定位步骤，通过大量的仿真实验，在相同条件下，修正后的加权质心算法定位较其他两种定位算法定位精度要高。在机场附近的室外环境试验，采用修正后的加权质心算法进行特种车定位，定位精度能够达到1 m左右，与仿真结果基本一致，能够满足机场特种车定位要求。

[1]郭小琴，孙毅刚．机场场面无线传感器网络监控系统关键技术研究[J]．计算机工程与设计，2009，30（20）：5106-5108.

[2] 孙利民．无线传感器网络[M]．北京：清华大学出版社，2005：135-155.

[3] 汪 炀．无线传感器网络定位技术研究[D]．合肥：中国科学技术大学，2007.

[4] CHO H，KANG M，PARK J，et al.Performance Analysis of Location Estima tion Algorithm in ZigBee Networks Using Received Signal Strength[C]//Proceedings of the 21st International Conference on Ad vanced Information Networking and Applications Workshops，2007.

[5]ZHUAN CHENG ZHANG，MAX Q-H Meng，FUQING WU．Design of WSN Node Based on CC2431 Applicable to Lunar Surface Environment.Bangkok,Thailand:the 2008 IEEE International Conference on Robotics and Biomimetics,2009,（26）:1087-1092

[6] 林 玮．基于RSSI的无线传感器网络三角形质心定位算法[J]．现代电子技术，2009，32（2）：180-182.

Study of Airport Special Vehicles Localization Algorithm Based on WSN

SUN Yi-gang，SUI Li-min
（Aeronautical Automation College，CAUC， Tianjin 300300， China）

The localization of airport special vehicles is an important portion of airport surface monitor on the airport apron.The paper realized the real-time localization of the airport special vehicles on WSN.Arming at environment influence problem of RSSI，Gaussian model was applied to choice RSSI values.A space compensating model makes all nodes in a flat surface.A modified weighted cancroids localization algorithm improves the precision of localization.The simulation result show the modified weighted cancroids localization algorithm has met the requirements of the airport special vehicles localization accuracy.

WSN；airport special vehicles；localization algorithm

V35；TP393

A

1674－5590（2011）01－0022－03

2010-10-25；

2010-12-06 基金项目：中国民用航空局科技基金项目（MHRD0609）

孙毅刚（1963—），男，山东汶上人，教授，博士，研究方向为航空地面特种设备、网络化测控技术.

（责任编辑：李 侃）