基于接收信号强度的WSN概率定位算法

杨竹青，陆锦军，景征骏

(1.江苏信息职业技术学院 计算机工程系，江苏 无锡214101;2.南京航空航天大学 计算机科学与技术学院，江苏 南京210016;3.南京邮电大学 计算机学院，江苏 南京210003)

责任编辑:许 盈

现代信息技术的三大基础是传感器技术、通信技术和计算机技术，它们分别完成对信息的采集、传输和处理。无线传感器网络(Wireless Sensor Network，WSN)[1]将上述三种技术结合在一起，从而实现了信息的采集、传输和处理的真正统一。

1 定位算法概述

无线传感器网络一些路由机制、覆盖范围、负载均衡和拓扑控制等都取决于传感器网络节点的位置信息[2]。无线传感器网络中节点的位置对于监测信息至关重要，没有位置信息的监测数据通常毫无意义[3]。因此，定位对无线传感器网络的应用十分重要，针对无线传感器网络节点定位技术的研究具有重要的理论意义和现实意义。

1.1 传感器网络研究现状

上个世纪末，传感网络的研究引起了极大关注，各种传感网络的节点定位算法也随之出现，并且取得了一定的成果。国内对定位算法的研究起步较晚，定位算法的研究主要还是对经典算法的改进研究，存在一定的差距。

1.2 无线传感器网络节点定位算法的分类

目前，节点定位算法主要有[4]:

1)基于测距与无测距定位算法。该算法需大量计算，不适用于低功耗的应用领域。

2)绝对定位与相对定位算法。前者是通过得出精确的坐标位置;而后者一般是以网络中部分节点为参考，整个网络为参照的相对坐标系统。

3)基于锚点与无锚点定位算法。前者以锚点作为定位中的参考点，形成相对于整个网络的绝对坐标系统;而后者只关心节点间的相对位置。

2 基于接收信号强度的概率定位算法

在实际环境中，受到温度、障碍物、传播模式等条件的制约[5-6]，使得RSSI定位算法[7]在WSN实际定位系统中的应用仍然存在困难，定位性能并不理想。基于此，介绍一种基于接收信号强度的概率定位方法。该方法与现有的WSN定位算法相比有如下优点:

1)不需要对现有的传感器节点做任何改动，不会额外增加节点硬件成本和功耗，算法易于实现;

2)为提高算法定位精度，采用了信号平均的方法获取RSSI的中值估计，以提高中值估计精度;

3)算法数学模型将不采用传统RSSI算法中普遍使用的三边测量法，而使用概率统计的思想，以简化定位复杂度。

2.1 信号强度对定位的影响

无线信号的传播受多种环境因素影响，对传播质量影响较大。如果接收点测得的信号强度越强，那么发射点距离接收点可能越近。反之，发射点距离接收点就越远。根据这一规律，测量接收到的信号强度基本就可以推算出发射点与接收点之间的距离。

2.2 模型建立

无线信号在传播时，信号路径损耗与距离成对数关系，而且各种障碍物也会对信号造成衰减。在不同的环境下，信号衰减的速率也有不同。由于信号传播环境中障碍物的存在，接收信号的强度必然受到影响，有时这些障碍物会使信号增强，有时候则会使信号减弱。因此，采用如式(1)所示模型对无线信号的路径损耗平均值进行预测

式中:PL(d)为信标节点d处的信号强度;PL(d0)为信标节点d0处的信号强度;n为信号强度变化速率;Q为衰减因子变化的障碍物数量的临界值;O为信标节点与监测点之间障碍物的数量;WAF为由实验测定的障碍物衰减因子。利用上述模型，即可算出无线环境各监控点的信号强度。

2.3 概率定位算法基本原理

在定位过程中，每一次测量形成一个集合，它只是整个测量空间的一部分，把它称为子集X。因为每次测量会有误差，用概率方法来完成一次测量。假设每一次定位测量是独立的，那被测目标可能落在测量空间的任何位置上，且目标落在任何空间位置上的概率密度也会是不同的。落在集合X上的概率要高，落在其他地方的要小，离集合X越远则概率越小。经过多次测量可得到目标在某个位置上的多个概率密度，那么目标落在某个位置上的概率就应该是对应的多次测量概率乘积。得到的总概率密度函数很可能只有一个峰值，把这个峰值对应的空间坐标位置作为与整个测量组对应的定位结果[8-10]。

2.4 基于信号强度的概率定位算法的实现

基于信号强度的概率定位算法的实现流程如下:无线传感器网络信标节点与一跳范围内的其他信标节点交互信息，计算信标节点参考点的传输路径损耗和距离;无线传感器网络中的未知节点分别和一跳范围内的信标节点交互信息，使未知节点获得其一跳范围内各信标节点的ID号、位置坐标、接收信号强度以及其参考点的传输路径损耗和距离;未知节点根据信号强度差分别计算到一跳范围内各信标节点的估计距离;利用概率定位的基本原理，完成未知节点的自身定位，如图1所示。

图1 定位算法实现流程

2.5 系统仿真及信标节点分布对算法性能的影响

无线传感器网络通常应用于人们无法接近的恶劣环境中，传感器节点主要通过飞行器撒播、人工埋置和火箭弹射等方式任意散落在被检测区域内。不同的节点分布方式，对节点的定位性能也存在一定影响。下面通过仿真实验，来分析不同节点分布对概率定位算法性能的影响。其中仿真参数设定如下:传感器覆盖区域为[0，200]m×[0，200]m，未知节点随机分布于该区域;节点总数(包括信标节点和未知节点)为100，信标节点的个数为16;节点的通信半径为60 m;节点的距离测量误差服从[0，30]m的标准正态分布;信标节点的分布分为均匀分布和随机分布两种情况。为使仿真结果更加准确，对概率定位算法随机做10次仿真实验，得到不同分布条件下的节点平均定位误差、定位覆盖率以及算法运行时间。信标节点均匀分布如图2所示，算法性能仿真结果如图3～图6所示。

从图3～图6可以看出，信标节点的分布对未知节点的定位性能也具有较大的影响。当信标节点均匀分布时，未知节点的平均误差、定位时间都比随机分布条件下的性能优越，但定位覆盖率小于随机分布条件下的性能。这是由于均匀分布时处于边界的信标节点不能充分地被未知节点所检测，相当于减少了信标节点的密度。此外概率定位算法中，定位误差随不同的节点变化范围较大，即有的节点定位误差非常小，有的节点定位误差很大，出现较大的波动性。

3 概率定位算法和最小二乘定位算法的性能仿真比较

为了更好地说明概率定位算法的性能，本文以基于距离的定位算法中有代表性的最小二乘定位算法为例来对比分析概率定位算法的性能[11]。其中仿真参数设定如下:传感器覆盖区域为[0，500]m×[0，500]m;信标节点和未知节点随机分布于该区域;节点总数(包括信标节点和未知节点)为200，信标节点的个数为40;节点的通信半径为90 m;节点的距离测量误差服从[0，45]m的标准正态分布。图7为节点位置估计分布图。两种定位算法的性能仿真结果见图8、图9、表1所示。

表1 两种算法性能参数比较

为了更直观地看出概率定位算法的性能优势，从图8中随机抽取15个未知节点做出节点误差统计表，如表2所示。从表2中可以看出采用概率定位算法比最小二乘算法明显减小了定位误差，提高了定位精度。

表2 节点定位误差统计表

由上面的数据可知，从整体上来看基于概率的定位算法其定位性能要明显高于最小二乘算法;测距误差对概率定位算法的性能影响要远小于最小二乘定位算法;概率定位算法依然存在未能定位的节点;概率定位算法在某些节点上定位误差依然较大。

4 总结

无线传感器网络作为一种信息获取和处理技术，广泛应用在国防军事、环境监测、医疗卫生、空间探索及城市交通等众多领域，其中动态目标跟踪就是其中很有前途的应用之一。文中介绍了无线信号的信道传播模型，阐述了基于接收信号强度的概率定位算法的基本原理以及实现流程。在此基础上仿真分析了信标节点分布对定位算法性能的影响，最后比较了本定位算法和最小二乘定位算法在传感器节点定位性能上的优劣。仿真结果表明，信标节点分布对未知节点的定位误差具有较大的影响，本定位算法的性能要优于最小二乘定位算法。

[1]NIKODEM J，NIKODEM M.Secure communication trees in ad hoc networks[C]//Proc.Engineering of Computer-Based Systems.Tucson.[S.l.]:IEEE Press，2007:413-421.

[2]吴绿.一种无需测距的无线传感器网络节点定位技术研究[D].武汉:武汉理工大学，2007.

[3]章浩，李萍萍，张西良.无线传感器网络节点定位机制研究[J].电视技术，2006，30(10):71-73.

[4]王珊珊.基于RSSI的无线传感器网络定位算法研究[D].长沙:国防科学技术大学，2007.

[5]ALIPPI C，VANINI G.A RSSI-based and calibrated centralized localization technique forwireless sensor networks[C]//Proc.4th Annual IEEE InternationalConference on Pervasive Computing and Communications Workshops.Pisa，Italy:IEEE Press，2006:301-305.

[6]SLIJEPCEVIC S，MEGERIAN S，POTKONJAK M.Location errorsin wireless embedded sensor networks:sources，models，and effecton applications[J].MobileComputing and Communications Review，2002，6(3):67-78.

[7]SHEN X，WANG Z，JIANG P，et al.Connectivity and RSSI based localization scheme for wireless sensor networks[J].Lecture Notes in Computer Science，2005(2):578-587.

[8]胡来招.无源定位[M].北京:国防工业出版社，2004.

[9]徐志刚，田增山，田世君.基于概率的无源定位算法[J].信息技术，2005(12):74-77.

[10]黄剑伟.无源定位技术研究[D].西安:西安电子科技大学，2009.

[11]YANG K，AN J P，BU X Y，et al.Constrained total least-squarelocation algorithm using timedifference of arrival measurements[J].IEEE Transactions on Vehicular Technology，2010，59(3):1558-1562.