基于RSSI的无线传感器网络目标定位算法设计

吕元海，王海波，赵　正

（1.西安邮电大学 a.信息中心，b.计算机学院，陕西 西安 710121；2.咸阳师范学院 学报编辑部，陕西　咸阳　712000）

基于RSSI的无线传感器网络目标定位算法设计

吕元海1a，王海波1b，赵正2

（1.西安邮电大学 a.信息中心，b.计算机学院，陕西 西安 710121；2.咸阳师范学院 学报编辑部，陕西咸阳712000）

针对无线节点能够根据接收信号强度估算其到锚节点间距离这一特性，设计了基于RSSI的均值定位和条件概率定位两种无线传感器网络目标定位算法。这两种算法均能够不同程度地实现未知节点的定位。在Matlab7.0环境下对上述算法进行仿真实验，结果证明在同等条件下，条件概率定位算法较均值定位算法具有稳定性好、平均误差小、定位精度高等优点，是一种较好的目标定位算法。

无线传感器网络；RSSI；定位算法

无线传感器网络的研究包括无线通信、时间同步、系统能耗、节点管理、网络安全协议和定位技术等诸多方面，其中定位技术是无线传感器网络［1］正常工作的关键。基于接收信号强度（Received Signal Strength Indication，RSSI）的定位算法是一种测距算法［2］。无线信号在传输过程中，随着传输距离的增长信号强度会逐渐衰减，因此可以建立信号强度随传输距离变化的衰减模型［3-4］，利用接收到的信息计算锚节点与未知节点之间的距离，再利用所测量的距离来定位未知节点。由于无线传感器节点自带RSSI指示的功能［5］，应用成本比较低，在室外定位范围允许的情况下，是一种有效且廉价的解决方案，因而得到了广泛的应用。本文利用无线节点［6］的RSSI能够实现测距的特征，设计了均值定位算法和条件概率定位算法，并对这两种新型算法进仿真与性能分析。

1　网络模型

本文假设在a×b的长方形区域内随机部署n个锚节点，并满足如下条件：

（1）假设，节点在每个方向上能够感知到的最大距离是一样的，以所在位置为圆心，最大感知距离日为半径，形成的圆盘状的覆盖区域，称为感知范围［7］。在覆盖区域内的节点可被感知，如果超过覆盖区域范围，则不能被感知。

（2）无线传播［8-10］是以理想状态为基础的，所有节点之间没有障碍影响。在能被感知的情况下，未知节点距离锚节点越近，则定位越精确。所以，模拟信号的衰减模型，将锚节点所感知的圆面以半径等分为4份。

（3）每个锚节点明确自己的位置信息。

（4）每个节点的通信半径为R=2×r。

2　算法设计

2.1均值定位算法

2.1.1设计思想

所有锚节点向以所在位置为圆心，R为半径的圆盘区域内的节点广播自身的坐标及ID等信息。

如果未知节点i收集到的锚节点数为1，则未知节点的位置就被认为是获取的锚节点的位置的东偏南30°处。

如果未知节点i收集到的锚节点数为2，则计算未知节点的范围节点，再对范围节点求均值，来计算未知节点的坐标。

如果未知节点i接收到的锚节点数大于等于3，计算未知节点与接收到的锚节点之间的距离后，将距离由小到大排序。取距离最小和次小的锚节点计算未知节点i的范围节点。对在第三个锚节点环带中的范围节点的坐标求均值，来计算未知节点的坐标（如图1）。

图1　均值定位算法定位的点

如果未知节点i没有收集到任何锚节点的信息，说明其是孤立节点，无法对其定位。

2.1.2算法流程图

均值定位算法如图2所示。

图2　均值定位算法流程图

2.2条件概率定位算法

2.2.1设计思想

假设未知节点（x，y）在锚节点（x1，y1），（x2，y2），…，（xi，yi）的感知范围内，未知节点距离锚节点越近，则定位越准确。将未知节点到锚节点的距离分为4档（分别为r′1=0.25r，0.5r，0.75r，0.97r），未知节点与锚节点距离相似概率为：

由条件概率的概念可知，若A、B是两个独立事件，且P（A）＞0，称

为在事件A发生条件下事件B发生的条件概率。

将式（1）改写可得：

设能感知到某未知节点的锚节点的概率有4种可能，即：

未知节点出现在某锚节点感知范围内的概率可能为P1、P2、P3、P4分别为：

因此，定位出的未知节点的位置（x，y）为：

2.2.2算法流程图

条件概率定位算法如图3所示。

图3　条件概率定位算法流程图

3　仿真实验与性能分析

3.1仿真实验

采用Matlab7.0对上述算法进行仿真实验，其中节点的传感半径r=5 m，仿真场参数为：a=60 m，b=30 m，在仿真场中随机布设200个同构的锚节点，在实验的过程中将未知节点的个数依次设置为20、50、100、150、200。用圆点表示未知节点的位置，用矩形代表着锚节点的位置，以锚节点为中心的圆为模拟的信号的衰减模型，仿真实验平台如图4所示。

图5为均值定位算法的实验结果。其中，同心圆之外的节点代表未定位出的未知节点，同心圆内连线的节点代表能定位出的未知节点的位置，圆圈代表信号强度的衰减模型，同心圆内未连线的节点代表定位出的未知节点的位置，连线连接的是能定位的未知节点与相对应的定位出的节点的位置。

图4　仿真实验平台

图5　实验结果

3.2性能分析

未知节点与相应的定位坐标之间的距离越短，说明定位越准确，定位的距离差是判定无线传感器网络定位算法的一个重要指标。图6为锚节点通过两种不同形式的算法中推测出的节点和未知节点间距离差的平均数随锚节点数目变化的示意图，分别表示均值定位算法计算的距离差的平均数和条件概率定位算法计算的距离差的平均数。由此可知，在锚节点数目较少的情况下，均值定位算法与条件概

率定位算法的（结果相似），但随着锚节点数目的增加，条件概率定位算法定位的结果更加趋近于未知节点的位置。

图6　平均距离随节点数目的变化曲线图

平均误差的方差是衡量RSSI的无线传感器网络目标定位算法［5］的一个非常重要的指标，它是衡量随机变量与其数学期望（即均值）之间的偏离程度的，方差越小，则该算法的性能越稳定。由图7可知均值定位算法和条件概率定位算法的方差都随着部署的信标节点的个数增加而减小，但条件概率定位算法的方差明显小于均值定位算法的方差。

图7　平均距离方差随节点数目的变化曲线图

由仿真实验可以看出，针对基于RSSI进行无线传感器网络目标定位这一技术问题，条件概率定位算法在定位准确度和性能稳定性上都明显优于均值定位算法。点的定位，但在同等环境下，条件概率定位算法在稳定性、平均误差和定位精度等方面均优于均值定位算法。本文的研究仅是基于二维空间的，具有一定的局限性，下一步工作将在三维空间中实现未知节点的定位问题。

本文设计了基于RSSI实现网络目标定位的条件概率定位算法和均值定位算法，通过仿真实验证明，这两种算法都能够实现无线传感网络中未知节

4　结语

［1］于宁，万江文，吴银峰.无线传感器网络定位算法研究［J］.传感技术学报，2007（1）：187-192.

［2］詹杰，吴伶锡，唐志军.无线传感器网络RSSI测距方法与精度分析［J］.电讯技术，2010（4）：83-87.

［3］曾桂秀，赖旭芝，吴敏.一种分布式无线传感器网络节点定位新算法［J］.计算技术与自动化，2006（4）：28-30.

［4］李成岳.基于DV-Hop的无线传感器节点定位算法研究［D］.长春：吉林大学，2011.

［5］赵文辉，姜宇，刘大昕.高精度无线传感器网络节点定位算法［J］.哈尔滨工程大学学报，2009，30（4）：66-69.

［6］林金朝，刘海波，李国军，等.无线传感网络中DV-HOP节点定位改进算法的研究［J］.计算机应用研究，2009，26（4）：272-275.

［7］张蝉爱.基于RSSI的加权质心定位算法的实现［J］.太原理工大学学报，2009（2）：146-150.

［8］郭昀.无线传感器网络中节点自身定位系统和算法［D］.武汉：华中科技大学，2007.

［9］肖玲，李仁发，罗娟.基于多维标度和信号强度的无线传感器节点定位算法［J］.计算机科学，2007（9）：85-88.

［10］秦小虎，辛云宏，夏海峰，等.无线传感器网络节点定位技术［J］.计算机系统应用，2011，9（6）：117-121.

Design of Target LocationAlgorithm Based on RSSI for Wireless Sensor Networks

LYU Yuanhai1a，WANG Haibo1b，ZHAO Zheng2
（1.a.Information Center，b.School of Computer Science，Xi'an University of Posts& Telecommunications，Xi'an 710121，Shaanxi，China；2.Editorial Department，Xianyang Normal University，Xianyang 712000，Shaanxi，China）

According to the feature of the wireless nodes to estimate received signal strength to anchor nodes，two kinds of wireless sensor networks are designed based on RSSI target localization algorithm，the average localization algorithm and the conditional probability localization algorithm.These two algorithms are able to function the positioning of the unknown node in different degrees.A simulation test is made of the above algorithm in Eclipse4.2 environment simulation experiment.The results show that under the same condition，the conditional probability positioning algorithm has good stability，small average error，high positioning accuracy，which is a good target localization algorithm.

wireless sensor network（WSN）；RSSI；localization algorithm

TP31

A

1672-2914（2016）04-0042-04

2016-04-09

咸阳师范学院科研基金项目（11XSYK345）。

吕元海（1980—），男，陕西西安市人，西安邮电大学信息中心工程师，硕士，研究方向为教学信息化、网络与通信、网络安全。