基于RSSI测距的加权质心中点定位算法

袁海国 王鹏宇

摘 要：为了进一步提高无线传感器网络的节点定位精度，分析了基于RSSI的加权质心定位算法，并在原算法基础上提出加权质心中点定位算法。仿真结果显示阈值大小与信道路径损耗模型有关，并且加权质心中点定位算法比加权质心定位算法精确度更高。

关键词：定位精度;加权质心算法;无线传感器网络

中图分类号：TP301  文献标识码：A

WeightedCentroidmidpoint Iocalization Algorithm Based on RSSI

Yuan Haiguo Wang Pengyu

Zhengzhou Electrice Power College HenanZhengzhou 450000

Abstract：In order to improve the precision of node localizations of wireless sensor networks，this paper analyzed the weighted centroid localization algorithm based on RSSI，and put forward the weighted centroidmidpoint localization algorithm on the basis of the original algorithm.The simulation results show that it can improve the positioning accuracy of partial nodes and has better localization performance.

Keywords：weighted centroid algorithm;weighted midpoint;wireless sensor networks

1 绪论

基于WSN（Wireless Sensor Network，无线传感器网络）的定位是一种新兴的定位技术，普遍应用于诸多领域[1]。目前无线传感器网络定位的算法可分为基于测距（RangeBased）和无需测距（RangeFree）两大类[2]。收信号强度指示（received signal strength indicator，RSSI）是节点接收到的邻居节点发送的无线信号强度值，可以用来测量节点间的相对距离，该值可由传感器节点自身测量得到，不需要额外的硬件支持，因此RSSI测距方法与质心定位算法相结合的定位算法在实际中较为常用。近年来，研究人员在原算法基础上提出了一系列的改进算法，进一步提高了定位精度。如通过RSSI测量距离值修正算法[3]以及RSSI混合滤波算法[4]减小测距误差，基于三点定位与加权坐标的定位算法[5]，测距校正的拟牛顿定位算法[6]等，但定位精度仍需要提升。

2 算法模型

加权质心定位算法。基于RSSI的加权质心算法的基本思想是在三角形质心算法基础上，通过加權因子来体现不同参考节点对质心坐标的不同影响。设定若干坐标已知的参考节点，测量待测节点O与各参考节点间的距离，取距离O点最近的三个点A、B、C，三点到O点的距离分别为d1、d2、d3（d1

分别以相交两圆半径的倒数和作为其交点的权值，计算ΔM1M2M3的加权质心坐标（x0，y0）定位未知节点，计算公式如式（2）所示。

3 算法改进

大量仿真实验发现，当d2、d3与d1相差不大时，点O将位于ΔM1M2M3内部且接近其质心，此时将质心作为O点估计位置误差较小;但d2、d3与d1相差较大超过一定阈值时，点O将偏离ΔM1M2M3质心甚至位于ΔM1M2M3外部，且靠近线段M1M2，这时仍以质心作为点O估计位置会产生较大误差。

因此，本文提出当d2、d3与d1相差较大时，以线段M1M2的加权中点取代ΔM1M2M3加权质心作为O点的估计位置，即加权质心中点定位算法。设定阈值m1、m2、m3、m4（m4>m2>m1>m3>1），此4个阈值与信道路径损耗模型有关，信道路径损耗模型中参数通过仿真实验确定。

4 系统仿真

本文使用MATLAB软件对改进的算法进行仿真，考察改进算法的性能。设定10m×10m的正方形区域，取5个参考节点坐标分别为（0，0）、（10，0）、（5，5）、（0，10）、（10，10），信道传播模型取参考距离1m处的接收功率P=37dB，路径衰减因子k=3，信道中噪声取均值为0、标准差σ=7的高斯噪声[7]，仿真试验后得到满足该信道传播模型的阈值m1=1.8，m2=2，m3=1.3，m4=2.5，分别用RSSI加权质心定位算法和和本文改进算法进行仿真。分别取横坐标、纵坐标为2、4、6、8生成16个节点作为未知节点进行仿真，结果如图2所示。仿真结果显示，相对于加权质心定位算法8个节点与原算法的精确度相同，另外8个节点（2，2）、（8，2）、（4，4）、（6，4）、（4，6）、（6，6）、（2，8）、（8，8），误差大大減小，比加权质心定位精度更高;两种定位算法的定位误差见右表。

5 结论

本文在原有定位算法基础上提出了加权质心中点定位算法，并将仿真结果与原算法进行比较。结果表明该算法可以提高部分节点的定位精度，验证本文所提出的算法具有一定的可行性和优越性。

参考文献：

[1]蒋锐，杨震.基于质心迭代估计的无线传感器网络节点定位算法[J].物理学报，2016，65（03）：917.

[2]史龙，王福豹，段渭军，等.无线传感器网络RangeFree自身定位机制与算法[J].计算机工程与应用，2004，40（23）：127130.

[3]杨治秋.比例差分修正的RSSI测距WSN节点定位研究[J].机械设计与制造，2019（11）：5154.

[4]倪晓军，高雁，李凌锋.基于RSSI的混合滤波算法[J].计算机科学，2019，46（08）：133137.

[5]徐乐，韦玉科.基于三点定位与加权坐标的三角定位算法[J/OL].计算机工程与应用，18[20200114].

[6]吕争，曾雪松.基于RSSI测距校正的拟牛顿定位算法[J].计算机工程与设计，2018，39（05）：13451349.

[7]方震，赵湛，郭鹏，等.基于RSSI测距分析[J].传感技术学报，2007，20（11）：25262530.

作者简介：袁海国（1990— ），男，河南安阳人，硕士研究生，工程师，主要研究方向为定位测距。