基于RSSI 的低功耗无线传感器网络节点定位方法

李青云

（晋中信息学院 信息工程学院 山西省晋中市 030800）

随着信息技术的发展进步，自动化需求越来越高，因此相关研究人员基于互联网设计了无线传感器网络，该网络可以作为互联网与外界的连接载体，实现信息数据的传输，因此其提高了数据的综合处理效率，符合目前的自动化需求，被广泛地应用在医学、军事等各个领域。由于无线传感器网络在应用过程中常常需要获取节点的位置信息，因此无线传感器网络节点定位问题已经成为目前应用无线传感器网络的重要问题。相关研究人员在这种情况下研究出了各种各样的无线传感器网络节点定位算法，但现有的无线传感器网络定位算法往往受实际时间开销和定位效率影响，无法满足目前的低功耗需求，因此急需设计一种新的无线传感器网络节点定位方法来提高节点定位效率，降低无线传感器网络节点定位功耗。

1 无线传感器网络节点定位方法

1.1 测量无线传感器网络节点信号传输距离

本方法利用Fingerprint 信息定位方法进行测距及位置信息的采集，实现精确定位。首先需要测量节点之间的初始距离，根据节点的分布采集信号传输过程中的特征因素，计算此时的TDOA 数值和方向角AOA，根据采集的距离信息进行定位计算，受实际定位效果影响，在定位参数计算过程中TOANLSLLSLPOCS 数值可能存在误差，可以使用模块辅助方法或非测距法进行计算，还可以利用各节点之间的地理关系和节点能耗消耗情况，设置相对应的位置信息坐标，降低信号传输距离测距的难度，定位过程示意图如图1 所示。

由图1 可知，在整个定位过程中，信号信息与位置信息的关系可作为定位误差判断的关键因素，可以使用额外模块辅助法，在定位节点中添加其他类型的定位模块，实现有效定位。

图1：定位示意图

首先，根据信号的定位需求计算节点信号的定位参数，传统的信号传输定位方法往往使用测距法或非测距法进行定位，但受实际功耗的影响，本文设计的方法将测距法与非测距法中的优势结合，利用RSSI 技术进行定位，消除环境中传输介质、噪声等对定位结果带来的影响。

可以利用Distance Vector hop，计算距离矢量，并根据节点的通信关系估算节点信号的传输距离，在预估的初始阶段需要根据节点的初始位置构建节点信息传递表，再根据节点跳数min 数值得到节点的平均距离关系，受节点的运动误差影响，需要增加节点平均距离值，提高节点距离估算的精度，最后，根据得出的平均距离值进行LLS 计算，得出最终的节点信号传输距离。

1.2 基于RSSI构建无线传感器网络节点定位模型

在无线传感器网络的实际定位过程中，可能出现时间差过小产生的距离测量缺陷，这种缺陷往往会导致信号的传播效率降低，传播差分时间无法满足实际定位需求，RSSI 是一种接收信号强度指示技术，可以根据信号的传播关系实现节点距离的准确估算和定位，且实际RSSI 技术定位过程中可以解决定位损耗问题，基于此构建的RSSI 低功耗无线传感器网络定位模型如下（1）所示。

模型（1）中，P代表定位功率，G代表发射信号，G代表接收增益，λ 代表波长，d代表衰减指数，L 代表损耗，应用该模型可以有效计算路径损耗，得出传播衰减情况，判断各个节点的位置，RSSI 可以将衰减损耗划分成两个类型，即信号损耗和传播距离损耗，该模型利用RSSI 中的信号强度指示理论能有效判断定位路径损耗变化，提高网络节点的定位效率。

构建RSSI 损耗模型后需要计算接收信号与实际定位节点之间的反射角度，因此需要利用Angle of arrival 和Direction of arrival 进行反向角度提取，首先根据接收的节点信号部署相应的阵列天线，结合相位信息之间的角度差值来判断到达角的数值，接下来利用AOA 验证到达角实际数值的计算准确度，根据最小输出功率的变化情况完成位置计算，降低定位时间损耗。

1.3 设计RSSI定位算法

应用设计的RSSI 无线传感器网络节点定位模型定位过程中存在测量角度和测量距离参数，对确定无线传感器的定位位置有重要意义，因此需要设计与实际定位相符的RSSI定位算法，提高定位效果，首先可以根据到达角状态利用三角定位法计算目标坐标数据，定位角的计算公式如下（2）所示。

公式（2）中，(x,y)代表基站坐标数据，(x,y)代表发射坐标数据，此时基站之间的关系可以用45°角的发射线来描述。计算定位角后可以进一步确定无线传感器网络节点的二维空间坐标关系，此时设置三角定位发射点，发射位置T 与实际发射角度θ、θ的关系如下（3）、（4）所示。

公式（3）、（4）中，L 代表基站基础距离，三角定位算法中的实际发射角度计算越准确，定位效果就越好，设计的算法具有AOA 定位优势，即可以实现发射端与接收端的同步操作，降低实际操作误差，还可以使用多个信标节点，降低实际定位时间开销，设计该算法后，本方法对其进行了距离定位测试，测试结果表明，该算法的到达角存在不精确的问题，因此无法适应长距离定位，需要对其进一步优化改进[13]。

1.4 对无线传感器网络节点定位算法进行优化改进

采集无线传感器网络节点定位过程中的环境干扰因子，对其进行通信损耗测试，可以进一步对设计的算法进行定位优化改进，受定位环境影响，改进的行为算法利用了多边定位原理，增加了二维定位中节点数据的可靠性，有效降低长距离定位中的环境影响因素，此时的改进传感器网络定位算法如下（5）所示。

改进算法（5）中，(x,y)、(x,y)…(x,y)代表N 个节点的坐标，对该改进算法进行求解可以得出精确的节点坐标数据。

应用该改进算法尽心迭代权重测试，选取迭代权重高于1 的部分进行传感器网络节点定位，避免无线信号传播过程中环境噪声对定位结果带来的影响，增加最优解寻找的效率，对选取的十个坐标进行权重值测试，测试结果分别为1.64、1.54、1.35、1.48、1.45、1.20、1.12、1.14、1.03、1.48， 权重值测试结果均满足节点定位权重需求，实际测试过程中，如果节点的数量较多，可以进行节点综合配置并进行三边优化辅助，进一步优化节点与锚节点之间的位置关系，此时优化后的位置矩阵需要满足坐标向量与二维向量之间的对应关系，合理对测试范围内的节点进行综合部署，即可避免部署位置共线对定位结果造成的影响。

1.5 实现无线传感器网络节点定位

第一步，利用设计的RSSI 无线传感器网络节点定位算法计算各节点的定位情况，估算RSSI 定位距离值，第二步，利用路径损耗定位Fingerprint 法进行未知估算，确定此时的路径损耗参数，第三步，采集测试区域中节点的RSSI 位置信息，利用实时数据定位库进行综合比对，得出个无线传感器网络节点的位置，第四步，结合RSSI 信号指示强度与Fingerprint 参数根据距离理论得出各个无线传感器网络节点的定位信息，实现无线传感器网络节点定位，一旦在定位过程中出现自由空间传播现象，可以立即设计发射功率与接收功率计算式，绘制PRS 接受功率示意图，排除自由空间传播对实际无线传感器网络节点定位造成的误差，增加定位的准确性。

2 实验

为了检测设计的基于RSSI 的低功耗无线传感器网络节点定位方法的定位效果，将其与传统的无线传感器网络定位方法进行对比，实验如下。

2.1 实验准备

受实际定位误差影响，为了提高实验的有效性，本文使用MATLAB 进行实验仿真验证，选取120m×120m×120m 验证空间，部署无线传感器节点若干个，此时的实验参数如表1 所示。

表1：实验参数

由表1 可知，此时的节点分布合理，节点数量与锚点数量呈3:1 的关系，各个节点之间的距离符合节点的迭代需求，根据实际节点变化情况可知，各节点的适应度会随着节点的迭代次数变化而变化，与其成反比关系，即节点的迭代次数越多，迭代适应度值越小，最后逐渐与最优数值相拟合，测距误差会随着衰减函数的惯性值变化而变化，随着迭代次数增加，一旦其到达了特定的点则会获得最小自适应函数，降低算法运行的总功耗，提高算法运行的效率，在算法运行的中后期，需要逐渐提高函数的搜索能力，根据该原理绘制的自适应变化曲线如图2 所示。

图2：自适应变化曲线

由图2 可知，在迭代前期，迭代总体权重较高，算法的搜索能力也较强，随着迭代次数的增加，算法的权重也在逐渐降低，自适应度也趋于稳定，算法的寻优能力也逐渐下降，此时可以快速地找到最优解，提高算法的有效性。

本文设计的RSSI 低功耗无线传感器网络节点定位方法的实际误差受信号传输模型的组成和迭代影响，因此本实验为了增加测试的效率，利用WPSOWFARSSIDEC 分化测试误差，设计信号传输模型，因此绘制了误差分化曲线，如图3 所示。

图3：误差分化曲线

由图2 可知，此时的误差分化曲线主要代表测试阶段的误差变化，为了确定实际误差值与测试误差值之间的关系，本实验使用四边定位法划分选取节点坐标，设置标准的坐标寻优参数，部分节点坐标如表2 所示。

表2：误差节点坐标

由表2 可知，此时各个节点坐标符合后续的信号传输实验的测试需求，受损耗因子影响，在实际测试过程中选取的信号模型可能存在锚节点测距误差变化情况，会影响实际的实验结果，因此需要利用最优信号参数x 来消除误差变化，避免实验结果受测距误差影响。

上述过程准备完毕后需要绘制节点路径损耗示意图，根据节点间损耗的实际变化情况选取不同的测距优化算法，测量距离在实际判断过程中还需要参照PL（d）的初始值，初始值在-35dBm～-45dBm 之间时算法处于最佳运算阶段，此时的测距误差较小，随着算法的进一步迭代，算法的定位效果规划也逐渐清晰，定位误差也逐渐减小，便于后续的传感器网络节点定位。

2.2 实验结果与讨论

在理想环境下测试空间内需要排除阴影、噪声误差等重要误差的干扰，此时的测试空间呈交叉状态。该环境属于圆周环境，测试空间呈相交状态，根据此时的理想环境分布及上述的准备坐标，使用公式（1）计算传统的无线传感器网络节点定位方法和本文设计的网络节点定位方法的时间开销，实验结果如表3 所示。

表3：实验结果

由表3 可知，设计的基于RSSI 的低功耗无线传感器网络节点定位方法的时间开销较小，证明其符合无线传感器网络节点定位的低功耗需求，具有有效性。

3 结束语

综上所述，无线传感器网络的发展和进步与我国自动化发展息息相关，因此本文设计了基于RSSI 的低功耗无线传感器网络节点定位方法，解决了传统无线传感器网络节点定位存在的时间开销长，定位效率低的问题，进行实验，结果表明，节点数量相同的情况下，设计的RSSI 定位方法的时间开销明显低于其他几种传统定位方法的时间开销，证明设计的方法定位效果好，有一定的应用价值，可以作为后续无线传感器网络节点定位的参考。