无线传感器网络基于信号强度（rssi）标准集中定位技术

无线传感器网络基于信号强度（rssi）集中定位技术 无线传感器网络基于信号强度(rssi)校准集中定位技术 摘要 本文使用获得的信号强度为无线传感器网络提出了一种多跳定位技术。提出的系统为了使静态/准静态无线传感器网络在不需要之前配置信息的前提下提供一个有效的自身定位的解决。 1、 引言 在无线传感器网络中定位是最重要和最值得研究的课题之一，因为它影响能量的消耗和路由。根据标准可分类成大的著作。其中一个定位的实际应用，通过电磁波的衰减或者覆盖发送器和接受器之间距离所需的时间，如果利用超声波，我们可以利用时间到达的差别来判断。他能够扩展到其他音频信号。另一种分类根据范围特征，它可以分成基于距离相关和基于非距离相关的定位技术。而且我们也可以根据单跳和多跳的定位策略分类。最后，我们能够分类成分布式和集中式定位系统。 虽然在没有一个仔细区域指定训练状态的rssi方法被证明在室内环境性能较差，在户外环境下他仍然是很多应用，尤其是定位，的最简便的解决方法。当在户外测量条件下，他可能通过理论和实验测试后来提取信号衰减模型和选择一个简单的高斯圆形模型或者更复杂的经验模型。在很多情况下模型并不合适，除非我们同时考虑到分布节点的独特环境特性。 本文我们为一个放置一些节点的典型环境提出一种实际的节点定位方法，网络的边界放置一些锚节点(他们的位置是已知的)。在不同能量水平之间的节点交换的所有数据包的rssi值会收集起来，然后建立一个带有集中最小二乘法的距离模型。距离模型根据选择最优近似家庭和规范接受能量的强度实现在线采集到的rssi值进行校准。 虽然在静态的wsn中在没有外部干扰的情况下rssi的分布式恒定的，我们提出一个当节点在一个固定范围变化时，可以容易扩展来进行位置更新的系统。新的改进可以允许目标网络适合应用在节点缓慢运动的场合(准静态网络)。 我们的做法可归纳为 一个不需要建立大量分布节点的实用自身定位系统 一个可以校准rssi值的距离模型 文章的结构，第2部分描述室外定位选择的框架;第3部分提出我们的能量衰减模型技术，第4部分介绍优化算法的表达式，第5部分给出mica2平台试验的结果。 2、定位环境 我们假设wsn节点撒播在一个开放的环境，我们不需要特殊的特征来让他统一。一个rf衰减模型能够使用在整个区域。放置在某一场景后，一个节点的子集必须精确的定位，可以根据gps或者地形技术:他们作为误差很小的锚节点。根据图1，我们建立N个节点和M个锚节点，每一节点的坐标为(x,y)i(开始的仿真建议考虑区域边界的锚节点)。 我们包括以下不同阶段的定位步骤 1、 网络的rf地图:它可以通过在网络不同能量等级之间传送短的数据包和存储在 存储表内接受包rssi的平均值(我们建议考虑5-10个值来队rssi估算) 2、 距离模型的建立:两个锚节点的纪录在中心点处理来补偿非线性和校准模型 3、 集中定位算法:解决系统优化的问题和提供节点的位置 定位过程相当于传感器网络的能量消耗过程，由于他需要产生更多的数据包和需要获 得很多中心点的信息。结果，定为执行的很少，例如，在开始的时候，节点已经放置 之后。由于普通网络的活动性得到下一步的提炼，例如当节点rssi平均值会随时变化(在 这种情况下识别信息必须发送到中心点来请求定位更新)。由于定位的第一部较简单， 我们把主要的精力放在第2和3步上。 3(rf衰减模型的建立 为了建立一个rf衰减模型 w.r.t 距离，不同情况需要考虑 1、 近似功能家庭。当在室内环境下建立一个衰减模型是非常困难的和我们需要根据经 过数据的采集建立经验模型或者在区域内分布大量的锚节点(需要很大的开销)， 34室外测量值与1/r-1/r成比例，其中r是发送与接收点之间的距离。模型依靠节点 之间的距离和外部环境来建立的。 2、 特定环境的校准，需要考虑特定周围反响。 3、 由于生产过程中节点不相同导致硬件的波动 4、 测量的数量能够减少噪声的影响 、 配置模型信息的参数数量 5 我们最后的方法和文献8提出的方法类似，但是我们通过研究不同的模型集合，确定利用实验采样。然后我们考虑所有相关的连接信息来建立一个在不同能量等级调制的发送器的距离模型。这点需要我们研究发送和接受功率的关系和正确地规范相同tx功率的数据。详细地说，我们依靠衰减集合 k P=a+b/rT 其中P接受的功率，是收发器之间的距离，k可以根据特定的环境设成2,3,4。我TT 们已经为了简便和理论特性选择了他的特定模型集合，模型不需要根据非常复杂的模型。K范围内的值为离散值来使k的选择变得简单，他在为获得符合所有离散ks的数据后通过定位确定集合的性能比较在线完成。校验允许寻找最优的参数a,b.我们利用所有网络同样的模型(a,b的值是相同的)，因为我们认为射频信号的不同能够在不需要对每一个节点偏量和每一个连接偏量进行校验的情况下得到一个合适的定位算法(mica2 估计 +-7dbm)。由于扩展校验在最终定位相同的环境下需要一个或更多地初步分布情况，所以它是很难实施的。然后，我们的选择为了利用一个整个网络唯一的参数来调整大量的采样点的数据，最后获得一个更好的平均影响。 第2个问题是一个连接的收发功率的关系，在本文中，给出P=f(P),假设P+a= rxtxrxf(P+a).虽然我们不研究产生非线性的原因，但我们希望减轻它的影响和对接受功率进tx 行校正，校正允许我们规范所有采集到的能量。分成不同的能量等级，然后利用它建立一个模型。非线性可能依靠硬件单元而不是通过通信渠道，所以我们建议采用离线这种最方便的方法。线性调整因素能够在每一次连接或者每一个节点偏移时提取出来，但是这种方法太昂贵和我们选择一个能够产生所有设备的平均值的唯一因素。图2提供了mica2平台上的校正曲线。它在25个不同节点和超过2000个信号强度的数据集和里包括平均的变化。根据上述曲线，在所有的定位分析之前可以得到功率规范化信息。 4、 定位算法 提出的算法通过减少节点到测量点之间的距离总的差异来对节点进行定位(最小2乘法)。 设一个来自rf地图特征阶段的一般的组(i,j, P,P)，其中i为发送节点以及j为接受节rxtx 点。第一步是对接收到的功率进行校正。 ’P=f(P,P) rxrxtx 其中，f()为规范化方程，他考虑了非线性因素(图2可看出)，节点之间的估算距离为 其中，m()为之前建立的距离模型 最后通过减少约束方程得到最终解 其中N为节点的数量，a为指示器变量(1代表连接建立，否则为0)，d(i,j)为锚节点i,j 之间已知的距离。一旦节点之间的距离r表示为坐标(x,y)i, x,y)j,简化可以简单地用任i,j 何方法来实现(在我们的实验我们已经利用一个连续的2次方程式-sqp)。K(i,j)允许考虑综和的不同贡献，也就是说，衡量这个区域的不同信息，当分散测量的距离改变时这个特点可以利用。在上述情况我们建议增加带有低分散连接负担。 5、 试验结果 我们定位方法的效果在一个真实的室外场景测量过:20个mica2的节点放在一个足球 场内，区域的面积为500平方米(图3)。所有低水平的通信层(路由)已被tinyos工 具覆盖，没有任何的优化。实验如图3所示节点的定位被认为priori.在这种情况下当锚 节点的数量改变需要重新的评估系统。 根据我们之前的分析，第一步是建立一个特定环境的模型。一些实验已经通过所有可以得到的数据(不仅是锚节点的连接来实现现行校正的影响(功率校正)和当建立模型时不同的近似方程(典型的框架由图4所示)。在表1我们通过给出不同近似方程的 3均方根误差来得到主要的结果。最合适的是带有线性校正和1/r的方程。在一个应用中，在另一方面，只有一些锚节点可知，所以我们进行不同的测试来检验距离精度的衰减作为锚点数的方程。 定位算法的总体平均误差可由图5得到。每一个测试的距离模型可以由在锚节点的组产生，而不是由我们在图4给出的数据集合得到。Mls(最小2乘法)在这里 3每个连接相同的负载下运行。,结果表明在我们的环境下1/r为最好的近似值(与锚节点的数量相互独立的)。我们研究系统带有5个锚节点时的表现:如3果我们把近似模型换成另外一个，计算所有可得到的数据，我们得到当family为1/r时效果最好。我们然后增加锚节点的数量，但是这种方法是繁琐和昂贵的。取而代之，我们的方法是在同一个连接上开发所有有用的信息(不同发射功率的组)。 定位的结果提供了在6个锚节点一个大约3米误差。七个锚节点误差大约为2.3米。这个值表明了45%的节点平均距离和小于10%的区域面积，当锚节点平均距离以米为单位，他小于1/4。我们相信衰减模型的误差造成的主要原因是室外环境存在一些非理想因素;在我们的实验误差主要由于土地的反射(节点直接放在地上)或者节点放置区域的不完整性，甚至由于天线的方位不同，或者射频放射的各向异性。在现实环境中，这些因素是不可以控制的，所以一个很完美的结果是不可能的。 文章的比较不容易，因为我们需要相同的实验环境和一个相似的硬件平台，而且这种结合是不可能的。在任何情况下最可能相似的条件是文献8，同样是mica2的无线传感器网络平台，他们在带有49个mica节点50*50米的范围内得到的误差是4.1m。我们的结果非常相似，但是我们的模型是在线建立的(精度一般比离线的低)而且我们的是平均值而不是中间值(最坏的情况去掉)，在，文献4，从另一方面，他们利用另一个wsn平台和仅考虑一个距离模型的连接，大于90%的节点获得一个等于参考节点1/3距离的误差，比我们得到的精度低。 6、小结 文章提出了一个室外环境下基于rssi集中定位技术。我们的方法允许 放在任何环境下同时不需要复杂的离线校正和利用了最小2乘法。实验通过比较基于rssi多跳定位系统，验证了以这种方法的有效性。如果没有微小的改进，当在500平方米的范围内节点的密度每25平方米一个，我们得到小于3米的误差