基于RSSI的无线传感网络节点稳定的定位方法

1.基于RSSI的无线传感网络节点稳定的定位方法，首先进行RSSI采样，随后进行RSSI滤波，接着通过权质心方法得到原始位置，其特征在于：采用动态区域划分方式实现定位离散化，利用基于自动状态机的定位稳定机制避免节点定位跳跃，最后通过定位稳定机制得到最终的节点显示位置；动态区域划分方式为，设t时刻原始位置的横坐标L(t).x和纵坐标L(t).y分别与t-1时刻离散化后的横坐标DL(t-1).x和纵坐标DL(t-1).y之差在界限(1+β)*gl/2之内，其中gl是正方形格边长，β是常数，且0＜β＜1，则t时刻离散化坐标与t-1时刻的离散化坐标相同；否则，就将t时刻离散化的位置定位到与t时刻的原始位置L(t)相对应的正方形的中心；定位稳定机制如下：记SL(t)为移动节点t时刻的显示位置；函数f(DL(t-x)，L(t))(x＝1，2，3)表示通过t-x时刻的离散化坐标与t时刻的原始坐标来计算t时刻的离散化坐标函数，初始时状态置为0，采用离散化处理后：在状态0时：若t时刻离散化位置与t-1时刻离散化位置相同，则维持状态0，即t时刻的显示位置与t-1时刻的显示位置相同，否则进入状态1；在状态1时，若t时刻离散化位置与t-2时刻离散化位置相同，则维持状态0，即t时刻的显示位置与t-2时刻的显示位置相同，否则进入状态2；在状态2时，若t时刻离散化位置与t-3时刻离散化位置相同，则移动节点的显示位置与t-3时刻的显示位置相同，否则将本次离散化后的坐标作为当前的显示位置，并置状态为0。
2.根据权利要求1所述的基于RSSI的无线传感网络节点稳定的定位方法，其特征在于：在所述的定位稳定机制过程中，增加过滤异常包的方法来避免节点受到间歇性干扰时产生的跳跃，即：
初始时，状态设置为0，若t-1时刻与t时刻的RSSI值之差在门限μ之内，则更新参数ave(t)，否则进入状态1，并且将ave(t-1)赋给ave(t)；
在状态1时，若t-1时刻与t时刻的RSSI值之差不超过μ，则进入状态0，并更新ave(t)，否则，进入状态2，并且将ave(t-2)赋给ave(t)；
在状态2时，更新ave(t)，进入状态0；
所述ave(t)表示t-1时刻、t时刻、t+1时刻3次取样的平均RSSI值。

基于RSSI的无线传感网络节点稳定的定位方法\n技术领域\n[0001] 本发明涉及一种节点定位方法，尤其涉及一种基于RSSI的无线传感网络节点定位方法。\n背景技术\n[0002] 在定位跟踪系统中，无线传感网络通常是由一定数量的锚节点和普通节点(或待定位节点)组成，其中锚节点是系统中已知自身位置的节点，如安装有全球定位系统(GPS)或配置网络时预先知道位置等，这些节点在网络中保持静止；普通节点则根据接收到锚节点的信息，如接收信号强度(RSSI)，组装成一个RSSI信息包发送给基站，由基站来计算每个普通节点当前的实时位置。\n[0003] 由于RSSI与距离之间不存在严格的函数转换关系，因此很难将RSSI直接转换为距离，不能顺利地利用三点定位算法来计算移动节点的位置。这就使仅基于连通性的定位算法成为一个研究热点，提出了多个实用的定位算法。质心算法[N.Bulush，J.Heidemann and D.Estrin，“GPS-lessLow-Cost Ourdoor Localization for Very Small Devices”，\n2000]是较早提出的一种简单可行的基于连通性的定位算法。在该算法中，节点根据接收到的RSSI信息包就知道附近有哪些锚节点，以这些锚节点的中心或质心作为该节点的位置。\n为了改进该算法，文献[X.Shen，Z.Wang，etc，“Connectivityand RSSI based Localization Scheme for Wtreless Sensor Networks”，ICIC 2005]提出了基于RSSI的权质心算法。但是，该算法会出现致节点定位不稳定的现象，特别是针对目前的无线传感网络，由于节点的定位不稳定，影响了该技术的有效推广，是应用系统中亟待解决的问题之一。\n发明内容\n[0004] 本发明的目的就是为了解决现有技术中存在的上述问题，提供一种基于RSSI的无线传感网络节点稳定的定位方法。\n[0005] 本发明的目的通过以下技术方案来实现：\n[0006] 基于RSSI的无线传感网络节点稳定的定位方法，首先进行RSSI采样，随后进行RSSI滤波，接着通过权质心方法得到原始位置，其中：随后采用动态区域划分方式实现定位离散化，利用基于自动状态机的定位稳定机制避免节点定位跳跃，最后通过定位稳定机制得到最终的节点显示位置。\n[0007] 上述的基于RSSI的无线传感网络节点稳定的定位方法，其中：所述动态区域划分的方法为，设t时刻原始位置的横坐标L(t).x和纵坐标L(t).y分别与t-1时刻离散化后的横坐标DL(t-1).x和纵坐标DL(t-1).y之差在界限(1+β)*gl/2之内，其中gl是正方形格边长，β是常数，且0＜β＜1，则t时刻离散化坐标与t-1时刻的离散化坐标相同；否则，就将t时刻离散化的位置定位到与t时刻的原始位置L(t)相对应的正方形的中心。\n[0008] 进一步地，上述的基于RSSI的无线传感网络节点稳定的定位方法，其中：所述的稳定定位机制如下：记SL(t)为移动节点t时刻的显示位置；函数f(DL(t-x)，L(t))(x＝\n1，2，3)表示通过t-x时刻的离散化坐标与t时刻的原始坐标来计算t时刻的离散化坐标函数，初始时状态置为0，采用离散化处理后：\n[0009] 在状态0时：若t时刻离散化位置与t-1时刻离散化位置相同，则维持状态0，即t时刻的显示位置与t-1时刻的显示位置相同，否则进入状态1；\n[0010] 在状态1时，若t时刻离散化位置与t-2时刻离散化位置相同，则维持状态0，即t时刻的显示位置与t-2时刻的显示位置相同，否则进入状态2；\n[0011] 在状态2时，若t时刻离散化位置与t-3时刻离散化位置相同，则移动节点的显示位置与t-3时刻的显示位置相同，否则将本次离散化后的坐标作为当前的显示位置，并置状态为0。\n[0012] 再进一步地，上述的基于RSSI的无线传感网络节点稳定的定位方法，其中：在所述的定位稳定机制过程中，增加过滤异常包的方法来避免节点受到间歇性干扰时产生的跳跃，即：\n[0013] 初始时，状态设置为0，若上一轮中最大的RSSI值与t时刻的RSSI值之差在门限μ之内，则更新参数ave(t)，否则进入状态1，并且将ave(t-1)赋给ave(t)；\n[0014] 在状态1时，若上一轮中最大的RSSI值与t时刻的RSSI值之差不超过μ，则进入状态0，并更新ave(t)，否则，进入状态2，并且将ave(t-2)赋给ave(t)；\n[0015] 在状态2时，直接进入状态0；若上一轮中最大的RSSI值与t时刻的RSSI值之差不超过μ，则更新ave(t)，否则，计算t-1、t、t+1时刻3次采样的平均值并赋给ave(t)，上述过程中ave(t)表示t-1时刻、t时刻、t+1时刻3次取样的平均RSSI值，μ是设定的门限值。\n[0016] 本发明技术方案的突出的实质性特点和显著的进步主要体现在：通过RSSI采样、RSSI滤波、权质心方法得到原始位置、定位离散化、稳定机制来得到最终的节点显示位置，能够确保对节点进行稳定、精确的定位，在无线通信技术中尤其是无线传感网络矿工定位系统中的应用前景非常广阔。\n附图说明\n[0017] 本发明的目的、优点和特点，将通过下面优选实施例的非限制性说明进行图示和解释。这些实施例仅是应用本发明技术方案的典型范例，凡采取等同替换或者等效变换而形成的技术方案，均落在本发明要求保护的范围之内。这些附图当中，\n[0018] 图1是取样定位稳定率的对比分布图；\n[0019] 图2是误差累计概率分布图。\n具体实施方式\n[0020] 基于RSSI的无线传感网络节点稳定的定位方法，首先进行RSSI采样，随后进行RSSI滤波，接着通过权质心方法得到原始位置，其特别之处在于：该方法采用动态区域划分方式实现定位离散化，最后通过定位稳定机制得到最终的节点显示位置。\n[0021] 具体来说，RSSI采样就是利用定位装置，让锚节点周期地(例如周期为2秒)广播探测消息，由此来获取到锚节点的接收信号强度。当移动节点接收到探测消息时，记录节点的接收信号强度。并且，移动节点周期地将接收到的RSSI消息发送给基站节点，最终传输到定位系统的服务器端。\n[0022] 进一步来看，在权质心算法定位过程中，服务器端每收到一个RSSI包，就对节点进行定位计算。由于RF信号在传播过程中存在多路效应、障碍物等干扰，不同时刻移动节点收到的RSSI值存在着波动。即使移动节点与锚节点之间不存在任何障碍，在不同时刻采样的RSSI信号也会有小的波动。因此，为了在RSSI信号滤波中平滑RSSI的波动，可以利用多次采样的方法。也就是说，通过计算每个锚节点的平均RSSI值，根据此值来计算移动节点的位置，且采样次数越多，节点定位越稳定。具体来说，可设移动节点u在t时刻接收到锚节点i的信号强度值记为Rv(t)，那么滤波后的信号强度为：\n[0023] 紧接着，在计算得到t时刻的接收信号强度时，便可以计算节点u在t时刻的原始定位L(t)。采用基于RSSI的权质心算法，将t时刻过滤后的接收信号强度 转换为接收信号功率，即代入 Pi(t)表示锚节点i在t时刻的信号强度值(单位mW)。接\n着利用理想的信号衰减模型 来计算每个节点的权，Wi表示第i个锚节点的权值，α为路径损耗系数。\n[0024] 随后，结合 计算\n权值与锚节点定位乘积的累加，就可得到移动节点的位置。其中(Xest，Yest)表示移动节点的定位坐标，Pi(t)(i＝1...N)表示移动节点在t时刻接收到的锚节点i的接收信号强度值。(Xi，Yi)(i＝1...N)表示锚节点i的坐标。\n[0025] 由于节点定位发生跳跃可以分为两种情况，即小范围跳跃和大范围跳跃。本发明采用定位离散化来减小节点在小范围内的跳跃。通过该步骤，节点t时刻的原始位置L(t)转换为离散化的位置DL(t)。具体来说：用L(t).x表示L(t)位置的横坐标Xest，L(t).y表示L(t)位置的纵坐标Yest。DL(t).x表示DL(t)位置的横坐标，DL(t).y表示DL(t)位置的纵坐标。进一步来看，定位离散化就是将给定的区域划分为一些正方形的小区域，离散化后的结果就是这些正方形区域的中心位置。\n[0026] 为了避免定位在两个正方形中间而造成定位跳跃，本发明采用了动态区域划分的方法。动态划分方法如下：记gl表示离散化正方形的边长，β为0～1之间的常量。同时，t时刻原始位置的横坐标L(t).x和纵坐标L(t).y与t-1时刻离散化后的横坐标DL(t-1).x和纵坐标DL(t-1).y之差，在界限(1+β)*gl/2之内，那么t时刻离散化坐标与t-1时刻的离散化坐标相同。否则，就将t时刻离散化的位置定位到与t时刻的原始位置L(t)相对应的正方形的中心。\n[0027] 节点位置经过离散化处理之后，定位的稳定性有了显著地提高，但是有可能寸在\n2到3个点之间来回跳跃的可能。为了进一步提高定位稳定性，本发明采用定位稳定机制尽可能地避免大范围的定位跳跃。具体来说：用SL(t)表示移动节点t时刻的显示位置；\nf(DL(t-x)，L(t))(x＝1，2，3)表示通过t-x时刻的离散化坐标与t时刻的原始坐标来计算t时刻的离散化坐标函数。初始时，状态为0。在状态为0时，若t时刻离散化位置与t-1时刻离散化位置相同，则维持状态0，否则进入状态1，t时刻时移动节点的显示位置与t-1时刻的显示位置相同；在状态1时，若t时刻离散化位置与t-2时刻离散化位置相同，则维持状态0，否则进入状态2，t时刻时移动节点的显示位置与t-2时刻的显示位置相同；在状态\n2时，如果t时刻离散化位置与t-3时刻离散化位置相同，则移动节点的显示位置与t-3时刻的显示位置相同，否则将本次离散化后的坐标作为状态2时的显示位置，并置状态为0。\n[0028] 结合 来看，RSSI值越大的锚节点，权值也越大。在实际应用中，当有障碍或人在RSSI值最大的锚节点附近短暂停留时，可能会使该锚节点的RSSI值有较大的波动，这种含有波动较大的RSSI值的包就是异常包。为了减小异常包对节点稳定性的影响，本发明采用过滤异常包的方法，其大致如下：用r表示上一轮中最大的RSSI值，id表示对应的节点标号，ave(t)表示t-1时刻、t时刻、t+1时刻3次取样的平均RSSI值，μ是设定的门限值。rssi(t)[id]表示t时刻与id相对应的锚节点的RSSI值。f(t-1，t，t+1)是计算t-1时刻、t时刻、t+1时刻3次取样的平均RSSI值的函数。\n[0029] 结合自动状态机来描述：初始时，状态设置为0，若上一轮中最大的RSSI值与t时刻的RSSI值之差在门限μ之内，则更新r，id和ave(t)，否则进入状态1，并且将ave(t-1)赋给ave(t)；\n[0030] 在状态1时，若上一轮中最大的RSSI值与t时刻的RSSI值之差在门限μ之内，则进入状态0，并更新r、id、ave(t)，否则，进入状态2，并且将ave(t-1)赋给ave(t)；\n[0031] 在状态2时，直接进入状态0，并更新r和id，若上一轮中最大的RSSI值与t时刻的RSSI值之差在门限μ之内，则更新ave(t)，否则，计算t-1、t、t+1时刻3次采样的平均值并赋给ave(t)。\n[0032] 再进一步来看，本发明可在基于TmyOS的无线传感器网络(WirelessSensor Network，WSN)平台上实现，而支撑平台的节点类型可采用CrossBow公司生产的Mica系列节点，如Mica2、MicaZ等，基站采用CrossBow公司生产的MIB510板。本发明是基于TinyOS \n1.1.10系统，在MicaZ平台上利用NesC语言开发的应用程序，其中RF能量级设为TXPOWER MAX。实验中使用了6个crossbow公司出品的MicaZ Mote节点，其中4个固定节点摆放在一个5m×5m正方形的4个顶点处。节点坐标分别为B1(0，0)，B2(5，0)，B3(5，5)，B4(0，5)，B0作为基站通过串口与计算机相连，B11作为移动节点。然后将这个正方形细分为25个1m×1m的小方格，随机选取10个格点作为移动节点的位置，进行定位计算，选取β＝0.4。\n[0033] 具体分为两个阶段，第一个阶段是RSSI的采集阶段，每一个周期为2s，记录下移动节点接收到的各个固定节点的RSSI值。共采集50个周期的RSSI值，并计算移动节点接收到各个固定节点信号3次采样的RSSI平均值。第二个阶段就是利用加权质心算法和稳定定位算法对移动节点进行定位。\n[0034] 根据[X.Shen，Z.Wang，etc，“Connectivity and RSSI based LocalizationScheme for Wireless Sensor Networks”，ICIC 2005]中的描述，在室内无障碍环境下测试的，因此信号衰减模型中的参数α应当在1.6～1.8之间。改变α的值的测试结果在表1中列出。\n[0035] 表1\n[0036] \n 1.70 1.790670 100 0.886874 7 0.837491 97\n 1.75 1.790670 100 0.848828 8 0.934161 97\n 1.80 1.790670 100 0.933337 15 0.791333 97.8\n[0037] 由表1可以看出，随着α的增大，加权质心算法的平均稳定率在增加。以α＝\n1.8为例进行分析。图1显示了α＝1.8时10次取样定位稳定率的分布。图2描述了α＝1.8时质心算法、加权质心算法和本发明的各自定位误差的累计概率分布。\n[0038] 通过上述的文字描述并结合附图可以看出，本发明无论是在稳定性和定位精度方面都优于加权质心算法。因此将本发明应用到无线传感网络矿工定位系统中后，能够确保对节点进行稳定、精确的定位。其具有实质性技术特点和显著的技术进步，在无线通信技术中尤其是无线传感网络矿工定位系统中的应用前景非常广阔。