基于RSSI优化的模型参数改进室内定位算法

来源:用户上传      作者:

　　摘 要：定位技术在无线传感器网络中越来越引起人们的重视。针对传统基于RSSI测距的室内定位算法中，RSSI值易受环境影响、最小区域传播损耗模型参数不精确的问题，提出了一种RSSI值优化处理、模型参数进行改进的定位算法。该算法先用高斯模型对节点收到的所有RSSI值进行加权处理，然后根据RSSI值对传统最小区域损耗模型参数进行了改进，最后通过选出的三个锚节点，讨论了三圆相交于一点、一个区域的二种不同情况，并用区域质心算法得到了估计位置。实验结果表明：经过RSSI优化处理的模型参数改进定位算法，优化了测距值，使三边-区域质心定位算法的定位误差维持在1.0～1.6m，提高了定位的稳定性和精确度。
　　关键词：接收信号强度指示;测距;高斯模型;传播模型;区域质心算法
　　中图分类号：TP393文献标识码：A
　　无线传感网络（WSN）的室内定位技术是目前的研究热点。
　　基于测距的RSSI室内定位算法操作简单，無需额外大量硬件，但其易受环境影响，使得其测距值存在很大误差。针对RSSI值不准确的问题，文章[1]采用高斯滤波对其进行改进，优化了RSSI值。文章[2]将将整体环境进行分区，在不同区域进行模型参数的拟合，提高了测距精确度。文章[3]先获得未知节点所在的最小子区域，然后用路径损耗模型对参数进行了实时估计，提高了模型参数的精确度。受上述相关研究的启发，本文先对获得的RSSI值进行高斯加权处理，然后根据RSSI值对传统最小区域损耗模型参数进行改进，最后通过采用三边-区域质心算法[4]的得到所要的定位值。
　　1 高斯加权处理优化RSSI值
　　根据文献[4]，我们知道室内外环境下RSSI值与距离存在衰减关系。当较近距离传输时，RSSI值衰减较快，接收强度RSSI值相对传输距离的变化表现明显，参考价值大。因此实验只取前10m的数据以满足更为精确的定位要求。
　　本实验接收到RSSI值有200个，对其进行高斯滤波，留下中间120个，对它们进行从大到小排序，平均分为4组，编号为A、B、C、D，对各组的数据求平均值，分别记作RSSIA，RSSIB，RSSIC，RSSID。
　　4 实验结果与分析
　　本文以TI公司的CC2430和CC2431为通信模块（锚节点采用CC2430模块，未知节点采用CC2431模块），进行了室内实验。设计实验环境如下：选择存在电脑信号干扰、一定人员走动的实验室，室内大小为10m×8m，在四个角落布置4个锚节点，其坐标分为（0，0），（0，8），（10，0），（10，8），锚节点和未知节点的采样频率都为5次/s，同一段连续时间后，未知节点采集到锚节点发送的200次RSSI信号，每个锚节点采集到其他不同锚节点发送的200次RSSI信号，然后改变未知节点位置，重复上述实验10次，获得10组不同的数据。
　　将采集的RSSI信号进行高斯加权处理，分别用传统的最小区域损耗模型方法和改进了的模型参数方法来计算模型参数，进而用对数模型将它们分别转化为距离，然后通过三边-区域质心算法进行室内定位。本实验引用定位误差e作为定位性能的判定，其公式为：e=（x-x0）2+（y-y0）2
　　由图3可以看出，与传统最小区域传播损耗模型相比，改进算法的定位误差明显减少。定位误差的范围由1.1m到2m不等变为1m到1.6m不等;定位误差小于等于1.5m由原来的50%变为80%;10组实验的定位误差均值也由1.56减少为1.29。
　　5 结语
　　实验表明，优化了测距的三边—区域质心算法的定位误差为1～1.6m，有效提高了室内定位的精确度和稳定性。
　　参考文献：
　　[1]陈丽，王学东，孙晶晶.基于改进高斯滤波的室内无线定位算法[J].电气自动化，2014，36（3）：31-33.
　　[2]张苍松，郭军，崔娇.基于RSSI的室内定位算法优化技术[J].计算机工程与应用，2015，51（3）：235-238.
　　[3]李瑶怡，赫晓星，刘守印.基于路径损模型参数实时估计的无线定位方法[J].传感器学报，2010，23（9）：1328-1333.
　　[4]徐久强，刘伟.基于RSSI的WSN抗干扰定位算法[D].东北大学，2010.
　　基金项目：国家自然科学基金资助项目（41374039）;国际科技合作项目（35-14）
　　作者简介：程俊（1989-），男，汉族，硕士，主研方向：物联网、无线传感网。
转载注明来源:https://www.xzbu.com/1/view-14728517.htm