基於RSSI的無線傳感器網絡三角形質心定位算法

2021-01-18 電子產品世界

摘 要：節點定位是無線傳感器網絡中的關鍵技術之一。基於RSSI的定位技術是現階段研究的熱點，為解決RSSI測量方法定位誤差較大的問題，提出一種將RSSI測量方法與三角形質心算法相結合的新型定位算法，該算法用三角形質心算法減小RSSI的測量誤差。仿真表明該算法比基於RSSI的三邊測量法定位算法的定位精度有較大提高。
關鍵詞：無線傳感器網絡；定位算法；RSSI；質心；三角形質心定位算法

本文引用地址：http://www.eepw.com.cn/article/163828.htm


0 引 言
無線傳感器網絡是面向事件的監測網絡，對於大多數應用，不知道傳感器位置而感知的數據是沒有意義的。實時地確定事件發生的位置或獲取消息的節點位置是傳感器網絡最基本的功能之一，也是提供監測事件位置信息的前提，所以定位技術對傳感器網絡應用的有效性起著關鍵的作用。
在無線傳感器網絡中，按節點位置估測機制，根據定位過程中是否測量節點間的實際距離或角度，可分為基於距離(Range―based)的定位算法和距離無關(Range―free)的定位算法。前者需要測量節點間的實際距離；後者是利用節點間的估計距離來計算末知節點的位置。在基於距離的定位算法中，測量節點間距離或方位時採用的方法有TOA(Time of Arrival)，TDOA(Time Difference of Arrival)，RSSI(ReceivedSignal Strength Indication)和AOA(Angle of Arri―val)。距離無關的算法主要有質心算法、DV―hop算法等。相比之下，基於距離的定位算法測量精度較高，距離無關的定位算法對硬體要求較低。
比較各種基於距離的測距算法，TOA需要精確的時鐘同步，TDOA需要節點配備超聲波收發裝置，AOA需要有天線陣列或麥克風陣列，這三種算法對硬體要求較高。RSSI技術主要是用RF信號，而節點本身就具有無線通信能力，故其是一種低功耗、廉價的測距技術。
接收信號強度指示RSSI的定位方法，是在已知發射節點的發射信號強度，根據接收節點收到的信號強度，計算出信號的傳播損耗，再利用理論和經驗模型將傳輸損耗轉化為距離，最後計算節點的位置。因為理論和經驗模型的估測性質，故而RSSI具有較大定位誤差。
基於RSSI技術，提出一種將RSSI測量方法與三角形質心算法相結合的新型定位算法，該算法用三角形質心算法減小RSSI的測量誤差。仿真表明，該算法基於RSSI的三邊測量法定位算法相比，極大提高了定位精度。


1 國內外相關研究
當無線信號在大氣環境中傳播時，由於多種因素影響，信號強度會隨著其傳播距離的增加而衰減。這表明，信號強度變化與傳播距離間存在著某種函數關係，且通常情況下傳感節點均可很容易配置測定接收信號強度的模塊。所以，近年來研究人員開始將RSSI技術用於傳感器節點定位中。
目前，對RSSI的研究主要有兩個方面。一是，提高改良傳輸損耗模型，建立更符合實際環境的數學模型；二是，結合各種測量算法，減小傳輸損耗模型帶來的誤差。這裡研究重點在第二個方面。
最早的研究人員使用RSSI加三邊測量法的定位技術，如文獻中的RADAR室內定位系統。
文獻的作者提出採用交疊環定位的方式，利用包含未知節點的相互交疊的環形區域來定位未知節點。該方法只是比較相應RSSI的大小，並未利用它測距。文獻提出一種加權質心定位算法，它提出信標節點影響力的概念，節點到信號源的距離越近，由RSSI值的偏差產生的絕對距離誤差越小，影響力越大。影響力越大的信標節點對節點位置有更大的決定權。其採用優選信標節點的方式，根據信標節點對未知節點的不同影響力確定加權因子，以此來提高定位精度。
文獻提出綜合RSSI算法和切圓圓心法的RCM算法，提高了定位精度，仿真表明，在RSSI測距誤差散布達到50％時，定位誤差可降到10％以內。


2 基於RSSI的三角形質心算法模型
與文獻一樣，該算法針對大規模隨機散布野外應用環境，這類應用大都不需要節點進行精確定位，只需要知道節點的大概區域就可滿足需求，同時要求硬體成本低、定位過程通信開銷小、節能。
2．1 基於RSSI的定位
RSSI測量，一般利用信號傳播的經驗模型與理論模型。
對於經驗模型，在實際定位前，先選取若干測試點，記錄在這些點各基站收到的信號強度，建立各個點上的位置和信號強度關係的離線資料庫(x，y，ss1，ss2，ss3)。在實際定位時，根據測得的信號強度(ss1′，ss2′，ss3′)和資料庫中記錄的信號強度進行比較，信號強度均方差最小的那個點的坐標作為節點的坐標。
對於理論模型，常採用無線電傳播路徑損耗模型進行分析。常用的傳播路徑損耗模型有：自由空間傳播模型、對數距離路徑損耗模型、哈它模型、對數一常態分布模型等。自由空間無線電傳播路徑損耗模型為：


式中，d為距信源的距離，單位為km；f為頻率，單位為MHz；k為路徑衰減因子。其他的模型模擬現實環境，但與現實環境還是有一定的差距。比如對數一常態分布模型，其路徑損耗的計算公式為：


式中，Xσ是平均值為O的高斯分布隨機變數，其標準差範圍為4～10；k的範圍在2～5之間。取d=1，代入式(1)可得，LOSS，即PL(d0)的值。此時各未知節點接收錨節點信號時的信號強度為：

RSSI=發射功率+天線增益一路徑損耗(PL(d))
2．2 基於RSSI的三角形質心定位算法的數學模型
不論哪種模型，計算出的接收信號強度總與實際情況下有誤差，因為實際環境的複雜性，換算出的錨節點到未知節點的距離d總是大於實際兩節點間的距離。如圖1所示，錨節點A，B，C，未知節點D，根據RSSI模型計算出的節點A和D的距離為rA；節點B和D的距離為rB；節點C和D的距離為rC。分別以A，B，C為圓心；rA，rB，rC為半徑畫圓，可得交疊區域。這裡的三角形質心定位算法的基本思想是：計算三圓交疊區域的3個特徵點的坐標，以這三個點為三角形的頂點，未知點即為三角形質心，如圖2所示，特徵點為E，F，G，特徵點E點的計算方法為：


同理，可計算出F，G，此時未知點的坐標為由仿真得，在圖2中，實際點為D；三角形質心算法出的估計點為M；三邊測量法算出的估計點為N。可知，三角形質心算法的準確度更高。

51單片機相關文章:51單片機教程

傳感器相關文章:傳感器工作原理

風速傳感器相關文章:風速傳感器原理

相關焦點

  • UWB定位算法介紹
    1、三邊定位算法三邊測量法適合三個參考節點對一個未知節點實行定位，其通過未知節點與參考節點的距離公式列出三個數學關係式，進而求解需要定位的節點坐標。未知節點的位置計算原理如圖2所示。設三個參考節點的坐標分別為 A(x 1 ， y 1 )、B(x 2 ， y 2 )、C(x 3 ，y 3 )，未知節點 D 的坐標為 (x, y)，該節點到 A、B、C 的距離分別為 r 1 、r 2 、r 3 ，由此可得式（1）：2、質心算法質心算法是依靠節點互相通信找出與距離定位節點較近的參考節點，將這些參考節點構成的多邊形區域的質心作為定位節點的位置估計
  • 無線多媒體傳感器網絡MAC協議研究
    0 引  言    無線多媒體傳感器網絡(WMSN)是在傳統無線傳感器網絡(WSN)基礎上引入了音視頻和圖像等多媒體信息感知功能的一種新型傳感器網絡。網絡協議棧的底層，主要功能是在相互競爭的傳感器節點之間分配有限的無線信道資源，決定著無線信道的使用方式和網絡性能，是保證整個網絡正常運行的重要技術。
  • 無線傳感器網絡知識大全
    無線傳感器網絡主要由三個部分組成：節點、網關和軟體。空間分布的測量節點通過與傳感器連接對周圍環境進行監控。監測到的數據無線發送至網關，網關可以與有線系統相連接，這樣就能使用軟體對數據進行採集、加工、分析和顯示。路由器是一種特別的測量節點，你可以使用它在WSN中延長距離以及增加可靠性。
  • 基於改進的LM算法的可見光定位研究
    結果表明，該模型與廣義朗伯模型具有一致性，且μ值選取正確時算法最少只需17次迭代，而基於此的可見光定位系統在1.48m x 1.51m x 1.65m的實際定位空間中達到了10cm的精度水平。文獻[7]提出了一種基於自適應混合蛙跳算法的可見光定位方法，雖然啟發式算法具有優越的全局搜索能力，但是獲得全局收斂解卻需要大量計算時間，因此並不適用於嵌入式設備。文獻[8]提出了一種基於融合神經網絡與指紋的可見光定位算法，雖然算法在仿真條件下能得到極高的精度，但是由於BPNN神經的輸入數量是固定的，在複雜的定位條件下算法可能無法靈活的運用冗餘光源信息而導致魯棒性不強。
  • 業界| 從集成方法到神經網絡:自動駕駛技術中的機器學習算法有哪些?
    這些可以分解為以下三個子類：目標檢測目標辨認或者目標識別分類目標定位和運動預判機器學習算法可大致分為四種：決策矩陣、聚類算法、模式識別和回歸算法。每種可以用於兩個或多個子任務。比如，回歸算法可以用於目標定位以及目標預測或者行為預判。決策矩陣算法決策矩陣算法系統地分析、識別及評估信息本身和值之間的關係，這類算法主要用於作出決策。
  • RF無線技術:工業用無線傳感器網絡
    預估在未來五年，工業用無線傳感器網絡的傳感器安裝點將達到2400萬，爆發5.53倍的成長。無線傳感器網絡的快速成長受益於其可靠度符合大多數工業級應用的需求，工業系統專用的無線傳感器網絡標準問世，以及無線傳感器網絡的效益逐漸受到重視與了解。
  • 常見幾種室內定位系統與原理概述
    用戶選擇wifi定位標籤稱呼為wifi定位，選擇RFID定位標籤，稱呼為RFID定位，選擇藍牙ibeacon標籤，稱呼為藍牙定位。這裡側重定位原理和定位利弊分析Wifi定位、RFID定位、藍牙定位。定位的效果取決於後臺核心的定位算法，前端只是數據傳輸方式差異。目前室內定位常用的定位方法，從原理上主要分為七種：鄰近探測法、質心定位法、多邊定位法、三角定位法、極點法、指紋定位法和航位推算法。
  • 結合手機慣性傳感器的地下定位算法研究
    基於慣性傳感器的步行者航位推算(PDR)不受外部環境的影響，適合地下定位使用，是目前的研究熱點之一，但易產生較大的累積誤差，影響定位精度。針對該問題，文獻[4]提出通過某些特定位置的軌跡特徵來校正誤差，但需要進行大量樣本訓練，若特徵性地標(如樓梯、走廊)較少時，定位效果不能保證。
  • LDPC碼的設計以及在無線傳感器網絡中的應用
    討論了在無線傳感器網絡中LDPC碼的設計和實際應用，並提供了解決方案，以降低解碼複雜度，節省內存佔用量，提高了系統的誤碼率性能。結果表明，短碼長的LDPC碼可以在無線傳感器網絡節點上應用並能獲得較為理想的性能，具有很好的應用前景。
  • 本期我們不妨來聊一聊UWB室內無線定位技術
    利用無線通信和參數測量確定移動終端位置，而定位信息又可以用來支持位置業務和優化網絡管理，提高位置服務質量和網絡性能。所以，在各種不同的無線網絡中快速、準確、穩定地獲取移動位置信息的定位技術及其定位系統已經成為當前的研究熱點。
  • 基於RFID技術的室內定位方法簡述
    因此，室內定位的研究成為無線傳感器網絡服務的一個重要分支。通常用於室內定位研究的傳感器包括：Wi-Fi、藍牙、RFID、紅外、ZigBee等。本文我們將以RFID技術為藍本，向大家介紹室內定位原理。圖1 基於RFID的室內定位系統結構圖其定位依據是結合RFID信號的接收信號強度、相位等參數，利用定位算法完成距離和方位的計算
  • 無線傳感器網絡MAC協議的基本問題解析
    引言 無線傳感器網絡是由眾多微小傳感器節點通過無線多跳自組織方式構成的，多學科高度交叉的新興前沿研究領域。隨著傳感器節點微型化，在設計中大部分節點的能量有限，加之無線傳感器網絡無中心、自組織、多跳等特點，使得MAC協議的設計面臨巨大的挑戰。
  • 基於二進位防碰撞算法的RFID定位系統的設計
    讀寫器與標籤之間的射頻信號通過空間耦合實現無線信息傳遞，讀寫器通過與標籤的無線通信，獲得接收信號強度指示(RSSI)值，再採用LANDMAR定位算法，就可以計算出目標的相對坐標位置，實現精確定位。在大多數情況下讀寫器在識別標籤時難免會出現碰撞的問題，為了解決這一問題，利用二進位搜索法來防止多標籤識別時發生碰撞。系統框圖如圖1所示。
  • 我們如何計算直角三角形的質心
    本篇我們來計算直角三角形的質心，這也是一個常見的話題圖中是一個形狀為直角三角形的物體，其尺寸如圖所示。要確定物體質心的坐標，假設物體在單位面積上具有均勻的質量。回想一下質心方程：首先，為了找到Xcm，我們把三角形切成質量是dm的薄片，高度是y，厚度是dx，如下圖所示。這使得dm上的每個點都有相同的x值(到y軸的距離相同)。
  • 解決自動駕駛系統中定位問題的幾種相關思路
    以特斯拉為例的一類企業傾向於使用基於視覺的Visual SLAM（簡稱VSLAM）技術進行定位，他們將儘可能多的視覺傳感器置入汽車中，不依靠預先錄製的地圖，而是希望將圖像處理和機器學習結合起來，讓特斯拉車輛能夠對周圍環境做到實時了解。特斯拉車輛隨時隨地都在學習並與其他車輛分享知識。他們依靠周圍的實時環境數據而不是歷史數據，不存在依賴過時地圖而出錯的風險。
  • 不規則圖形的質心:我們如何求解半圓的質心問題
    求一個物體質心，在物理學和數學中非常重要，例如對於簡單的圖形：正多邊形，一般三角形，圓形，橢圓它們的質心是非常簡單的。而對於不規則的圖形，阿基米德在它的著作中也給出了如，各類拋物線體，一般四邊形等等質心的幾何算法，但我們用現代的數學方法可以解決各類圖形的質心問題，如下是一個半圓盤幾何質心的算法：首先運用微積分給出的質心公式：我們以y坐標為例首先y = rsinθ，且單位面積的質量用σ表示，所以微元下的質量就是 dm =σrdrdθ，代入上述的公式
  • rfid室內人員定位系統解決方案
    用戶選擇wifi定位標籤稱呼為wifi定位，選擇RFID定位標籤，稱呼為RFID定位，選擇藍牙ibeacon標籤，稱呼為藍牙定位。這裡側重定位原理和定位利弊分析Wifi定位、RFID定位、藍牙定位。定位的效果取決於後臺核心的定位算法，前端只是數據傳輸方式差異。目前室內定位常用的定位方法，從原理上主要分為七種：鄰近探測法、質心定位法、多邊定位法、三角定位法、極點法、指紋定位法和航位推算法。
  • 基於ZigBee技術的大棚溫溼度無線監控系統研究
    基於ZigBee技術的大棚溫溼度無線監控系統具有低功耗、低成本、自組網等特點。滿足大棚溫溼度監控系統的需求，能夠對大棚內的溫溼度進行自動監測和控制，實現了真正意義上的自動化、數位化和網絡化。隨著農業科學技術的發展，基於無線傳感網絡的農業數位化系統將有廣闊的應用前景。
  • 基於RFID系統的有效SLAM算法解析
    這樣一種相輔相生，不斷迭代的過程，被學術界簡稱為同步定位與地圖創建( SLAM )問題。該問題可以表述為：機器人在未知環境中，從一個未知位置開始移動，在移動過程中根據位置估計和傳感器進行自身定位，同時建立環境地圖。目前使用的主要是模糊邏輯和概率的方法，如Bayes估計，Kalman濾波，擴展Kalman濾波和Markov推理等。