资源描述：
《基于rssi的无线传感器网络三维定位算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
（分类号UDC学密级学号位论文题名）专业学位论文（工程硕士）作者姓名基于RSSI的无线传感器网络三维定位算法梁龙西安理工大学工程领域：电子与通信工程指导教师：王林教授张学林高级工程师申请日期：2014年3月 西安理工大学工程硕士专业学位论文II 西安理工大学工程硕士专业学位论文thenode.(3)Thispaperpresentsamethodoffilteringtheestimatedlocation,inordertoestimatethepositionoffurtheramendmentstofilteroutduetoenvironmentalfactorsorobjectivefactorsleadtoawronglocationcoordinates.Finally,MATLABsimulationenvironment,theexperimentinordertoverifytheeffectoftheimprovedpositioningalgorithmfrommultipleaspectsbeaconnodedensity,nodedensity,communicationradiustolocatetheimprovedalgorithmhasbeenverified.Andwiththeformerimprovedalgorithmwereanalyzedandcompared.Keywords：wirelesssensornetwork,RSSI,positioningalgorithm,three-dimensionalspaceIV 目录目录1绪论...........................................................................................................................................................................................11.1研究背景及意义.........................................................................................................................................................11.2国内外研究动态.........................................................................................................................................................11.3本文研究内容及创新点.........................................................................................................................................31.4本章小结.........................................................................................................................................................................42无线传感器网络概述......................................................................................................................................................52.1无线传感器网络的定义.........................................................................................................................................52.2无线传感器网络的体系结构..............................................................................................................................52.3无线传感器网络的关键技术..............................................................................................................................62.4无线传感器网络的特征.........................................................................................................................................72.5无线传感器网络的应用领域..............................................................................................................................82.6本章小结.......................................................................................................................................................................103无线传感器网络定位技术的研究与分析.........................................................................................................113.1无线传感器网络定位技术概述.......................................................................................................................113.1.1节点定位的概念..............................................................................................................................................113.1.2定位技术相关概念.........................................................................................................................................113.1.3节点定位技术的主要技术挑战..............................................................................................................123.1.4节点定位的一般特征....................................................................................................................................123.2无线传感器网络中定位算法的描述............................................................................................................133.2.1定位算法的分类..............................................................................................................................................133.2.2定位算法评价指标.........................................................................................................................................133.2.3节点位置计算方法.........................................................................................................................................143.2.4相关定位算法的分析....................................................................................................................................183.3本章小结.......................................................................................................................................................................244基于RSSI三维定位算法的分析与改进............................................................................................................254.1WSN测距方法分析...............................................................................................................................................254.1.1RSSI测距原理分析......................................................................................................................................254.1.2基于RSSI的定位算法分析......................................................................................................................274.1.3基于RSSI定位算法的不足分析...........................................................................................................284.2基于RSSI定位算法的改进与扩展..............................................................................................................28i 西安理工大学工程硕士专业学位论文1.1对RSSI测距的改进......................................................................................................................................281.2改进的算法向三维空间推广....................................................................................................................291.3对估算位置进行过滤....................................................................................................................................312.1IRSSI-3D定位算法..............................................................................................................................................323.1算法前提假设....................................................................................................................................................323.2IRSSI-3D定位算法设计过程..................................................................................................................333.3算法伪语言描述..............................................................................................................................................333.4算法流程图.........................................................................................................................................................352.2算法仿真与结果分析............................................................................................................................................353.1.1相关参数设置....................................................................................................................................................353.1.2节点密度对定位结果的影响...................................................................................................................363.1.3锚节点密度对定位结果的影响...............................................................................................................372.3本章小结......................................................................................................................................................................385总结与展望.........................................................................................................................................................................393.2.1结论..................................................................................................................................................................................393.2.2展望..................................................................................................................................................................................40致谢..............................................................................................................................................................................................41参考文献...................................................................................................................................................................................43ii 绪论1绪论1.1研究背景及意义无线传感器网络(WirelessSensorNetwork,WSN)是一种全分布自组织网络系统。作为一个新兴领域和研究热点[1]，WSN综合了多方面的技术，包括：无线通信技术、网络通信协议、软件开发应用、嵌入式技术、数据处理等多种技术。大量的廉价的传感器节点被随即部署在监测区域内，节点与其相邻的节点相互通信，最终组成一个多跳的自组织网络系统。通过自组网无线通信技术将测量信息传递到设备终端，实现人类世界、物理环境以及网络世界的信息交互与联通。无线传感器网络的工作就是利用传感器节点对监测区域进行检测，将传感器获得的信息，通过网络传送至终端设备。近些年来，无线传感器网络技术的应用范围越来越广。越来越多新的领域使用这一技术。例如军事国防领域、自然环境监测、智能交通系统、智能家居系统和人体监测等等。很多特殊的基于位置服务(Location-basedService，LBS)应用，在这些应用中传感器节点获得的信息如果不能够确定坐标，那么这些信息是将失去利用价值，例如对于海洋、河流、胡泊的监测，我们需要明确的知道在水中监测得到的温度、压力、水流、盐度这些信息的准确位置；再比如利用无线传感器网络对设备故障进行监测，必须得到故障点的坐标，准确探测故障所在位置等等。但是在实际应用中，我们往往无法测得位置信息，比如不利于人类生存的恶劣环境，并且很难预先得知网络中部署节点的地理位置信息，以往人们利用GPS定位系统可以实现这一目的。但是GPS高昂的硬件成本以及受到使用环境的制约，已经不能达到人们的要求；但是在无线传感器网络的应用过程中，信息的位置信息所起到的作用是毋庸置疑的，获得信息的节点位置或者说事情发生的位置是节点监测信息中尤为重要的信息。所以说，对于WSN定位技术[2]的研究是非常有必要的，无线传感器定位技术也是其他技术研究必不可少的前提，所以无线传感器网络定位技术的研究具有重要的价值。以往对于无线传感器网络定位技术的研究仅仅局限于二维环境，三维空间定位技术的研究才刚刚起步。随着学者们对无线传感器网络技术的进一步研究，更多的实际应用问题都是在三维空间中解决。三维空间具有更复杂的网络环境，需要考虑的因素也更多，所以无法将已有的基于二维空间的定位算法直接扩展到三维环境。面对以上这些问题，本文提出了一种基于RSSI(接受信号强度指数)的WSN三维改进定位算法，改进后的算法能够很好的应用到三维空间，并且与其他算法比较提高了定位范围及精度，对于无线传感器网络技术的应用发展具有重要的价值[3]。1.2国内外研究动态1992年，英国剑桥实验室的研究人员利用传感器节点间的通信设计出一种室内定位系统ActiveBadge，关于无线传感器网络的研究就是从那时候开始的。从此以后学者们就1 西安理工大学工程硕士专业学位论文没有间断对这一领域的研究。1996年,美国加利福尼亚大学向美国国防部提交了一份关于大规模发展无线传感器网络的计划[6-8]。这个计划是现代无线传感器网络发展过程的重要里程碑。此后，加利福尼亚大学又提出了一种利用迭代算法对自身进行定位的算法，系统中未知节点是根据通信范围内已知位置节点的分布情况来对自身进行定位的，这个定位系统被称为AHLos(Ad．HocLocalizationSystem)[11,12]。以上的几个算法在理想二维环境条件下，很容易实现网络中节点定位的问题，并且具有很高的精度。但是二维算法远远不能满足人们在实际生活中的要求，现实生活中很少有比较理想的二维环境。实际应用中节点往往需要分布在立体的，复杂的，人们无法到达的恶劣环境中。所以，如何将无线传感器网络的定位算法扩展到三维空间是一个重要的研究课题。以往，无线传感器网络技术还仅仅应用于国防军事方面，但是伴随着WSN技术的快速发展，海洋监测、自然灾害控制、森林监测、智能家居、智能交通等越来越多的领域开始应用无线传感器网络技术，环境监测就是无线传感器网络定位的经典应用。山地、海洋、森林等复杂的三维环境下，人们将节点随机散布在需要监控的区域内，节点通过自身的各种传感器测量需要的数据，并利用节点间的通信将信息最终传送至终端。今后无线传感器网络定位方面的研究在这方面有很大的研究空间，在定位方面主要有以下几个问题：(1)节点的移动性已知定位算法大多针对完全静态的节点分布，在一些环境中，节点的位置以及整个网络的拓扑结构是随时变化的。如果依旧采用以往的静态定位算法，虽然能够实现节点的定位，但是需要随时更新节点的最新位置，这对于能量来源是电池的节点来说，无疑是一项巨大的能量开销。目前已经有学者提出了一些针对二维环境的动态定位算法，这些算法都是在二维环境的前提下设计的，并不能直接应用于三维环境。而且，这些算法存在一些缺点，例如：算法复杂度过高、覆盖率低、定位误差大等。(2)节点的空间性在三维环境中，网络环境复杂、节点分布不均匀、障碍物这些影响定位的因素相对于二维环境有很大的区别，要使每个节点都能够获得足够的邻居信标节点是不实际的。在实际应用中，节点都是随机分布在海洋、森林或者山地等复杂恶劣的环境中，这时网络配置问题在三维环境中就显得更为重要。像二维环境中每个节点周围都有若干邻居节点的情况是很难实现的。所以，怎么将节点定位算法扩展应用到三维环境是迫切需要研究的课题。目前，针对三维环境而开发的定位算法很少。而且，已知的传统二维定位算法也无法在三维环境中直接使用。在已知的三维算法中，一般是通过三角计算法获得网络中移动节点的位置关系，比如应用于三维空间的APIS算法，锚节点不断发送信号，其他节点通过接收到的信号对自身坐标进行定位，并根据三角计算法计算自身坐标。还有一种利用其他设备对网络节点进行定位的方法，比如Landscape-3D定位算法通过飞行器在监测区域内不断的广播自身坐标信息，其他节点依据接收到的信息进行定位，这种方法定位成功与否主要依靠辅助设备，相当被动，。对于第一种定位算法来说，由于三维空间的复杂度更高、2 绪论障碍物干扰严重等因素的存在，有相当部分节点不能够获得足够的锚节点位置信息。这样就很大程度的影响了定位精度。因为如果信标节点的密度不能达到要求，APIS算法[16]中节点无法接收到充足的信标节点坐标信息来对自身进行定位。对于第二种Landscape-3D算法来说，定位成败完全取决于飞行锚节点，一旦这个设备出现故障或者受到干扰，整个无线传感器网络将瘫痪，对于某些军事应用或者要求比较高的应用，这种定位方法存在着很大隐患。(3)网络可靠性在军事应用或者环境监测应用中，节点往往通过高空抛洒等方式随机的分布在恶劣的环境中，受人为破坏或者风吹雨淋等因素的影响，少部分节点肯定无法正常工作，出现这些问题以后，节点之间如何快速的重新组成网络并重新定位很重要，这就要求定位算法具有智能性灵活性，可以自行处理这些问题。此外，在军事应用或者一些涉密应用中，无线传感器网络如何应对黑客攻击、网络攻击，能否确保节点获得信息不被窃取以及定位信息的准确性也是很重要的。目前虽然已经有多种基于测距的定位算法，这些算法基本都可以实现相对精确地定位功能，但是许多算法无法在三维空间中使用，并且普遍存在硬件成本高、算法复杂度高、定位覆盖率低等缺陷。通过对这些研究成果研究比较发现，没有哪一种定位算法能够在低硬件成本、低功耗、低复杂度的情况下实现较高的定位精度及定位覆盖率。因此，基于三维空间的普遍使用的定位算法是很值得研究的。1.1本文研究内容及创新点首先，本文对无线传感器网络的背景及研究意义做了详细的介绍，阐述了节点定位算法在无线传感器网络技术应用中起到的关键作用。然后，提出了一种改进的能够应用于三维空间的节点定位方法。主要从RSSI测距方法、估算位置过滤等方面进行改进。最后，在MATLAB仿真环境下对改进前后的算法并从定位精度、定位覆盖率、锚节点密度、节点密度等方面进行误差分析。经过实验分析，改进以后的三维定位算法无需增加任何硬件设施，就可以实现对三维环境内盲节点的定位。不仅很好的适应了复杂的三维环境而且节点定位覆盖率和定位精度相对以往算法有很大提高。文章内容分为五个章节，各个章节内容如下:第一章：绪论，包括论文研究背景、研究意义、国内外研究现状。第二章：从无线传感器网络技术的研究意义，WSN的定义、网络结构组成、支撑技术等方面详细概述无线传感器网络。第三章：描述了节点定位技术的一般定位过程，定位技术中的概念、定位算法的评估指标、定位算法分类以及目前算法存在的主要问题，对已有的测距方法和定位算法进行分析、比较。第四章：本文的核心部分，首先介绍了基于接收信号强度测距方法的内容和测距原理，3 西安理工大学工程硕士专业学位论文通过和其他测距方法的分析比较，针对其不足之处，利用网络平均误差提出了一种改进方法，并改进后的定位算法扩展到三维环境，提出一种新的基于RSSI的三维定位算法，最后为了降低误差，又提出一种过滤估计位置的方法，进一步提高了定位精度。在MATLAB仿真环境下对已有的算法和改进后的算法进行了模拟实验仿真，并从定位精度、定位覆盖率、锚节点密度等多方面进行分析。第五章：总结与展望。1.1本章小结本章是本文绪论章节，从总体上介绍了本课题的国内外研究现状、研究背景、研究目的及研究意义等，在本章节的最后部分，还列出了本文的章节目录。4 无线传感器网络概述2无线传感器网络概述WSN技术的研究是从上世纪90年代开始的。作为一种新兴的研究领域，其技术广泛应用于各个领域，促进了科技的发展，已成为21世纪最有影响的20项技术之一，它是物联网应用时代的关键技术之一，成为众多国家广泛关注的新兴技术。1.1无线传感器网络的定义无线传感器网络是一种全分布自组织网络系统。传感器技术，嵌入式技术，现代网络技术和无线通信技术的飞速发展，促进了WSN技术的发展。无线传感器网络由规模庞大的、低成本的、拥有无线通信功能的传感器组成，这些节点往往是随机分布的。这些节点不但具有测量信息的功能，而且具有数据处理模块、电源模块。节点本身就具有信息处理融合能力，电源模块可以保证节点长期工作。这些节点通过无线通信方式形成的一个自组织多跳网络，对网络内目标进行数据收集，定位等任务，最终将这些数据信息传送至终端设备[17]。1.2无线传感器网络的体系结构无线传感器网络中一般包括三种节点：管理节点(ManagementNode)、汇聚网关节点(SinkNode)和传感器节点(SensorNode)。无线传感器网络体系结构如图2-1所示:图2-1无线传感器网络的系统构架Fig2-1Thesystemarchitectureforwirelesssensornetworks无线传感器网络节点被随机分布在需要检测的环境中,节点与通信半径内节点互相通信，最终可以形成一个自足者的网络结构。无线传感器网络大致工作过程如下：第一步，网络中节点对周围信息进行收集，利用自带信息处理模块对信息进行初步处理和压缩。第二步，传感器节点将获得的信息经过处理融合之后发送至其通信范围内的汇聚节点。最后，5 西安理工大学工程硕士专业学位论文汇聚节点将信息传送至网关，通过卫星信号、蓝牙或者有线通信等方式将信息最终传送至终端设备。另外，无线传感器网络也可以通过终端向传感器节点发布任务、管理节点等，实现对整个网络的管理和任务分配。传感器节点同样也存在着很多缺点，比如续航能力差、数据处理能力差、通信范围小等。所以，同一节点一般只能与其通信范围内的节点进行直接通信，节点间的通信都是通过多跳方式进行的。这也是因为受节点体积、成本、能量等因素造成的。从节点方面考虑，采集信息和路由的功能是无线传感器网络中每个节点所必须拥有的功能，除此之外，为了实现对信息的初步处理和融合，或者完成一些其他任务。传感器节点有时还具备一些其他功能，比如操作系统[18]、信息处理，数据融合，存储功能等等。从网络方面考虑，对节点的分布也是有一定要求的，由于节点通信半径的限制，网络中节点分布密度要达到一定要求。并且节点分布要相对均匀，这样才能保证所有节点处在网络之中，才能实现对监测区域的全面监控，否则会出现大量的盲区。1.1无线传感器网络的关键技术WSN技术主要包括：拓扑控制、时间同步、信息处理、网络安全、开发与应用以及节点定位。(1)拓扑控制技术通过一定的算法自组织的将网络内节点组成一个完整的网络，达到延长网络寿命的目的这就是网络拓扑控制。网络拓扑控制是WSN的核心技术。拓扑技术的完善不仅能够增加网络寿命，而且降低网络中单一节点的能量损耗；路由协议是建立在完善的网络拓扑结构之上的。节点由于硬件损伤、能量不足、人为破坏等因素导致无法使用，就会改变网络拓扑结构，进而影响路由协议，拓扑控制技术是路由协议的支持技术之一。(2)时间同步技术网络中每个节点都带有晶体振荡器用于计时。但节点之间的晶体振荡器频率一般存在一些差异，外界因素也会对节点时间产生一些影响。这就需要时间同步技术来消除节点之间的时间误差，就无线传感器网络而言，时间同步机制是很有必要的，它能够为定位算法、路由协议等提供很好的技术支持。(3)节点定位技术本文研究的主要内容。(4)数据处理技术----信息数据压缩、协作信息处理技术、信息数据融合无线传感器网络最主要的功能就是收集数据、传递数据。为了更好的传递有效数据，更大的节省节点能量，我们就要在收集数据初期对信息进行压缩、融合处理，这样在很大程度上降低了数据传输过程中的能量损耗。此外，在某些情况下，单一节点受硬件限制无法单独完成处理任务，就需要节点间建立分布式的合作机制，由两个或者多个节点共同完成网内信息的处理任务。这就要求在节点不但具有路由的作用，同时能够对数据进行融合6 无线传感器网络概述处理，并不是简单的传输、存储。(5)网络安全技术无线传感器网络最初的应用领域就是军事领域，所以安全问题非常重要。无线传感器网络的安全问题主要包括两方面的：一方面是数据安全，如何保证节点测得的数据不被窃取、解密是很重要的；另一方面是网络的安全，保证节点的安全性以及整个网络如何不被入侵也是很关键的。现有的网络安全系统主要是利用认证、身份识别、防火墙等多种手段来保证网络的安全。1.1无线传感器网络的特征无线自组网络是指不依赖任何外部设施[19]，由无线通信节点自组织的形成一个多跳网络组织。无线自组网是无线通信技术的进一步发展与延伸，它的实用性更强。而本文研究的无线传感器网络其实也是一种特殊的无线自组网络。二者具有很多相同之处[20]：(1)自组织：所谓自组织，是指在节点在通信过程中不需要外界设备，节点之间可以随时快速通过相互通信形成动态网络，这种有序的形成网络的过程就叫做自组织。无线传感器网络节点自发的选择合适的路由协议和算法来传送数据[21]和寻找最佳路径。(2)分布式：无线传感器网络是一种全分布的无中心的网络，是一个对等式的网络，网络中所有节点具有相同的地位和作用，任何节点都可以充当汇聚节点。网络具有很强的抗毁性，不会因为一些节点的加入或者离开而影响整个网络的正常工作。(3)多跳性：一般情况下每个节点只能够与其通信半径内的邻居节点相互通信，与远距离节点通信就需要其他节点协作传递信息。这主要是因为节点通信半径的限制。通信距离越远，消耗能量也就越大。在网络中，所有的通信任务均有网络内节点完成，没有专门的通信设备，需要节点间通过利用路由协议协作来完成信息的传递，每个节点均能完成收集信息、处理信息、发送信息、转发信息的任务。(4)拓扑变化：节点由于硬件损伤、能量不足、人为破坏等因素导致无法使用，就会改变网络拓扑结构，但是无论网络如何变化，网络系统都能够迅速的通过自组能力来形成新的网络结构，也就是说网络是动态的，可塑的。(5)安全性差：两种网络均是利用无线通信，所以说很容易受到外界干扰，例如网络易受到主动入侵和被动窃听的攻击。除了以上共同点之外，无线传感器网络有很多不同于无线自组织网络的地方：(1)动态性更强：受外界环境的影响，节点数量与位置经常发生变化。网络受不断变化的“外界环境”和自身节点多变的“内在环境”的影响，拓扑结构、网络结构可以说是可在变化着，在这种动态情况下，节点必须很快的适应网络环境，调整自身状态快速组成新的网络。(2)规模大、密度高：受到传感器节点通信能力的影响，为了能够实现覆盖范围内监测信息的完整，覆盖范围内的节点密度必须达到一定的要求。否则将出现较大的监测盲区。7 西安理工大学工程硕士专业学位论文(3)可靠性：传感器节点一般被随机分布在恶劣的人类无法到达的环境，这就要求节点不但要有很好的续航能力，还要保证在无人值守以及恶劣环境下正常工作。主要指传感器节点硬件的可靠性。(4)节点能力受限：由于无线传感器网络相对无线自组网范围更广，需要较多的节点数量，这就要求单一的节点既要低成本，又要有良好的通信续航能力，这就对应用过程中一些路由协议，算法等有更高的要求。无线传感器节点的主要受到以下三个硬件因素的限制：通信能力受限：由于传感器节点受到低成本、体积小、能量有限等因素的影响，其通信能力注定不会太强，况且节点一般分布在复杂环境，受到干扰比较严重。计算和存储能力受限：低成本的处理器，以及小内存注定传感器节点只能进行简单的计算。电源能量受限：由于节点要求体积小，节点的电池能量有限，要在无人值守的环境下长时间工作有很大困难，说一说能量损耗是造成节点损耗的最重要的因素。1.1无线传感器网络的应用领域随着无线传感器网络近些年的飞速发展，其技术已经日渐成熟，被广泛应用于各个领域。WSN技术已经成为了一种无处不在的感知技术。(1)公共交通领域随着城镇化进程的加速，公共交通问题已经是每个城市必须面临的严峻问题。无线传感器技术应用于公共交通很好地体现了它的价值。相对于以往的技术，无线交通传感器技术不但能够实现公路路况预测、测速、车牌识别等功能[24]，而且其低廉的成本也是很重要的原因。如图2-2所示：图2-2智能交通系统Fig2-2intelligenttransportationsystem(2)国防军事领域8 无线传感器网络概述无线传感器网络最早就是主要应用于军事国防领域，在军事作战中，通过飞机抛洒或者炮弹弹射将大量的微型的传感器节点投放至战场，通过无线传感器网络可以实现火力监控、军情、地形监测、敌方布防等等。此外，在以后的高端战争中，无线传感器节点可以代替士兵完成一些任务，可以在很大程度上避免人员损伤。并且可以实时监测战情，为我军作战节省了大量的时间。(3)智能家居领域现代化家庭，家庭中智能设备日渐增多。从传统的照明，安全，无线通信，家电设备到现在的温控系统，湿度系统等等。如此多的设备，我们需要将这些设备连接起来，协同工作，从而将家庭中单一的元素组织成一张网络。方便人们更好的生活。家庭网络结构如图2-3所示：图2-3智能家居系统Fig2-3smarthomesystem(4)医疗应用领域医生将无线传感器放置在被观察者身上，利用无线传感器网络长期收集人体生理数据，包括心率。心电图，血压，体温等各项数据，最终节点将信息传送至监控设备。能够实时的反应病人的生理状况。实现对病人的远程监控，便于医生更好更快的处理病情。此外将无线传感器网络应用在大型医院的血液管理，药物管理等方面，也有其独特的应用[27]。(5)环境监测无线传感器网络在环境监测具有很广泛的应用，例如海洋环境监测，将无线传感器节点放置在一片海洋区域，可以对海洋内温度，二氧化碳含量，氧气含量等数据进行长期监测。此外在森林火灾监测，煤矿瓦斯爆炸监测，地质灾害监测方面，无线传感器网络都有很广泛应用。(6)工业领域在复杂的工业环境中，如何更好的控制人力成本，是目前每个企业非常关注的。无线传感器网络在工业控制方面已经有很成熟的应用先例。在某些工业环境复杂，有毒有害场9 西安理工大学工程硕士专业学位论文所监测与维护的场所，如果仅靠人工的方式进行控制难度较大，而且容易出现人员伤亡。传感器完全可以完成这类工作。如图2-4所示：图2-4工业控制系统Fig2-4industrialcontrolsystem1.1本章小结本章从WSN的定义、WSN的体系结构、WSN的关键技术、WSN自身特征、WSN的应用等方面介绍了无线传感器网络的相关知识。10 无线传感器网络定位技术的研究与分析3无线传感器网络定位技术的研究与分析在第二章中我们提到，在无线传感器网络的几个关键技术之中，其核心支撑技术就包括节点定位技术，因为节点定位技术的研究是为后续的路由协议、网络拓扑结构、数据融合等技术做铺垫。而且，在实际的应用过程中，节点收集到的信息如果没有位置，很多时候这个信息是没有任何实际意义的。所以说高效准确的定位算法能够支撑WSN其他相关技术，是值得进行深入研究的。1.1无线传感器网络定位技术概述2.1节点定位的概念在无线传感器网络中，由于节点是随机分布的，所以大部分节点位置未知，只有少部分带有定位装置或者人工放置的节点位置已知。所谓的节点定位(nodelocalization)，就是利用已知位置的锚节点通过一定的方法、算法来获得无线传感器网络中盲节点（也叫未知节点）坐标信息[28]。在在测量过程中，我们经常用到网络中所覆盖监测区域内的已知位置的信标节点（也叫做锚节点）。2.2定位技术相关概念(1)未知节点(unknownnodes)：又称作盲节点(blindnodes)，在WSN网络中，不知道绝对坐标或者相对坐标的传感器节点。这些节点被随机分布在网络中，本文算法主要研究如何获得这些未知节点的坐标信息。(2)信标节点(anchornodes)：又称作锚节点(beaconnodes)，在网络初始阶段，可以通过在节点上安装定位装置，或者通过人工放置来部署一部分节点，这部分的节点的位置是已知的，被称为锚节点。之所以布置锚节点，就是为网络中盲节点的定位提供依据。由于信标节点相比未知节点具有更远的通信半径，能够实现更多功能，所以其硬件成本昂贵，能量消耗比较大，所以在无线传感器网络中，锚节点的密度是非常有限的。(3)邻居节点(neighboringnodes)：一个节点在其通信半径内，能够接收到的所有其它节点都叫做这个节点的邻居节点。邻居节点是相对而言的。(4)锚节点密度(anchordensity)：又称作锚节点比率(anchorratio)，是指信标节点数NA占监测范围内所有节点总数(包括信标节点数N/(N+N)。AAUN和未知节点数AN之和)的百分比，即U(5)节点密度(nodedensity)：网络中节点总数与网络覆盖范围的比值，体现了单位面积内节点（包括信标节点和未知节点）的疏密程度。11 西安理工大学工程硕士专业学位论文1.1节点定位技术的主要技术挑战无线传感器网络技术的研究已经有一段时间。但是WSN节点定位算法的研究还处于理论阶段。国内外学者虽然提出了很多基于测距与基于非测距的定位算法，但是这些算法大部分还是只能应用于理想环境状态下，在实际生活中，并没有太多应用。已经提出来的定位算法也都存在着各种各样的问题。总而言之，在无线传感器网络定位算法的研究方面，还有以下几个问题有待解决：(1)锚节点比率问题，鉴于锚节点成本高的因素，在今后算法中，如何能够更少的利用锚节点并实现比较精确地定位成为研究中的重点。(2)目前已有的定位算法基本都是在二维环境下来设计的，今后的研究方向应该将算法扩展到三维空间，毕竟在实际应用中，大多数是需要在三维环境中来实现定位的[29]。(3)受传感器节点计算能力的制约，复杂度较高的算法在实际应用中是很难实现的。定位算法应该将节点的计算能力与通信能力考虑在内。(4)在不增加硬件条件和能量消耗的前提下，如何提高节点间角度与距离的测量是很重要的。(5)目前大部分算法主要针对静态网络进行研究，对动态网络的节点定位有待进一步研究。1.2节点定位的一般特征(1)分布式：在实际应用过程中，一个节点的定位是需要多个节点相互协作才能够完成的。单一节点承受大量的定位任务容易导致其能量过早的消耗完，在定位过程中，把任务分派到各个节点。具有一定的分布性，节点均匀工作，延长网络的寿命。(2)自组织：无线传感器网络完全有节点组成，没有任何外部设备，定位算法的设计要符合网络的自组织性。(3)可扩展性:同一个网络中，节点的数目也是随时变化的。定位算法需要可扩展性，不能因为节点的加入或者离开导致算法失效。(4)能量有效：能量有限是传感器节点最大的不足，算法的设计要符合减少通信量、任务均摊的原则，这样才能最大限度的延长网络使用寿命。(5)容错性：由于网络覆盖范围内节点分布数量很多，算法要具有很好的容错性与纠错能力[30]，不12 无线传感器网络定位技术的研究与分析能因为某一节点的定位错误而影响其他节点的定位精度。1.1无线传感器网络中定位算法的描述2.1定位算法的分类近些年，学者提出了很多种定位算法，WSN定位算法按照划分标准的不同有多种不同的分类方法，例如：(1)基于信标节点的定位算法和与信标节点无关的定位算法这种方法是根据定位过程中是否有坐标已知的信标节点来分类的。基于锚节点的定位算法在定位结束以后获得的未知节点的坐标是绝对坐标。如果网络中没有分布锚节点，同样可以获得节点的坐标，但是节点坐标是相对坐标。我们只需在网络中加入少量锚节点，就可以将相对坐标转化为绝对坐标。(2)基于测距的定位和距离无关的定位基于测距的(range-based)与基于非测距的(range-free)定位算法。基于测距的定位算法必须测得节点间距离，再利用距离来计算未知节点的坐标。而基于非测距的定位算法往往利用网络拓扑结构以及节点间的通信信息来对节点位置进行估计，这种定位误差相对较大。(3)细粒度定位算法和粗粒度定位算法信息粒度指传感器传播信号所包含的信息量。按照传播信息量的大小我们将无线传感器网络定位算法划分为粗粒度(coarse-grained)定位算法和细粒度(fine-grained)。细粒度定位算法主要依靠时间、方位、信号模式、接收信号强度等来实现定位，粗粒度定位算法是根据节点的接近度来实现定位。2.2定位算法评价指标鉴于如此多的定位算法，如何评价一个算法的优劣是一个值得研究的课题。以下是我们经常用到的几个评价无线传感器网络定位算法的技术指标：(1)节点定位精度：评价一个定位算法最重要的技术指标。表示节点的测量坐标与实际坐标的误差。(2)锚节点密度：锚节点占网络中所有节点数的比例，锚节点密度的提高能够大幅提高节点定位精度和定位覆盖率。但是锚节点的成本相对于普通节点也高得多。(3)节点密度：监测区域内单位面积内节点的个数被称作节点密度。节点密度的多少直接影响定位算法的定位精度和覆盖率，而且大多数算法中，节点密度对定位效果的影响是非常大的。但是如果大量的增加监测区域内的节点数量就会造成整个网络成本的增加。(4)定位覆盖率：能够进行定位的盲节点个数与总的盲节点个数之比表示定位覆盖率。13 西安理工大学工程硕士专业学位论文定位覆盖率也是衡量一个算法成功与否的重要指标。(5)自适应性与容错性：网络环境在随时变化，我们在设计算法时不应该仅仅考虑理想的实验环境。这就要求算法具有很好的适应性。能够适应多种环境。此外，算法还应具备很好的容错性能与纠错能力，对成百上千的节点进行定位，不能因为某个节点的定位错误而影响整个网络的定位。总之我们的目标就是设计一种能够自我调整以减少外界环境的干扰，具有较高定位精度的算法。(6)代价：包括传感器节点的硬件配置、定位过程网络节点能量的消耗等等。此外定位所花费的时间，也是衡量定位算法的重要因素。(7)功耗：定位过程中，传感器节点的通信和信息存储都需要电源模块来提供能量，而受传感器体积影响，电源模块往往是小能量不可更换电池。在定位的过程中，我们必须将能量问题放在首要位置。上面七点是目前公认的评价算法的一些指标，在实际应用中，不存在哪个指标重要，或者次要。根据不同的环境与要求，设计出高效，精确的算法就是可以的。实用才是最好的衡量指标。1.1节点位置计算方法本小节讲述获得两个节点间距离或者相对角度以后如何来估算自身位置。一般采用三边测量法或者最大似然估计法来计算。(1)三边测量法(trilateration):在无线传感器网络中，我们通常测得未知节点与其邻居节点的距离，由平面几何知识得知，在平面内，已知三个点的坐标及它们到第四个点的距离，就可以利用三边测量法来计算出第四个点的坐标，如图3-1所示。ADCB图3-1三边定位图Fig3-1trilaterationlocalization假设三个已知点A、B、C距离点D的距离分别是d、d、d，并且已知A、B、C123的坐标值依次是(x,y)、(x,y)、()x,y，我们可以根据上述三边测量法计算出未知节112233点D的坐标(x,y)，方程如下:14 无线传感器网络定位技术的研究与分析ì-+-=22xxyydï111ïx-x+y-y=d22íï222ï-2+-2=xxyydî333(3.1)求解方程组，求出未知点D的坐标为：-1222222éùéùx2(-)2(-)éx-x+y-y+d-dùxxyy=êúêú1313131331êú---+-+-y2(xx)2(yy)xxyydd222222ëûëûëû2323232332(3.2)上述讨论的三边测量法主要应用于理想环境，只要未知节点已知距离三个或者三个以上锚节点的距离，就可以利用三边测量法计算出自身坐标，现实环境中，由距离测量产生的误差最终导致定位结果也产生误差。图3-2三边定位（有误差）Fig3-2trilaterationlocalization（witherror）如图3-2所示，D点的坐标由于存在误差，并非确定的值。图中D点所在的近似三角形图形的质心就是我们对D点的估算位置，当然这个估计位置也是存在误差的。这种情况，我们也可以利用极大似然估计法来计算未知节点的坐标。(2)极大似然估计法(maximumlikelihoodestimation):极大似然估计法类似于三边测量法，是在三边测量法的基础上改进的一种计算方法。在实际环境中，未知节点，接收到的邻居锚节点往往不止三个，利用极大似然法求解未知节点的估算坐标。AA3 2A1DA4AnA5图3-3极大似然估计法Fig3-3maximumlikelihoodestimation15 西安理工大学工程硕士专业学位论文在图3-3中，设未知节点D的坐标是(x,y)，而A1,A2,A3,¼An分别是n个锚节点，坐标分别为(x,y)、(x,y)、(x,y)、„(,)xy。112233nn我们对最大似然估计法进行推导。然后与三边测量法进行分析比较。在这里，我们依旧假设未知节点已知三个邻居锚节点距离它的距离。假设三个锚节点到未知节点的的距离依次为d、d、d，得到公式:123ì=--+-22fdxxyyïï1,0111=--+-22ífdxxyy2,0222ïï=--2+-2fdxxyyî3,0333(3.3)公式(3.3)中，d是信标节点iA与盲节点D通过RSSI测量得到的距离，而ix-x+y-y则表示信标节点22A与盲节点D之间的估算距离。由公式分析可知，iii当估算距离与实际距离相差最小时，盲节点D的坐标(x,y)误差最小，表示为：()()Fxy=Minf+f+f0,01,02,03,0(3.4)在公式(3.3)中，(x,y)是未知量，先将这个非线性方程组线性化，求解方程组。可用盲节点的实际坐标(x,y)与估算坐标(xy)之间的偏移量(Dx,Dy)来标记函数。0,0d=x-x2+y-y2=f(x,y)iii，其中i=1,2,3,4(3.5)22dxxyyfx,y_=æç-_ö÷+æç-_ö÷=æç__ö÷iiièøèøèø，其中i=1,2,3,4(3.6)_公式(3.5)中，d代表实际距离,公式(3.6)中，dii代表估算距离，节点的真实坐标如下： ì=+D_ïxxxí_ï=+Dîyyy(3.7)则有æö__(,)=ç+D,+D÷fxyfxxyyèø(3.8)上式用泰勒级数展开为：æ__öæ__ö¶fçx,y÷¶fçx,y÷æ+D+Dö=æö+èøD+èøD____fxx,yyfx,yxyç÷ç÷__èøèø¶¶xy(3.9)16 无线传感器网络定位技术的研究与分析截断一阶偏导之后的各项，从而得到偏导数：ì¶çæ÷ö__fx,y_ïèø-xxïD=-xi__ï¶ïxriíæ__öï¶ç÷fx,y_ïèøD=--yyïxi__ï¶îyyi，其中，i=1,2,3,4(3.10)22_=æç-_ö÷+æç-_ö÷公式中，rxxyy。将其整理代入公式(3.5)，(3.6)得到：iiièøèø___xxyy--d=d-iDx-iDyii__rrii(3.11)此时完成线性化过程，整理上式得到：___x-xy-yd-d=iDx-iDyii__rrii(3.12)可表示为：Dd=aDx+aDyix1y1(3.13)其中__x-xy-y_a=0,a=0,Dd=d-diixi_yi_ii rrii在定位过程中，如果盲节点通信范围内有三个或者三个以上信标节点，我们就可以得到下列方程组：ìDd=aDx+aDy1x1y1ïD=D+Dïdaxay2x2y2í¼¼ïïD=D+Ddaxayînxnyn(3.14)在文献[34]中显示，在二维空间中，如果未知节点与锚节点之间测量距离误差较大，但未知节点能够接收到比较多的信标节点信号时，利用上述三边测量法及最大似然估计法测得的未知节点坐标的平均偏差大概为节点通信半径距离的5%。这说明，一个距离误差对于定位精度几乎没有影响。下面，求解方程组(3.14)，得到方程组：17 西安理工大学工程硕士专业学位论文ìD-Dnnnnååååadaadaa2ïxiiyiyiixiyiïD=xi=1i=1i=1i=12ïæönnnåååaa-aa22ïç÷xiyixiyiïèøi=1i=1i=1ínnnnïD-Dååååadaadaa2ïyiixixiixiyiDy=1111i=i=i=i=ï2nnnæöïåå-çå÷aaaa22ïèøxiyixiyiîi=1i=1i=1(3.15)公式(3.15)中Dx,Dy分别表示测量坐标与实际坐标的横纵坐标误差，为了进一步降低定位误差，我们将估算坐标代入公式(3.15)循环若干次，直到坐标定位精度满足实际要求为止。上述过程中，我们假定每个锚节点在对未知节点定位过程中所起的权重是相同的。事实上，锚节点与未知节点距离越近，所起的权重越大，我们可以设置不同的权值来降低定位误差[35]，经过验证，当加入信标节点权值这一因素时，定位效果得到很大的提高。以上我们假定的锚节点数目是三个，当锚节点数目大于三个时，我们设未知节点D到n个锚节点的距离依次是ddd¼d,我们得到方程组(3.16)：1,2,3nì(-)2+(-)2=2xxyydï01011ï(-)2+(-)2=2xxyydí(3.16) 02022¼¼¼ïï-+-=()2()22xxyydî0n0nn整理的到下边的方程组(3.17)：ì--(-)+--(-)=-xx2xxxyy2yyydd2222221n1n01n1n01nï---+---=-()()ïxx2xxxyy2yyydd2222222n2n02n2n02ní¼¼ïï---+---=-()()x-xx-xxy-yy-yyd-d22222222în1nn1n0n1nn1n0n1n(3.17)由上面的方程组(3-17)得到线性方程组AX=b，最后用最小均方误差估计方法求出未_-知节点D的坐标为：()XAAAb=TT。11.1相关定位算法的分析本小节对经典的基于测距与基于非测距的定位算法进行简单的介绍。18 无线传感器网络定位技术的研究与分析(1)基于测距(range-based)定位算法利用节点间的距离或方位信息对未知节点进行定位的方法即为基于测距的(range-based)定位算法。基于测距的定位算法有三个步骤：第一步，测距，通过接收信号强度、信号到达时间、信号到达角度等信息获得节点间距离信息；第二步，定位，利用第一步测得的距离信息，求解未知节点的坐标，常用的求解方法包括：三边测量法、极大似然估计法、三角测量法；第三步，对求得的坐标进行过滤修正，剔除错误坐标，求解坐标均值，进一步降低误差。以下是测量节点之间的方位或距离时的几种常见的方法：TOA（到达时间)，AOA（到达角度)，RSSI（接收信号强度指示)，以及TDOA（到达时间差)等。1.基于AOA的定位算法在二维空间内，如果已知未知节点与其通信半径内两个或者两个以上锚节点的相对方位角，那么锚节点与未知节点之间形成两条或者更多条径向线。这些径向线的交点就可以作为未知节点的估计坐标。为了测得相对角度，我们需要在传感器节点上安装多个信号接收器或者阵列天线才可以实现这个功能，这又大大增加了硬件成本，并且这个算法的复杂度比较高，依靠传感器节点的硬件无法实现这么大的数据运算。2.基于TOA的定位算法[37]无论传感器节点采用哪种通信方式，信号的传播速度都是固定的。那么我们利用传感器的计时装置，计算出两个节点之间传递信号所用的时间，就可以计算出两个节点之间的距离。这种计算距离的方法主要就是依赖时间，这就要求传感器拥有良好的时间同步机制而且这种定位算法还要求节点在发送接收信号时具有非常高的响应速度和处理速度。但是，这种定位算法对传感器节点的硬件要求也很高，虽然利用基于TOA定位算法计算得到的节点坐标误差相对较小，因此，基于TOA的定位技术方案比较少。3.基于TDOA的定位算法[38-40]与基于TOA的定位方法类似，基于TDOA的定位算法就是为了解决TOA算法对时间要求较高的问题下提出的一种基于到达时间差的算法。与TOA算法不同，要求锚节点同时发射两种不同的信号。未知节点接收到两种信号，利用信号在空气中不同的传输速度，以及未知节点接收到两种不同信号的时间差。很容易计算出两个节点间距离。假设锚节点是发送超声波信号和射频信号，这两种信号的传播速度分别是cc，未知节点接收到的1,2信号时间分别为T,T，那么未知节点与锚节点之间的距离S为：12ccS=T-T12()()12-cc12(3.18)因为没有时间上的严格要求，所以基于TDOA定位算法复杂度不高，能够很好的节省节点能量，虽然基于TDOA定位算法省去了时钟同步的要求，但是它要求每一个节点必须能够接收到两种不同的信号，这无疑又增加了硬件成本。 19 西安理工大学工程硕士专业学位论文1.1基于RSSI的定位算法本文主要研究内容。(2)基于非测距的定位算法基于非测距的定位算法既不需要测量节点之间的距离，也不需要测量相对角度。这是它与基于测距的定位算法最大的不同之处。所以说这类定位算法对于传感器节点基本没有硬件上的要求，只需要节点能够相互通信并具有一定的运算能力即可。但是其缺点也是显而易见的，这类算法定位精度并不高，大致只能模拟出整体网络的拓扑结构。这也是基于非测距定位算法的优点。实际应用中，并不是需要精确地获得节点的位置。传统的基于非测距的定位算法有：DV-Hop算法(距离向量-跳段)、MDS-MAP算法、（多维定标技术）质心算法、凸规划算法等等。2.1质心定位算法[2,41]我们将未知节点可以接收到的所有信标节点所组成的多边形的质心作为该未知节点的估算位置。如图3-4所示，描述了质心算法的基本原理。某个未知节点可以接收到信标节点A、B、C、D、E的信号，它们的坐标依次是(xy)，(xy)，(xy)，(xy)，()5,51,12,23,34,4xy，多边形ABCDE的质心坐标(x,y)就可以作为未知节点的估算坐标。多边形的质心位置用公式表示如下：()(()())x,y=x+x+x+x+x/5,y+y+y+y+y/5，1234512345EDA(X,Y)CB图3-4质心算法Fig3-4centroidalogorithm质心算法最大的缺陷就是要求节点比较均匀的分布在监测区域内，否则无法完成定位或者定位精度较低，其次目前质心算法的仿真一直处于理想环境状态下。但是，这并不是说质心算法不实用。质心定位算法可以说是一种最简单、复杂度最低的定位算法了。2.2DV-Hop定位算法在无线传感器网络通信的过程中，我们知道节点之间是通过多跳形式来实现远距离的通信的。DV-Hop算法就是在每个节点发射信息或者转发信息标注跳数。利用节点之间跳数来近似的替代节点之间的距离。它不是直接测量节点间的距离的，DV-Hop算法的优点是算法复杂度低、易于实现、无需额外硬件成本。但是和质心算法一样，DV-Hop算法也20 无线传感器网络定位技术的研究与分析需要相当均匀的节点分布环境，这对于随机分布的节点环境无疑是很不适用的。3．MDS-MAP定位算法MDS-MAP算法是既可以基于测距，也可以基于非测距的定位算法。在节点分布比较均匀、网络连通度较高的情况下，MDS-MAP算法能够很大程度的提高节点的定位精度。这种算法最大的优点是可以根据不同的定位需求，自行对网络进行配置，决定是否进行测距。也就是说，这种算法既可以实现绝对定位，也可以实现相对定位。根据网络需求选择，应用十分广泛。4.凸规划定位算法[42]如图3-5所示：图3-5凸规划定位算法Fig3-5localizationalgorithmofconvexestimation凸规划定位算法是一种在质心算法的基础上进一步改进的算法。如图3-5所示，一个未知节点同时接收到多个锚节点的通信信息，说明这些锚节点均在未知节点的通信半径内这些信标节点位置与通信半径所围成的图形交集的质心可以作为未知节点的估算位置。如图3-5所示得到的矩形区域的质心就作为盲节点的坐标。(3)已知的三维定位算法的研究与分析：2.1三维抽样定位算法[45]在三维空间中，盲节点接收到邻居信标节点发送的包含自身位置的信息，然后对空间进行抽样，提取自身节点周围的空间，利用范围约束的方法可以获得自身位置坐标的大概值。这即为三维抽样定位算法。由于未知节点是直接通过抽样离自己较劲的锚节点信息获得的初始位置坐标，所以不存在误差的累加这一问题。这种三维抽样定位算法依旧依赖于节点之间的距离信息。所以距离测量误差是导致最终误差的一大因素。由于算法直接对空间内某个范围进行抽样，算法对网络整体的拓扑将结构与节点分布要求不是很高。有很强的适应能力，这种算法相对而言具有很高的覆盖率。单一节点的定位误差也不会影响其他节点的定位。2.2BoundingCube:一种无线传感器网络节点三维定位算法BoundingCube算法也是一种应用于三维空间的定位算法，这个算法的提出主要是为了解决传感器节点能量损耗这一问题的。在BoundingCube算法中，核心思想就是将三维21 西安理工大学工程硕士专业学位论文空间拆分为三个二维空间。分别计算位置节点在XY平面、XZ平面、YZ平面内的坐标，这样我们得到未知节点在三个二维面内的坐标。三个坐标与坐标平面的平行面围成一个立体空间。将这个长方体的质心作为盲节点的估算坐标。BoundingCube算法在定位过程中没有很复杂的运算，只有简单的最值计算和加减法运算。这也是该算法最大的优点：复杂度低，运算少。对于那些对精度要求不高，但是传感器节点能量宝贵的环境来说，这个算法是在合适不过了。3.基于球面坐标的WSN三维定位算法[46]二维空间内，我们利用未知节点与三个锚节点的距离关系就可以求出未知节点的估算坐标。将这种方法扩展到三维空间内，有几何知识我们可以知道，在三维空间内利用四个不在同一平面内的锚节点与未知节点的距离信息，就可以求出未知节点的估算坐标。假设已知四个锚节点A、B、C、D的坐标依次是(xyz)、(xyz)、(xyz)、()1,1,14,4,42,2,23,3,3xyz，通过上述方法求得球心O的坐标为(x,y,z)，方程组表示如下：ì-+-+-()()()xxyyzz222222xxxyyyzzzï(-)+(-)+(-)=414141414141ï2ï-+-+-()()()xxyyzz222222ï313131()=í(-)+(-)+(-)=Ox,y,zxxxyyyzzz3131312ïï-+-+-()()()xxyyzz222222ï(-)+(-)+(-)=212121xxxyyyzzz212121ïî2(3.19)该算法将以往应用于二维空间的圆心求解法扩展到现在的球心求解法。理论上这种算法是将定位问题简化成一个简单的线性方程组问题。但三维环境有更为复杂的空间环境，这种算法只能作为根据距离求解坐标的一种方法。在今后的研究中，如何对未知节点的估 算坐标进行过滤是有待解决的问题，只有这样，才能最大程度的降低定位误差。此外，实际环境中，锚节点的位置信息将大于四个，利用最小二乘法解决无解、多解问题，并在定位后对所有坐标值进行加权求平均值也是降低误差的另一种方法。3.三维质心定位算法[48]在二维质心定位算法中，我们是利用未知节点通信半径内的多个锚节点所组成的大概范围，通过求质心获得未知节点的估计位置的。这个方法也同样适用于三维空间。只不过二维空间内我们得到的是一个平面范围，扩展到三维空间后是一个几何图形。定位过程：首先锚节点广播自身的三维坐标信息，当未知节点接收到足够多的锚节点位置信息以后。就可以通过这些锚节点组成的立体图形求得质心。质心算法的精确度不是很高，但是将二维质心算法扩展到三维空间，并没有增加算法的复杂度。虽然在三维空间内，最终的定位精度、覆盖率相对二维环境有一定的降低。但是，三维质心算法只是用很小的代价就实现了三维空间的定位。22 无线传感器网络定位技术的研究与分析1.1同心圆改进定位算法[49]首先介绍一下同心圆定位算法的原理，如图3-6(a)所示，传感器节点发射信号功率越大，这个信号传送的距离越远，同心圆定位算法主要利用这一原理。定位过程如下：锚节点首先发射不同能量大小的信号，未知节点通过接收到的信号来判断自身处在哪两个圆环之间，当未知节点得到多个位置范围时。这些范围所组成的一个比较小的交集就可以代表未知节点的坐标。未知节点的估算位置就可以用这个范围的质心来表示。如图3-6(b)所示。同心圆改进定位算法是目前定位精度比较高的方法之一，R2R3R1bb1b2b3图3-6(a)同心圆模型图3-6(b)三个圆环的交集Fig3-6(a)concentriccirclesmodelFig3-6(b)theintersectionofthethreerings针对上述同心圆算法无法获得较多的锚节点信息的缺点，有学者提出了一种改进的同心圆定位算法，在同心圆定位算法的基础上，把未知节点通过定位得到的估计位置同样以锚节点的方式向外发送不同功率的信号。其它未知节点根据接收到的比较多的位置信息对自身所在的圆环进行进一步划分。这样就得到更加精确地圆环交集，很大程度上减少了定位误差。通过改进以后的同心圆算法，在没有增加任何硬件成本的基础上，使定位精度得到了很大的提高。图3-7节点范围精确化说明Fig3-7precisedescriptionofthenodescope通过以上对几种已知的三维定位算法的研究，我们可以看出，没有哪一种算法是完美的，但是每种算法都有自己的优点所在，它们都是针对某些特定的环境和定位要求而设计的算法。所以我们在以后的研究过程中，应该主要考虑实际环境和应用方面的因素，根据23 西安理工大学工程硕士专业学位论文不同的环境设计最合适的算法才是最好的算法。1.1本章小结本章主要讲解关于无线传感器网络定位方面的知识。3.1节主要讲述了一些关于定位算法的基本知识。3.2节通过介绍一些已有的关于二维和三维的定位算法，并对这些算法进行了分析总结。为下一章提出本文的算法打下基础。24 基于RSSI三维定位算法的分析与改进4基于RSSI三维定位算法的分析与改进1.1WSN测距方法分析在基于测距的定位算法的研究过程中，如何测量节点间距离并降低测距误差是很重要的研究方向。目前，无线传感器节点通常的测距方式有以下几种[51]，表4-1将从硬件方面对几种测距方式进行分析比较。表4-1测距方式性能比较Table4-1performancecomparisonofrangingmethods测距方法GPS红外线超声波RSSI额外硬件需要需要需要不需要硬件成本高低高低硬件尺寸小小大小通过对红外线、超声波、GPS、RSSI四种测距方法的分析比较，我们可以看出，红外线、GPS、超声波这三种测距方法都需要传感器节点增加一些硬件设施。这无疑增加了传感器节点的成本和体积。从测距误差方面来说，超声波测距虽然比较容易受到外界环境的干扰，但是其测距误差是最小的。基于RSSI的测距方法是根据节点接收到的信号强度来测量出节点与发射节点之间的距离的。传感器节点本身就具有发送接收信号的功能，通信模块可以实现对接收信号强度的测量。所以利用基于RSSI的测距方法不需要额外硬件支撑，相比于GPS、红外线、超声波等三种测距方法更具性价比。但是基于接收信号强度的测距方法同样也有自身的缺点。信号强度受环境因素影响较大，所以测距误差相对也较大。本文主要就是研究如何利用RSSI设计一种大幅降低误差，提高定位精度的三维定位算法。2.1RSSI测距原理分析RSSI----接收信号强度。利用传播距离与信号强度的关系来进行测距的一种方式。信号在空气中传递过程中，信号的强度会随着传播距离的增加而减弱。所以说，利用信号强度与传输距离的关系来测距是最简便、最广泛的技术。本文研究的算法就是基于这一原理改进的。公式(4.1)中，P表示接收节点的功率大小，r表示发送节点和接收节点的距离，TP是R发送节点的功率大小，n是功率衰减系数，功率衰减系数会随着环境的变化而不同。本文就是利用信号衰减系数来对测距误差进行校正。P=P/rn(4.1)RT25 西安理工大学工程硕士专业学位论文对公式(4.l)化简得到：P10nlgr=10lgrPR(4.2)在公式（4.2）中P是已知的，表示发送功率，用常数A表示发送功率RP，得到公式R(4.3),10lgP=A-10nlgrR(4.3)在式中常数A相当于传输1m远时接收信号的功率大小。我们将接收信号功率转化成以分贝为单位的表达式，公式(4.3)可以写成公式(4.4)，PdBm=A-nr()10lgR(4.4)通过对公式(4.4)的分析，公式中包含两个参数：受环境影响的信号衰减系数n和发射功率A。下面我们通过仿真实验分析传输距离与信号强度的关系在这两个参数的影响下是如何变化的。图4-1表示的是当发射功率A固定，衰减系数n变化时，接收信号强度与传输距离的关系。随着信号衰减的减小，信号的传输距离增加，可以假设，当无线信号所出的环境越理想，信号基本没有任何损耗，可以传输更远的距离。图4-2表示的是当衰减系数n固定，发射功率A变化时，接收信号强度与传输距离的关系。从图中我们可以看出，信号距离发射节点较近时，信号的衰减比较快，信号距离发射节点较远时，信号衰减比较慢。当距离达到一定数值时，信号衰减速度发生很小的变化。这就说明，传输距离越远，根据接收信号强度测得的距离误差相对越小。图4-1n固定，A变化图4-2A固定，n变化Fig4-1thesamen，thedifferentAFig4-2thesameA，thedifferentn26 基于RSSI三维定位算法的分析与改进1.1基于RSSI的定位算法分析基于RSSI的定位算法步骤：首先，网络内锚节点发射自身位置信息，发射信号功率是已知的。其次，未知节点接收锚节点信息，通过接收到的RSSI值计算出信号的传输损耗，利用公式（4.4）将接收信号强度转换成节点距离，最后利用已有的算法计算出节点的坐标。在整个定位过程中，利用接收信号强度测量距离存在较大的误差，如何选择合适的路径损耗模型来降低误差，是本文研究的问题之一。常见的基于RSSI测距损耗模型常见的无线信号传播模型包括：对数距离路径损耗模型，自由空间传播模型，对数-正态分布模型。无线信号所处的环境不同，其损耗系数也会有很大变化。损耗系数又直接影响到将信号强度转化为距离的误差问题。进而影响到整个算法的定位精度。所以说，路径损耗问题是基于RSSI的定位算法中相当重要的一个问题。查阅文献得知，对数-正态分布模型和自由空间传播模型是人们经常用到的两种路径损耗模型，下边对两种模型进行简单介绍：对数-正态分布模型：d()()=()()-10´´lg-dPddBmPddBmn0d0(4.5)公式（4-5）中P(d)是未知节点与锚节点距离为d时，未知节点收到的信号功率值。()Pd通常表示锚节点的发射功率；n是路径损耗系数，环境不同，路径损耗系数也不同，0通常根据所处的环境取固定值。见表4-2。d表示锚节点与未知节点之间的距离；d是高斯随机分布。方差为m，均值为0。表4-2不同环境路径损耗系数Table4-2differentenvironmentalpathlosscoefficient此外，传感器接收到的信号强度值满足如下关系：RSSI=P+G-PL(d)(4.6)RSSI是未知节点接收到的功率，P是锚节点的发射功率，G是传感器节点的天线增 27 西安理工大学工程硕士专业学位论文益，PL(d)表示传输距离d后损耗的功率。自由空间传播模型：PLd0=32.44+10´n´d0+10´n´lgf()()032.4410010lg(4.7)公式（4.7）中()PLd表示信号传播距离d后的损耗值，n表示信号衰减系数。00通过式(4.5)、(4.6)、(4.7)我们可以在选定的路径损耗模型下通过接收信号强度测得锚节点与未知节点之间的距离d。1.1基于RSSI定位算法的不足分析基于RSSI的定位算法相对于其他算法主要优点就是硬件成本低、算法复杂度低。能很大程度减少传感器节点能量消耗，延长网络寿命。传感器节点的通信模块自带的检测信号强度，相对于其他测距方式而言，根据接收信号强度测量节点间距离要相对简单。但是，基于RSSI的定位算法也有它的缺点。由于信号在传输的过程中受外界干扰严重，这就导致用这种方法测得的距离存在很大的误差。这是毋庸置疑的。距离误差最终应用到定位算法中，累计误差更加严重，所以说，以往的基于RSSI的定位算法精度有待提高。本文主要研究的内容就是对基于RSSI距离定位算法进行改进，利用自测量衰减系数、循环定位求精、多次测量等方法来降低RSSI测距对定位结果带来的影响。在现实生活中，传感器节点往往被随机分布在恶劣的复杂的。比如，在海洋环境监测中，节点分布在立体的海洋环境中，以往的定位算法大多是在二维环境下设计的。在国际上虽然有少量的针对三维空间的算法，但是还相当不成熟。目前在这个领域还没有一种有效的解决方法。所以，这就要求设计一种全新的、能够适应三维立体空间的无线传感器网络定位算法。所以，本文针对以上基于RSSI定位算法的不足之处。针对如何降低测距误差对定位误差的影响、如何将定位算法扩展到三维空间这些问题，提出了一些新的改进办法。在定位过程中，得到未知节点的估算位置以后，对于明显存在偏差的估计坐标通过一定的方法进行剔除，提高定位精度，从整体上减小误差。2.1基于RSSI定位算法的改进与扩展3.1对RSSI测距的改进基于RSSI的定位算法的主要误差来源于前期的测距误差。造成测距误差的原因就是我们不能很好的解决路径损耗对测距的影响这一问题。在不同的环境中，路径损耗是各不相同的。甚至在同一个网络中，不同节点所处的位置不同，其路径损耗系数也有所不同。 28 基于RSSI三维定位算法的分析与改进所以说，如何改进路径损耗问题，进而降低测距误差是一个重要的研究课题。鉴于路径损耗系数受环境因素影响较大，本文提出了一种新的计算路径损耗系数的方法。计算出网络中每一个节点所在区域的路径损耗系数。具体方法就是利用未知节点周围的锚节点与锚节点之间的通信，来测量这一区域的平均路径损耗系数。然后在对这一区域内其他未知节点进行测距时，使用测量所得的平均路径损耗系数。具体实现步骤：(1)网络内所有信标节点向外发送信息，信息包括发射信号功率大小、自身的坐标。(2)网络内所有信标节点接收来自邻居信标节点的广播信息。并存储其位置坐标及发射功率。(3)由于信标节点之间的距离已知。两个信标节点之间相互通信就可以求出通信过程中的信号衰减系数n。当一个信标节点与多个邻居节点相互通信后，就可以来的衰减系数求得平均值，就可以代表这一区域的信号衰减系数的平均水平。(4)利用测量所得的信号衰减系数对所在区域内的未知节点进行定位。锚节点向外发送信息，信息包括发射信号功率大小、自身的坐标、以及所在区域的衰减系数，根据信标节点提供的路径损耗系数，锚节点周围的任意未知节点都可以计算出与各个邻居锚节点(A1,A2,A3,¼,An)之间的距离(aaa¼a)，如图4-3所示：1,2,3,,nA1AnA2AjA3Ai图4-3邻居信标节点信息Fig4-3informationofneighboranchors一般我们在对数-正态分布模型中计算平均衰减系数n。本文就是利用网络中信标节点间的通信来计算整个网络的平均信号衰减系数n，然后来计算未知节点与信标节点之间的距离。仿真实验表明，这种改进方法大幅降低了有测距引起的定位误差。1.1改进的算法向三维空间推广(1)三维空间位置估计基于RSSI的无线传感器网络二维定位算法中，我们是利用接收信号强度测得未知节点与邻居信标节点之间的距离，然后通过三边测量法或最大似然估计法计算出未知节点的29 西安理工大学工程硕士专业学位论文估计坐标。如果将基于RSSI的二维定位算法直接应用于三维空间，我们会发现，在三维空间，三个不共线的锚节点对一个位置节点进行定位，求得的坐标有两个，由几何知识知道，在三维空间，盲节点获得四个以上信标节点的位置信息以后，才可能实现定位，并且前提是这四个信标节点不在同一个平面内。在三维定位算法中，如果每次对未知节点定位之前都需要计算邻居锚机点是否共面，这样将产生很大的运算量。在实际环境中，由于环境的复杂性和节点分布的随机性，一个未知节点周围出现多个共面锚节点的概率少之又少。所以在定位之前我们无需考虑这个问题。假设我们已知三维空间内未知节点到A(x,y,z)，B(x,y,z)，(,,)Cxyz，AAABBBCCC(,,)Dxyz四个锚节点的距离分别为d1,d2,d3,d4，那么根据四边测量法可以到计算未知DDD节点坐标的方程组：ì-+-+-=222xxyyzzdïANANAN1ïx-x+y-y+z-z=d222ïíBNBNBN2ï-+-+-=222xxyyzzdïCNCNCN3ï-+-+-=222xxyyzzdîDNDNDN4求解方程组(4.13)，就可以确定未知节点(,,)Nxyz的坐标：NNN(4.8)1222222-éùéxùéxxyyùxxyydd2-2--+-+-N1414141441êú=ê--úê-+-+-úêúêú()()222222y2xx2yyxxyyddêúN2424242442êú(-)--+-+-(4.9) ê()úêú222222z2xx2yyxxyyddëûëûëûN3434343443三维空间内对未知节点坐标的计算与二维空间类似。根据接收信号强度测得的距离信息，利用四边测量法求解未知节点的估算坐标。(2)节点数量估算在二维空间内节点个数的估算，假设无线传感器网络部署在一个二维区域W´H内，理想环境中，节点间通信不受外界环境干扰，节点的通信范围可以近似为一个圆形。以节点通信距离为半径，自身位置为圆心。假设信标节点的通信距离为R，未知节点的通信S1半径为R,且S2R>R,由数学知识很容易知道当R=3R时，目标区域的覆盖率最大。SSSS1212由几何知识得到公式：N´p´R2+N´p´R2=W´HASUS12(4.10)30 基于RSSI三维定位算法的分析与改进代入R=3R,N=2N化简之后得到：SSUA12NA3W´H=´5R2S1(4.11)将以上推论应用到三维空间，就可以估算出覆盖一定区域的三维空间至少需要的节点数。假设节点分布在三维空间W´H´T内,传感器节点的通信范围由圆形扩展到以自身坐标为球心，通信距离为半径的球体。则由几何知识得到公式:44N´p´R3+N´p´R3=W´H´TASUS3312(4.12)代入N=2N后，化简得到：UANA=3W´H´T()p´´3+8´34RRss12(4.13)无论对于二维空间还是三维空间。假设我们已知网络中锚节点和未知节点的通信半径，那么就可以计算出理想环境下如果需要完全覆盖监测区域所需要的最少信标节点个数和未知节点个数。在实际应用中，由于节点并不是均匀人工安置的，并且受网络环境等因素影响，我们需要比理想环境下多一些的节点才可以实现监测区域的全覆盖。此外，如要实现完整定位，锚节点的数量相对理想状态也要高很多。1.1对估算位置进行过滤对估算位置进行过滤，是为了排除定位后一些不可靠的位置坐标，进一步提高定位精度。三维空间不同于二维空间，三维空间中部署的节点数目相对较多，由于其立体性，每个节点的邻居节点数目也相对较多。再加上三维空间的复杂性，往往会出现一些客观因素引起的误差。所以，如何剔除这些错误节点是本节讨论的问题。本节提出了一种对估算位置进行过滤的方法。能有效剔除一些错误信息。如图4-4所示，点A、B、C、D、E、F六个坐标是我们通过算法计算得到的某一未知节点的估算位置。图中很明显看出点A、B、C、D、E的位置比较集中，点F距离其他五个点距离较远，显而易见，F点坐标受到一些客观因素影响，定位过程中出现错误，导致误差很大。我们把点F称为不可靠位置估计。在计算未知节点的平均估算位置时，我们只对其他五点坐标求平均。这就在很大程度上降低了未知节点的估算位置误差。如果未 知节点的估算位置少于三个，不进行过滤，直接取这些估算位置的平均坐标作为未知节点31 西安理工大学工程硕士专业学位论文的最后估算位置。。AB
FCDE图4-4估计位置过滤Fig4-4estimatedlocationfilter如表4-2所示，我们在过滤不可靠位置的过程中，设定一个距离阈值d，排除不可th靠估计位置的方法就是计算未知节点到锚节点的距离是否大于阈值。具体方法如下表所示，当表中某一行的值均大于阈值d时，认为它为不可靠位置，不予计算，若thA(x,y,z),B(x,y,z),C(x,y,z),D(x,y,z),(,,)Exyz为可靠位置,则本AAABBBCCCDDDEEE文将这五个位置的平均坐标作为未知节点的位置估计。阈值两倍。d一般取盲节点通信距离的th知节点通信半径的2倍。表4-3节点间估算距离Table4-3estimatethedistancebetweennodes为了加以区分改进前后的三维定位算法，我们将改良后的算法叫做基于RSSI的改进三维定位算法(简称IRSSI-3D)1.1IRSSI-3D定位算法2.1算法前提假设为了更好地描述IRSSI-3D定位算法，我们假设算法用到的节点和网络环境满足一下几个条件：(1)无线传感器网络节点具有RSSI测距能力32 基于RSSI三维定位算法的分析与改进(2)节点分为锚节点和未知节点两类，所有节点随机部署在三维空间中。(3)传感器节点通过RSSI的测距误差服从标准正态分布。(4)保证锚节点个数不低于节点总数的30%。(5)在计算节点间距离时，采用对数-正态传播模型。1.1IRSSI-3D定位算法设计过程本小节具体的描述IRSSI-3D算法的定位过程：(1)将节点（包括未知节点和锚节点）随机分布在三维空间W´H´T中。(2)计算网络衰减系数。网络中所有信标节点向其它节点发送信息，信息包括发射功率和自身坐标，其他锚节点等待接收信号，并将接收到的信标节点坐标及发射功率存储。当一个信标节点有多个邻居信标节点时，利用接收到的其他邻居信标节点的信号代入公式(4.5)计算信号衰减系数n，这些信号衰减系数就反应节点所在位置的衰减水平，然后，通过加权算法计算得到信号衰减系数n。(3)计算未知节点与信标节点间的距离。每个信标节点向未知节点发送信息包括自身坐标以及自身所在区域的信号衰减系数，未知节点通过接收信标节点发射的信息计算出距离每个邻居信标节点有多远。(4)根据四面体定位法及最大似然估计法求解出具有四个及以上邻居信标节点的盲节点的坐标。(5)利用估计位置过滤法剔除掉误差偏大的估算坐标，将其余估算坐标利用加权求值得到的坐标作为盲节点的估算位置。最终实现对估计位置的修正，达到提高定位精度的目的。1.2算法伪语言描述(1)确认监测区域:节点分布在三维空间W´H´T中。(2)最少节点数量估算:利用前面章节提出的节点数量估算法计算所需节点个数。理想环境下如果要完整覆盖三维空间W´H´T，则需要未知节点数U_num和锚节点数A_num。(3)节点分布：U_num个未知节点和A_num个信标点随机分布在三维空间W´H´T中，每个节点拥有独立的编号。(4)信标节点发送信号：每个信标节点将自身的编号、坐标、以及发射功率（本文所有节点的发射功率取固定值60分贝）发送至其他信标节点信号。fori=1:A_num%%i是信标节点的ID33 西安理工大学工程硕士专业学位论文(5)信标节点接收信号:信标节点接收到包含发送节点坐标、发射功率以及ID的信号,并记录为A_receive。endfor;(6)求解信号衰减系数k：利用公式4-5，信标节点间距离，发射节点功率，接收信号功率都是已知的，根据对数-正态模型，求出信标节点所在位置的信号衰减系数k。(7)求解盲节点和信标节点间距离：信标节点发送信号，包括自身ID、发射功率、所在位置的信号衰减系数k。盲节点根据接收功率和以上信息就可以求出两者之间的距离distance。ij(8)记录盲节点i接收到的信标节点信息个数，并记录个数为cnt。forj=1:u_num%%j是未知节点的IDifcnt³4，count+1。(9)求盲节点i的坐标：利用四面体定位法对盲节点进行定位，每四个邻居信标节点就可以求解一个未知节点的估算位置，求出盲节点i的邻居信标节点的组数grp，forj=1:grp求出location(i,j);endfor;(10)计算盲节点最终估算坐标：利用估算位置过滤方法对盲节点的所有估算位置进行刷选，最后利用加权平均值求出用盲节点i的估计位置坐标(,)
xy。iiendif;endfor;(11)定位覆盖率分析：定位成功的盲节点个数count与盲节点个数总和U_num的比值即为网络的定位覆盖率。(12)定位精度分析：定位成功的盲节点的估算坐标(,)
xy与节点的实际坐标的误差就ii是衡量算法定位精度的标准。(13)结束。 34 基于RSSI三维定位算法的分析与改进1.1算法流程图开始所有锚节点计算自
身所在区域的衰减系数n在W╳H╳T内部j=1署Anum个锚节点K=1Unum个未知节点N
N启动定位J<=AnumK<=UnumYi=1YN未知节点k根据锚节编号为j的锚节点根i<=Anum点信息和n计算距离据收到的其他锚节点Y邻居锚节点cnt,k加1信息和节点位置计算编号为i的锚节点衰减系数n,j加1发送信息，i加1NCnt>3Y其它节点收集信息g=1求邻居锚节点组及组数grpg<=grpNY用四面体定位计算location（g）,g加1对有效估计求质心用4.2.3过滤，得到
作为未知节点k最结束有效位置估计
后的位置估计图4-5IRSSI-3D算法流程图Fig.4-5IRSSI-3Dalgorithmflowchart2.1算法仿真与结果分析3.1相关参数设置本文算法均在MATLAB仿真环境下实现。对基于RSSI的无线传感器网络二维定位算法,基于RSSI的无线传感器网络三维定位算法，基于RSSI的无线传感器网络改进的三维定位算法进行仿真，并从定位精度，定位覆盖率等方面对这三个算法进行了分析比较。实验过程中，仿真环境的参数设置：(1)节点通信半径：信标节点的通信半径设置为10m，而盲节点的通信半径设置为 35 西安理工大学工程硕士专业学位论文1.1m。(2)二维平面监测区域大小设置成100m´100m；三维空间监测区域设置为100m´100m´100m。(3)信标节点密度：监测区域内信标节点数占总的节点数(信标节点数和盲节点数的和)的百分比，即()N/N+N。信标节点密度很大程度上影响到最终的定位精度甚至定AAU位成功与否。(4)表4-3中提到的阈值d设置为盲节点通信半径的2倍。th(5)定位覆盖率：定位成功的盲节点个数与总的盲节点个数之比。(6)节点定位精度：估计位置与实际位置之间的误差。2.1节点密度对定位结果的影响节点密度是指单位面积内的节点个数。节点密度对定位精度以及定位覆盖率起到至关重要的作用。这一点我们在章节4.2中已经讲过。在实验过程中，我们假定监测区域和节点通信半径均不变，那么节点数目越多，检测范围内单位面积上的节点个数就越多。盲节点通信半径内可以接收到的信标节点个数也就越多，定位精度和定位覆盖率都会得到相应的提高。实验过程中，我们选取信标节点密度为40%（理想环境下信标节点密度一般为30%，由于节点是随机分布的，我们取信标节点密度稍微大于理想环境）。然后保证节点通信半径不变，通过改变节点数目来来分析节点密度对两种定位算法的影响。如图4-6所示。图4-6(a)定位范围（不同节点密度）图4-6(b)定位误差（不同节点密度）Fig.4-6（a）locationcoveragedifferentratioofnodesFig.4-6（b）locationerror分析图4-6中数据可知，节点密度对节点的定位覆盖率及定位误差影响很大。随着单位面积内节点数目的增大，网络中大部分盲节点均可以实现自身定位。而且，这个实验也验证了文章提出的最少节点个数的理论，随机分布的网络环境，若要实现整个网络的覆盖，36 基于RSSI三维定位算法的分析与改进必须使用比理想环境下多得多的锚节点。实验中，我们在对改进前后的三维算法进行仿真的过程中，选取节点个数范围为300-1200。然后分析比较两种算法定位覆盖率的问题。图4-6(b)是改进前后的两种算法中节点定位误差与节点密度的关系。1.1锚节点密度对定位结果的影响在无线传感器网络中，锚节点在定位方面起到的作用相比未知节点要大得多。在第三章中我们描述过，信标节点的密度对定位精度起到很大的影响。而且，随着信标节点密度的增大。单一未知节点通信范围内可以接收到的信标节点信号就越多，网络中，更多的未知节点可以实现定位，提高了定位覆盖率。虽然，信标节点相对盲节点的通信能力更强，并且具有自身定位的能力，但是正是由于这两种原因导致信标节点的功耗远远大于未知节点。此外，由于信标节点的特殊性，其硬件成本也很高。所以，如何既要保证定位精度，又要尽量减少信标节点的个数是一个值得研究的问题，下面的实验，就从信标节点密度和定位精度两方面分析了二者之间的关系。图4-7(a)定位覆盖（不同锚节点比例）图4-7(b)定位误差（不同锚节点比例）Fig.4-7(a)locationcoveragedifferentanchornodesFig.4-7(b)locationerrorofdifferentanchornodes如图4-7(a)所示，无论是改进前后的哪种算法，信标节点数目的增加都很大程度上提高了算法的定位覆盖率。在图4-7(b)中描述的是信标节点密度对定位误差的影响。从图中我们可以看到，虽然随着信标节点密度的增大，改进前后的算法的定位误差都呈下降趋势，但改进后的算法的定位精度明显高于改进前。通过上述对信标节点密度和节点个数的研究分析得知，本位提出的IRSSI-3D实现了在三维空间的定位，并且很大程度上提高了定位精度。但是，由图4-6(a)和图4-7(a)可以看出，改进后的算法就定位覆盖范围而言，并没有很大的提高。也就是没有很好地解决定位盲区问题。37 西安理工大学工程硕士专业学位论文1.1本章小结本章节的主要内容就是提出了利用信标节点之间相互通信的方法来计算局域信号衰减系数。这个改进方法的提出主要是为了解决在利用RSSI测距的的过程中存在的误差较大这个问题。这主要是因为不同的环境，信号衰减系数也不同。以往我们往往选定一个固定值来作为某一个网络中的信号衰减系数，这就在测距环节造成了很大误差，对后期的节点定位误差造成很大的影响。然后，为了适应实际应用中的三维环境，将定位算法扩展到三维空间，使算法的应用性更为广泛。在算法扩展过程中，将二维空间内的三边测量法扩展到四面体定位算法来实现对未知节点的定位，由于三维空间的复杂性，为了降低误差，本章又提出了一种对定位得到的估算位置进行筛选的方法。最后为了验证算法的实用性与准确性，在MATLAB仿真环境下对实验所用的相关参数进行了假设，通过分析节点通信半径、锚节点密度、节点个数等因素对算法定位效果的影响。最终得出结论：本文所提出的IRSSI-3D算法的精确性和应用的广泛性。38 总结和展望5总结与展望1.1结论随着物联网行业的飞速发展，无线传感器网络技术作为物联网的核心技术日渐成为人们关注的焦点。而且，近些年来，越来越多的领域应用到无线传感器网络技术，随着学者对无线传感器网络相关技术的深入研究，这项技术已有逐步深入到我们生活中来的趋势。近些年来，关于无线传感器网络的定位算法的研究日渐成熟。定位精度及覆盖率得到很大的提高。但是节点定位技术作为无线传感器网络的关键技术之一。仍需进一步的发展与改进。为了保证算法具有更高的定位覆盖率和定位精度，在已有的基于RSSI的二维定位算法进行研究和改进。此外本文还将改进后的二维定位算法向三维空间进行扩展与推广。提高了算法对环境的适应性。最后对改进后的算法进行了实验仿真，改进后的算法具有更好的适应性和容错性，定位精度和覆盖率得到很大程度的提高。课题完成的主要任务：(1)由于实际环境中节点往往分布在三维环境的因素，本文对基于RSSI的定位算法进行了改进与扩展，设计了一种改进的应用于三维空间的定位算法。和二维算法相同的是同样利用接收信号强度来测量信标节点与盲节点之间的距离；不同的是，在对未知节点进行定位的过程中，我们采用四面体定位法，这种方法需要未知节点至少接收到四个信标节点的信号才能够实现定位。(2)为了解决RSSI测距误差较大这一问题。本文对基于RSSI的测距方法进行了改进。提出了一种测量局部区域的信号衰减系数的方案，即通过信标节点之间的信号传递，利用两个信标节点已知的位置关系，计算出节点所在的局部区域的信号衰减系数，然后，利用局部信号衰减系数来测量这个区域内的未知节点的坐标，这种方法大大降低了RSSI的测距误差，从而提高了节点定位精度。(3)在三维空间内，由于空间的立体性。节点的通信半径内的邻居信标节点的个数往往有很多。在利用四面体定位法进行定位时，每四个信标节点就能够求解得到一个未知节点的估算位置。在这些估算位置中，有部分位置由于环境因素或者客观因素导致是错误的。为了对估计位置进一步修正，文章提出了一种估计位置过滤的方法。(4)在MATLAB仿真环境中，实验为了验证改进后定位算法的效果，从信标节点密度、节点密度、通信半径等多个方面对改进后的定位算法进行了验证。并与改进前的算法进行了分析比较。39 西安理工大学工程硕士专业学位论文1.1展望节点定位技术作为无线传感器网络核心支撑技术之一，随着物联网及传感器技术的发展，人们对节点定位技术提出了新的标准。既要实现精确定位，又要减少节点的硬件开支和能量消耗。本文提出的算法将基于RSSI的定位算法进行了改进与扩展，使其能够应用于三维空间。取得了很好的定位效果。但是依旧有很多缺点，主要包括以下几个方面：(1)如何将定位算法扩展到动态网络环境中。在实际生活中，自组网或者传感网内的节点往往是运动的。本文提出的算法，主要是在静态三维环境下设计的，无法应用于动态网络。下一步需要考虑到节点的运动情况，对算法进行更深入的研究与改进。(2)如何在保证定位精度的前提下，降低算法的复杂度。本文在对算法进行改进与扩展的过程中，在将算法应用于三维空间、提高RSSI测距误差、对节点估算位置进行修正的过程中，都大大的增加了算法的复杂度。增加了节点的运算量。进而影响整个网络的寿命。下一步在降低算法复杂度方面进行更深层次的研究。争取在保证定位精度与定位复杂度的前提下，设计一种低复杂度的定位算法。(3)如何降低信标节点密度。在将算法应用于三维空间的过程中，由于未知节点通信半径内至少存在四个信标节点时才能够完成定位。这无疑增大了整个网络的成本。虽然信标节点密度的增加大幅提高了定位的覆盖率。但是信标节点的硬件成本远远高于其他节点，下一步还应该从改进算法入手，尽量在使用较少信标节点的环境下实现对未知节点的定位。总之，经过本文改进以后的基于RSSI的无线传感器网络三维定位算法无论在定位精度还是覆盖率方面都有很大的提升。同时，也存在一些不足，下一步仍需进一步的研究和改进。望各位老师批评指正。40 致谢致谢首先我要感谢我的导师王林教授，从论文的选题，开题，进展研究都给我提出了宝贵的意见。王老师严谨的治学态度、渊博的知识，缜密的思维和精益求精的工作作风都深深地影响着我。王老师在学校对于我严格要求，课后也给予我了细心的指导和耐心的帮助，更教会了我好多为人处世的道理。此时我的研究生学习生涯即将结束，论文工作也接近尾声，这里我要对我读研期间所有给予过我帮助和关心的老师，同学以及亲友说一声谢谢。尤其感谢王老师在我读研期间给予我的培养，也衷心的祝福老师在今后的工作生活中事事顺心，身体健康。在研究生学习的这几年同样也得到了自动化院的老师和同学的帮助和关心，在此一并向他们表达一下我诚挚的感谢。其次我还要感谢我的朋友和家人，在我求学路上，多谢你们的鼓励和奉献，使我能专注于自己的学业。本文借鉴了前辈们的宝贵的研究成果，参考了大量的文献资料，在此，我由衷的向科研界的学者们致敬。最后，恭祝大家工作顺利，心想事成！行文至此，我的硕士毕业论文已接近尾声。再次感谢我的老师、朋友和父母对我无私的关怀和帮助，谢谢！41 西安理工大学工程硕士专业学位论文42 参考文献参考文献【1】王殊，阎毓杰，胡富平．无线传感器网络的理论及应用[M]．北京：北京航空航天大学出版社，2007：142-164．【2】孙利民，李建中，陈瑜．无线传感器网络[M]．北京：清华大学出版社，2005：11－156．【3】张荣磊，刘琳岚，舒坚．基于多维定标的无线传感器网络三维定位算法[J]．计算机应用研究，2009，26(8)：3100-3105．【4】HeTian，HuangChengdu，BlumBM，etc，Range-freelocalizationschemesinlargescalesensornetworks[C]．Proceedingsofthe9thAnnualInternationalConferenceonMobilecomputingandnetworking(MobiCom)，SanDiego，California，USA：ACMPress，2003：81-95．【5】JohnAStankovic．WirelessSensorNetworks[R]．DepartmentofComputerScienceUniversityofVirginia，2006．【6】朱红松，孙利民．无线传感器网络技术发展现状[J]．中兴通讯技术学报，2009，15(5)：O1-OS【7】吕鹏元．无线传感器网络定位算法研究[D]．西安:西安电子科技大学，2009．【8】关媛媛，安世全，刘光明.提供精确室内定位信息的Cricket系统[J].重庆工业高等专科学校学报，2004,19(2):39-41【9】顾一中．基于“北斗”导航系统的无线传感器网络定位算法研究[J]．山东交通学院学报，2006，14(3)：58-61．【10】SawidesA，HanCC，SrivastavaMB．Dynamicforge-grainedlocalizationinad-hocnetworksofsensors[C]．Proc7thAnnualInt'lConfonMobileComputingandNetworking(MobiCom)．Rome，Italy．July2001．166-179．【11】崔平远，郑黎方，裴福俊．车载GPS－DR组合导航系统自适应信息融合算法研究[J]．计算机测量与控制，2007，12(15)：1807-1809．【12】汪泉弟，魏欣，杜松旺．一种高精度无线传感器网络节点三维定位算法[J]．传感技术学报，2008，21(12)：2050-2053．【13】郭响，罗志祥，贾亚黎．三维空间中无线传感器网络节点定位算法[J]．船舶电子工程，2007，27(4)：70-75．【14】刘玉恒，蒲菊华，赫阳．无线传感器网络三维自身定位方法[J]．北京航空航天大学学报，2008，34(6)：647-651．【15】HuiQu，StephenB．Wicker．Co-designedanchor-freelocalizationandlocation-basedroutingalgorithmforrapidly-deployedwirelesssensornetworks[J]．InformationFusion，2007：1－12．【16】郑相全．无线自组网技术使用教程[M]．北京：清华大学出版社，2001．36-45．【17】王继春．无线传感器网络节点定位若干问题研究[D]．合肥：中国科学技术大学，2009．【18】马祖长，孙怡宁，梅涛．无线传感器网络综述[L]．通信学报，2004，25(4)：114-124．【19】孙雨耕，张静，孙永进．无线自组传感器网络[L]．传感技术学报，2004，17(2)：331-348．【20】代宏阳，唐宏，胡锡鹏．无线传感器网络在军事中的应用研究[F]．电脑知识与技术2010，06(16)：4408-4415．【21】齐楠，韩波，李平．智能交通系统中无线传感器网络的应用[J]．机电工程，200724(10)．85－87．【22】黄布毅，何超前，李冬富．基于无线传感器网络的家庭安防报警系统设计[J]．测控技术与仪器
仪表，2007，l．74-76．【23】蒋承延，吴思远．基于无线传感器网络的智能家居系统[J]．传感器与仪器仪表．2007，24(5)：
199-202．【24】刘宝．ZigBee网络及其在医疗监护系统中的应用研究田．兰州：兰州理工大学，2009．43 西安理工大学工程硕士专业学位论文【25】JuHailing，MiaoYong，LiTianpuetc．Overviewofwirelesssensornetworks[J]．ComputerResearchandDevelopment，January，2005，42(1)：163-174．【26】聂文惠，鞠时光，薛安荣一种基于无线传感器网络的三维定位模型[[J].计算机科学，2009,36(12):55-58【27】TinosR，Navarro-SermentL，ParedisC．FaultTolerantLocalizationforTeamsofDistributed
Robots[C]．InProceedingofIEEEInternationalConferenceonIntelligentRobotsandSystems，
Oct．2001．【28】聂宽胜，刘军．WSN定位算法实际应用性能评价指标及其影响因素的分析[J]．安防科技研究
与探索，2009，06，3-5．【29】GustavJ．Jordt,RustyO．Baldwin，JohnF．Raquetetc．Energycostanderrorperformanceofrange-aware，anchor-freelocalizationalgorithms[J]．AdHocNetworks，2008，6：539-559．【30】LeeJohnsonC，LeungVictorC．M，CaoJiannongetc．Keymanagementissuesinwirelesssensornetworks：Currentproposalsandfuturedevelopments[C]．IEEEWirelessCommunications．2007，14(5)：76-84．【31】RaoA，PapadimitriouCetc．Geographicroutingwithoutlocationinformation[C]．Proc．ofthe9thAnnuallnt'1ConfonMobilecomputingandNetworking．SanDiego:ACMPress，2003．96-108．【32】祁会波．无线传感器网络中基于移动锚节点的定位算法研究[D]．太原：太原理工大学，2010．【33】王雪．无线传感器网络测量系统［M］．北京:机械工业出版社，2007．307-320．【34】AlineBaggio，KoenLangendoen．MonteCarlolocalizationformobilewirelesssensornetworks[J]．AdHocNetworks，2007：1-5．【35】KoenLangendoen，NielsReijers．Distributedlocalizationinwirelesssensornetworks：aquantitativecomparison[J]．ComputerNetworks，2003，43：499-518．【36】DimitriosKoutsonikolas，SaumitraM．Das，Y．CharlieHu．Pathplanningofmobilelandmarksforlocalizationinwirelesssensornetworks[J]．ComputerCommunications,，200730．2577-2592．【37】BulusuB，HeidemannJ，EstrinD．Densityadaptivealgorithmsforbeaconplacementinwirelesssensornetworks．In：IEEEICDCS'O1，Phoenix，AZ．2001．04．【38】DohertyL，PisterKSJ，GhaouiLE．ConvexPositionEstimationinWirelesssensornetworks[C]．InProceedingofJointConferenceoftheIEEEComputerandCommunicationsSocieties，April2001，3：1655－1663．【41】李娟，王坷．BoundingCube：一种无线传感器网络节点三维定位算法[J]．中国海洋大学学报，2009，36(06)：1265-1268．【42】于宁，万江文．无线传感器网络三维抽样定位[I]．北京邮电大学学报，2008，36(03)：13－18．【43】戴桂兰，赵冲冲一种基于球面坐标的无线传感器网络三维定位机制[J]．电子学报，2008，36(7)：1297-1303．【44】HoracioA．B．F；AzzedineBoukerche．LocalizationIntimeandspaceforwirelesssensor
networks．PerformanceEvaluation[R]．ParadiseResearchLaboratory,，SITEUniversityoftawa，
Canada，2008．【45】梁小满，姜晓奇，李英玲．无线传感器网络节点的三维质心定位算法[J]．通信技术2009，42(02)：
121－124．【46】姜志鹏，高随祥．无线传感器网络节点定位的同心圆改进算法[J]．计算机科学，2009，36(10)：
46-54．【47】刘克中，喻钦．线传感器网络中多能量级质心定位方法[J]．华中科技大学学报2009，37(08)：
61-64．【48】方震，赵湛，郭鹏．基于RSSI测距分析［J］．工传感技术学报，2007，21(11)：256-2530．
【49】段渭军，黄笑利，王福犳等．无线传感器网络测距技术的研究[J]．计算机科学2007，24(9)：55-56．
【50】ShiChunhe，HanXiaowei，YuanZhonghu，YangDaquan．ResearchandApplicationintheKey44 参考文献TechnologyofWirelessSensorNetworkLocationSystem．Proceedingofthe2009InternationalWorkshoponInformationSecurityandApplication．2009．11．484-487．【51】刘运杰，金明录，崔承毅．基于RSSI的无线传感器网络修正加权质心定位算法[J]．传感技术学报，2010，23(05)：717-720．【52】屈巍，汪晋宽，刘志刚．传感器网络中一种基于RSSI的圆环重叠定位机制[J]．东北大学学报，2010，31(03)：354-357．【53】周燕，李海成．基于RSSI无线传感器网络空间定位算法[J]．通信学报，2009，30(06)：75-79．【54】VIANIF，LIZZIL，ROCCAPetc．ObjecttrackingthroughRSSImeasurementsinwirelesssensornetworks[J]．ElectronicsLetters．2008，44(10)：653-654．【55】KAZUYAT，TETSUSHII．DecisionexperimentofattenuationconstantduringlocationestimationinRSSI[A]．Proceedingsof9thInternationalConferenceonParallelandDistributedComputing，ApplicationsandTechnologies[C]．Dunedin，NewZealand，2008．431-436．45
