网站首页  词典首页

请输入您要查询的论文:

 

标题 无线传感器网络加权质心定位算法改进研究
范文 陈燕+杨永双



摘要:对无线传感器网络定位中常用的质心算法进行了改进。改进算法将盲节点接收到的RSSI数据转换为距离,并将距离作为锚节点权值,从而估计出盲节点的坐标位置。仿真结果表明,改进算法提高了定位精度,降低了定位误差,且没有增添系统通信负担及计算量。
关键词:WSN定位;RSSI;加权质心算法DOI:10.11907/rjdk.162748中图分类号:TP312文献标识码:A
文章编号:16727800(2017)004004103
0引言
无线传感器网络(Wireless Sensor Networks,WSN)由大量传感器节点构成,通過各类传感器完成监测对象信息的感知、采集和传输。WSN应用范围非常广,涉及工业控制、农业控制、环境监测、医疗监护、智能家居、仓储物流等诸多领域,具有广阔的产业发展前景[1]。传感器节点定位技术是WSN的关键技术之一,是一个重要的研究方向。 WSN定位算法分为两类[2]:一类是基于测距的定位算法。该算法将接收到的信号强度(Received Signal Strength Indicator,RSSI)、到达时间(Time of Arrival,TOA)、到达时间差(Time Difference of Arrival,TDOA)、到达角度(Angle of Arrival, AOA)等信号参数转化为距离,然后通过三边法、三角法、极大似然估计法等计算出位置信息。这种算法需要测量未知节点和参考节点之间的距离或角度信息,因此基于测距的定位算法对传感器节点硬件有要求,但定位精度较高;另一类是基于非测距的定位算法。该算法通过网络的连通性和跳数来定位,需要较高密度的参考节点。常见的非测距定位算法有质心算法、APIT算法、DV-HOP、MDS-MAP算法等等。 质心算法[3]完全基于网络连通性,误差较大,是一种定位精度不高的算法,但是质心算法非常简单,计算量少,可用于对未知节点坐标的简单估计。本文研究了加权质心定位算法,给出了改进算法思路,并提出了一种改进方法,通过实验仿真验证了该算法的有效性。
1质心定位算法 质心算法是基于网络连通性的定位算法。该算法的定位思想为:将在盲节点通信范围内的锚节点组成一个多边形,多边形的质心即为该盲节点的估计位置。从式(1)可以看出质心定位算法非常简单,且不需要增加额外的硬件设施。但盲节点是通过邻居锚节点组成的多边形质心来确定自身的估计位置,因此算法的精确度与锚节点的密度有很大关系。当邻居锚节点数较少时,定位精度会比较低。 质心定位算法虽然估计出了未知节点的位置信息,但算法中所有锚节点的加权权值都一样,没有考虑到不同位置的锚节点对未知节点坐标有不同的影响力,因此需对不同的锚节点加上不同的加权权值。加权质心算法[3]计算公式为:
2距离损耗模型定位系统进行距离测量时,一般选用以下的距离损耗模型[4]:
其中,A表示射频参数,其定义是距离发射器1m处所接收信号平均能量的绝对值,用dBm表示,n为环境因子,d表示与发射节点之间的距离。由式(3)可将接收到的RSSI值转换为距离d。
3加权质心定位算法改进为了进一步提高定位精度,降低盲节点定位产生的误差,同时不增加通信开销,节约能耗,本文对加权定位算法作了进一步改进。
3.1未知节点误差设未知节点i的真实坐标为(x′,y′),通过定位算法得出估计坐标为(x,y)。定位误差使用相对定位误差[5],定义为:
其中N为盲节点个数,Ei为第i个盲节点定位误差。
3.2改进思路不同距离的锚节点对盲节点的定位影响是不同的,锚节点和盲节点距离越近,对盲节点定位的影响越大;距离越远,对盲节点的定位影响越小。因此,可以通过锚节点与盲节点之间的RSSI值计算出锚节点和盲节点间的距离,以此作为每个锚节点坐标对应的加权权值,反映每个锚节点坐标对质心位置的影响程度。定义各个锚节点的加权因子ωi = SX(1dki SX),即各个锚节点的加权权值与它们距盲节点的距离成反比,距离越近,给予的权值越大;距离越远,给予的权值越小。当距离指数k取不同值时,可得到如图2所示的曲线。图2的仿真环境:在200m×200m区域内,40个锚节点和200个盲节点随机分布,节点的通信半径设为20m,k从0.1~5,步长取0.1。从图2可以看出,当指数k在2附近时定位误差最小。k越大,距离盲节点最近的锚节点给予的权值也就越大,特别是大于2之后,盲节点就越接近该锚节点,也就越可能远离盲节点的实际位置,这样就加大了定位误差。图3是仿真运行1 000次各指数出现误差最小值的次数。经统计,误差最小值95%出现在指数k=[1.9,2.0,2.1,2.2],考虑到方便计算,k取2,即加权系数ωi = SX(1d2i SX)。
3.3改进算法步骤(1)锚节点周期性地向周围环境发送节点ID、自身位置信息等。
3.4仿真分析本文采用Matlab软件作为仿真平台,仿真场景为一定区域内随机布置若干个传感器节点,所有传感器节点均具有相同的结构并且发射功率相同。图4为其中的一个仿真环境,在100m×100m区域内,40个锚节点和200个盲节点随机分布,节点的通信半径设为20m。
图5为节点的通信半径变化时仿真程序运行1000次的平均结果。仿真环境:200m×200m,60个锚节点,240个盲节点。从图5可以看出,当加权指数取2时,平均定位误差最小。随着通信半径的增加,定位误差会随之减小,这是因为通信半径的增加使参与定位的锚节点数目增加,定位精度得到了提高。为当锚节点数改变时,仿真程序运行1000次的平均结果如图6所示。仿真环境:200m×200m环境,盲节点数为200个,通信半径为35m。从图6可以看出,当加权指数取2时,平均定位误差最小。随着锚节点数的增加,定位误差会随之减小,这是因为锚节点增加使参与定位的锚节点数目增加,定位精度得到了提高。
4结语 本文利用RSSI值和距离之间的转换,将接收到的RSSI值转换为距离,并以此为锚节点加权系数,对质心定位算法进行了改进。从仿真结果可以看出,本文提出的算法提高了定位精度,降低了定位误差,且没有增添系统通信负担,也没有加大系统计算量。
参考文献参考文献:[1]杨铮,吴陈沭,刘云浩.位置计算:无线网络定位与可定位性[M].北京:清华大学出版社,2014.[2]刘锋,章登义.基于RSSI的无线传感器网络质心定位算法[J].计算机科学,2012,39(6):9698.
[3]杨新宇,孔庆茹,戴湘军.一种改进的加权质心定位算法[J].西安交通大学学报,2010,44(8):14.
[4]朱明辉,张会清.基于RSSI的室内测距模型的研究[J].传感器与微系统,2010,29(8):1922.
[5]吴磊,侯忠伟,许登元,等.无线传感器网络中基于锚节点功率调节的加权质心定位算法[J].微电子学与计算机,2012,29(10):177180.
(责任编辑:杜能钢)
随便看

 

科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

 

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间:2025/3/22 10:43:31