聪明的金发，坦率的太阳，无助的羊，ljdfs
(重庆理工大学电子信息与自动化学院，重庆400054)
节点定位是无线传感器网络的关键技术之一，已广泛应用于军事和民用领域。论述了国内外无线传感器网络定位技术的现状，对无线传感器网络节点定位技术进行了调研，阐述了锚节点/无锚节点定位、集中式/分布式定位、测距/非测距定位算法，并从定位精度、规模、功耗等不同角度对各种算法进行了比较。本文重点研究了基于RSSI的质心定位算法，仿真结果表明定位精度明显提高。
无线传感器网络；节点定位；测距/非测距
重庆市教委科技攻关项目(KJ1500917)无线传感器网络(WSN)是由大量具有数据采集能力、无线通信数据传输能力和数据处理能力的微型传感器节点组成的网络[1]。被监测区域内放置了数千个微型传感器节点，节点之间相互通信，形成无线连接传输网络。借助节点间的协作感知或监测外部变化，对采集的信息进行预处理，数据通过基站发送给用户。
WSN利用其信息采集和处理技术，广泛应用于目标检测与跟踪、目标监测与定位等相关领域。比如军事侦查、生态环境监测、目标定位、目标跟踪、特殊病人监测与救助、任性果汁位置监测与救助等。无线传感器网络中的目标位置识别、跟踪或目标定位是指通过分布区域内节点的物理坐标建立类似GPS卫星定位的无线传感器网络地图[2]。
在WSN，当一个节点向相邻节点发送信息时，它必须确定自己的节点位置。由于节点在网络中的大规模分布，不可能在短时间内通过中心基站查询节点的位置。WSN传感器节点硬件配置较低，传统GPS因用户成本较高而不适合WSN定位应用[3]。因此，节点需要在发送信息的数据中包含自己的坐标信息。此外，WSN的节点定位涉及定位精度、节点大小、容错性和鲁棒性、能耗等。均衡的定位精度是无线传感器网络定位的关键[4]。定位技术有很多种，本文从锚节点/非锚节点、集中式/分布式、测距式/非测距式进行了描述。
1.1锚节点算法/无锚节点算法
锚节点定位方法以锚节点为参考节点。首先估计未知节点与锚节点之间的距离，通过选择不同要求的算子初步估计未知节点的坐标。最后，优化初始未知节点的位置。锚的密度越高，参考节点越多，定位越准确。但是，随着节点数量的增加，系统成本也会增加。
无锚节点算法需要创建一个映射，通过节点之间的映射关系来估计测量节点之间的距离。不同的映射关系会有不同的精度。有时，通过旋转、翻转、平移等创建映射关系。Nissanka [5]等人提出的算法是一种无锚节点的定位。它通过多跳建立映射关系，获取坐标系中各节点的坐标，最后利用质点-弹簧模型进行迭代优化。
1.2集中式算法和分布式算法
集中定位算法：将定位信息传输到中心基站，然后进行定位计算。集中式计算从全局出发，对计算量和存储量几乎没有限制，实现实时定位。由于只有一个基站完成计算，通信和存储消耗高，最终功耗耗尽，无法实现长时间实时定位。
分布式定位算法：一种与集中式定位算法相对应的算法
这种定位算法通过测量节点之间的距离或角度来定位。节点之间的距离由传感器估计。基于测距技术的常见定位算法包括接收信号强度指示器(RSSI)、到达时间(TOA)、到达角度(AOA)和到达时间差(TDOA)。
(1)接收信号强度算法(RSSI):该方法根据接收信号能量强度确定距离(RSSI)，这需要更高的通信信道参数。根据已知的信号发射功率和节点接收的信号功率，可以测量节点之间的距离。节点A到节点B的信号强度具体公式如下：
其中Pr为节点b的接收信号强度，Pt为发射功率，gt和Gr分别为a和b的天线增益，为波长，r为距离，l为损耗因子。由于信号传播过程中距离和障碍物的影响，信号的功率强度衰减，间接影响精度。因此，短距离通信可以获得良好的精度。
(2)基于信号到达时间的方法：到达时间又称飞行时间。这种方法的前提是节点之间的时钟同步，移动终端可以通过向基站发送测量信号并使用特定算法进行计算来定位移动终端。距离可以通过以下公式计算：
其中d为节点间距离，c为传播速度， t为时间间隔。
(3)基于信号到达角的方法(AOA): AOA是指通过测量发送方和接收方的角度来获取节点的位置信息，最终完成定位。通过安装在节点上的天线阵列选择合适的三角测量算法来获得测量角度。由于AOA方法需要在接收端和发射端安装天线阵列，其成本和能耗也会相应增加，因此AOA的实用性较差。
(4)基于信号传输时间差的TDOA方法：TDOA方法根据两波是否到达同一目标来测量距离。
同目标的时间间隔。节点的距离公式如下:其中d是节点之间的距离，Δt是接收时间间隔，S=(C1×C2)/(C1－C2)，C1和C2是两种波的传播速度。
对于不同的测距方式，定位算法需要根据精度要求进行选择，如表2是不同测距定位算法精度比较。
1.3.2无需测距技术的算法
此类算法不需要根据节点之间的通信距离进行定位，由于信息可以通过多跳方式发送，利用对跳数信息的处理估计两个节点间的通信距离，再根据算法得到未知节点的坐标位置。该算法无需测距，其优点是功耗低、成本低，缺点是定位精度不高。常见的方法有DVHop［6］和质心定位(Centroid Location, CL)。
（1）DVHop：DVHop算法是一种基于距离矢量计算跳数的算法。DVHop算法一般分为三个步骤：（1）计算节点之间的最小跳数；（2）每个锚节点计算自己的平均跳距；（3）通过三边法、极大似然法、最小二乘法［7］等估计未知节点的坐标。
（2）质心算法(CL)：质心算法基于网络的连通性，以未知节点周围的锚节点作为几何质心，每一个周期向邻边节点发送锚节点的坐标信息，最终未知节点确定为组成多边形的相对几何质心，以此估计未知节点的位置。设与未知节点联通的锚节点的坐标为(x1,y1)(x2,y2)…(xn,yn)，则由n个锚节点组成的n-1边的多边形质心(x,y)为：
该质心定位算法相比于加权质心算法和三边测量法［8］较为简单，但位置错误率高。
2基于RSSI的质心定位算法
传统的质心定位算法简单，可行性高，但定位精度不高，常常定位不到目标。为了提高定位精度，提出基于RSSI的质心定位算法，使质心算法与RSSI相结合，通过RSSI的信号强度转化为传输距离，就可以提高定位精度。即邻居节点接收到信息后，记录锚节点的RSSI值，计算以锚节点为圆心的传输距离，记录下以传输距离为半径的所有圆的相交节点。对交点采用质心算法，就可以估计未知节点坐标。如图1所示，A、B、C为锚节点,未知节点P1必然落在三角形O1O2O3中。进一步对此算法进行仿真验证。
3仿真验证
实验环境使用MATLAB2010b版本仿真软件，在100 m×100 m的区域，30个未知节点随机分布，取平均误差值，比较质心定位算法、RSSI定位算法、基于RSSI质心定位算法的误差。仿真结果如图2
图2中，实点是锚节点，星号是未知节点，圆圈是算法估计位置，连线是定位误差。结果表明质心算法和RSSI定位算法对未知节点的位置估计特性一般，而基于RSSI质心定位算法对未知节点的定位效果明显提高。
改变通信半径，在不同通信半径下的基于RSSI质心与质心定位算法误差比较，仿真结果如图3所示。
仿真结果表明，基于RSSI质心定位优化算法要比普通质心定位算法误差小，随着通信距离的增大，定位误差逐步减少，并在通信半径达到一定值后趋于误差平稳。如果未知移动节点越靠近参考节点，锚节点越多，则结果误差就越小。
4结论
随着定位技术的发展，廉价无线定位服务大众化趋势加剧。对基于RSSI的质心定位算法进行仿真表明，其定位精度比传统的质心算法的精度高，且具有低成本、设备少、距离远、易获取的特点。该算法基本满足高精度的定位需求，适用于定位精度、发射效率相对较高的无线定位系统。目前，许多算法只适合特定环境或需要对条件严格限定，且还有很多问题没有解决，如耗能、网络安全、测距干扰、定位优化、三维定位问题等，所以根据不同定位需求以及定位环境选择合适的定位算法很有必要。
参考文献
［1］ 温柔的机器猫, jmdwn, gtdkf. 无线传感器网络节点定位技术研究［J］. 计算机科学, 2008, 35(5): 47-50.
［2］ KOTWAL S B, VERMA S, ABROL R K. Approaches of self localization in wireless sensor networks and directions in 3D［J］. International Journal of Computer Applications, 2012, 50(11):1-10.
［3］ YAN L Q,GIANNAKIS G B. Ultra wide band communications an idea whose time has come ［J］. IEEE Signal Processing Magazine, 2005, 21(6):26-54.
［4］ kxdbd.无线传感器网络移动节点定位及安全定位技术研究［D］.哈尔滨:哈尔滨工业大学,2009.
［5］ PRIYANTHA N B, BALAKRISHNAN H, DEMAINE E, et al. Anchorfree distributed localization in sensor networks［C］.Proceedings of the 1st International Conference on Embedded Networked Sensor Systems. ACM, 2003: 340-341.
［6］ 涂巧铃,爱笑的蜻蜓,宋佳. 一种改进的DVHop改进算法［J］. 重庆理工大学学报(自然科学),2014，28(11):84-88.
［7］ jpdxy.无线传感器网络［M］．北京:清华大学出版社,2005.
［8］ wsdlq,dzdwd.基于Zigbee的三边测量算法误差研究及改进［J］.微型机与应用,2012，31(21)：68-70.
AET会员年终大福利！