RSSI测距环境参数修正的最小二乘法策略

2012年第21卷第2期计算机系统应用基于最小二乘法的2012年第21卷第2期计算机系统应用基于最小二乘法的RSSI参数修正方案①杜亚江1,高立兵21(兰州交通大学机电技术研究所，兰州730070)2(甘肃有色冶金职业技术学院，金昌737100)摘要：节点定位是无线传感器网络中的重要应用之一。为了克制RSS1测距技术的误差对无线传感器节点定位精度的影响，通过对RSSI测距模型进行分析，提出了一种基于最小二乘法的RSSI测距环境参数修正方案。该措施使用最小二乘法拟合措施对环境参数进行修正，以消除多种干扰对测量数据的影响，以提高RSSI测距的精度，为高精确定位打下基础。试验和仿真成果表明，采用环境参数修正方案后，明显提高了测距的精度。关键词：无线传感器网络；定位；RSS1测距；最小二乘算法伽730070,China)测距环境2(G觚suvocational&1KhrIicaICoIJegeMetnct:LocaIizationofnodtnct:LocaIizationofnod豁is锄imponI_tappIicatiOnOf、IVircl器ssensorneafp踟eterprmisioILhlthispap%RSSI-b笛eddd,蛐dprovideacalib豫tiomethodb鹤cd筆ⅡleIe如tsqua聆a190rimI¹1.Themet¹1od吡豁1e期眦estimateofentiren丽Vorkc孤beimproVed.SimuIationresuItsshOwtlla测距定位精度不高，轻易受到动态环境在监测区域内大量的廉价小型或微型传感器节点组原因的影响嘲，本文通过对无线传播模型进行分析，成，通过无线通信方式形成的一种多跳的自组织的网并根据采集的数据进行分析与研究，提出了一种基于络系统。伴随通信技术、嵌入式计算技术、微处理技最小二乘法的RSS术和传感技术的飞速发展与日益成熟，无线传感器网络开始受到广泛关注，作为其支撑技术之一的节点定2算法模型描述位技术在传感器网络中具有重要作用，没有节点或事本文在不增长节点硬件设计的状况下，节点的距件位置信息的传感器网络有时是毫无意义的【I捌。离信息是通过RSSI的测量得到的。在基于RSSI的测目前的定位算法重要分两大类，基于测距算法距技术的基础上，提出了一种基于最小二乘法的RSSI(珊ge.b私ed)和无需测距算法(mge.fi优)嘲。基于测距测距环境参数修正方案。算法通过测量节点间的距离或角度信息。使用三边测1.1基于RSSI的测距技术量、三角测量或最大似然估计等定位算法。常用的测RSSI测距技术因成本低廉，易于实现且能量消耗①收稿时间：2本低廉，易于实现且能量消耗①收稿时间：2011.06.10;收到修改稿低而著称，并得以广泛的应用。但RSSI测距技术测量精度低，怎样提高测距精度是使用RSSI测距技术的一种亟待处理的关键性问题。RSSI一般是伴随通信节点间距离增长而RSSI值相对减少。一般地，运用RSSI来估计节点之间的距离时，已知发射节点的发射功率，然后在接受节点处测量接受功率，计算无线电波的传播损耗，再使用经验或理论的无线电波传播老式的无线信号传播的衰减模型为式中：脚(d)为在离发射源距离为d处接受到的RSSI强度值。单位dBm;兄跚(do)为对应讥米处未知节点受到的RSSI信号强度值，单位dBm;do为参照距离，单位m:d为发射端与接受端的距离；名为途径衰减指数，与周围环境和障碍物亲密有关；昂表达原则偏差为盯的正态随机变量，单位理论上，假如环境条件已知，那么途径衰减常数为常量，距离的估计就可以使用接受信号强度计算。不过由于应用RSSI.1谭信号测距技术时，不一致的衰减关系影响了距离估计的质量，从而导致了应用该技术时误差较大。为了使基于RSSI的测距技术可以到达很好的测距精度，可以采用合适的措施对RSSI测距导致的误差进行赔偿。1.2最小二乘法拟合的基本原理最小二乘法的基本思想是偏差平方和最小。该理论是高斯在1795年，在他的星体运动轨道预报工作中提出的【6】。1)最小二乘法的基本原理概括如下：从整体上考虑近似函数P(x)同所给数据点(酚，弘Xf=O,1,…,肌)的大小，常用的措施是误差向量，.的2.范数，即误差平方和y,12的算术平方根。详细的数据拟合措施是：智在取定的函数类①中，对给定数据①,求P“)∈①,f=曲2)从几何意义上讲，寻找拟合函数或最小二乘解就是寻求与给定点(船，矽)(f=0,1,…,聊)的距离平方最小二乘法拟合的～般措施可以归纳为如下几种环节：①由已知数据画出函数粗略的图形一散点图，确定拟合多项式的次数n。②列表计算2②列表计算2n7(,=0,1,…,2以)和。③写出正规方程组，求出口0。口I,…,锄。④写出拟合多项式n(x):空期^,其中求解口七j:;oZp州卅f_OM卅朋M乙五“p3基于最小二乘法的RSSI测距环境参数分析与修正由公式(1)可知，假如以dB为计量单位，那么RSSI值与距离之间的函数关系呈线性，可以通过锚节点间的信息互换，线1)由公式(1)可知，假设可以反应RSSI与距离之应最小，即体现式(2)要取最小值：’~对式(3)求有关a、b的偏导数并令其为零，得二2+@幻石～瓦二2弘<口“新=“月二O“6;逐帮当信标节点周期性地发送一种包括自身位置的信标信息，其他信标节点收到信标信息时，则可以计算出此信标节点与发送信标节点的距离，并记录此信标的RSSI值。当信标节点2个以上的信标信息时，按照前述措施计算模型参数，并将模型参数添加到自己的信标中。只要该信标节点收到来自其他信标节点的新的信标，就可以随时对其模型参数列表进行更新，因此该系统的模型参数可以有效地反应环境的变化。3.2距离估计通过对无线信号传播的衰减模型评估与参数修正，根据RssI值，得到对位置距离节点的距离估算公式为：墨兰兰!!垡12二墨兰兰!!生2±主三(5)式就是经典的距离R跚与d计算关系。公式中4试验与仿真分析误差进行分析与比较，并且在MA:兀.AB平台上进行了仿真对比分析。万方数据案，采用修正后的网络环境参数后，其估计的距离和真实皇臀龋图1真实距离与估计距离图2描述基于RSSI的无线传感器网络环境参数修正前与修正后的测距误差状况。从图1中可以看出，在1～7m范围内，其修正前的最大测距误差为0.7708m,最小测距误差为〇.1315m。使用修正后的方案，其最大测距误差为0.6637m’最小误差为0.0226m’明显提高了测嘲0·图2两种状况下的测距误差4.2仿真验分析图3是在仿真区域内随机布署了200个节点，两次运用最小二乘算法修正网络(横轴)与RSsI接受信号强度(纵轴)之间的衰减比例越小越好，表达测距第2期为RSS1测距中一种最重要的环节就是输入参数随外5结论参照文献+trackingoftargets.ⅢEESi掣12陈维克，李文锋，首珩，等.基于RSSI的无线传感器网络加权3任维政，徐连明，邓中亮，等.基于3任维政，徐连明，邓中亮，等.基于RsSI的测距差分修正定位5金卫民，神显豪.基于R5sI的室外无线传感器网络自定位图3第一、二次环境参数修正前后I峪SI6王福豹，史龙，任丰原.无线传感测距误差对比仿真算法.软件学报，2005,16(5):114&_115(上接第251页)伴随数据量的不停增大，系统效率提高了约66.7%。1De锄KGh明mw不仅处理了Lucene数据量的瓶颈，并且还提高了搜ing蚰1a嘴c1uS傀鼠5DI,2004.索响应效率。2Gh锄awatN,Gobio仃H'LeungST.1kG3虽然Lucene提供了从索引的建立、处4不一样的分布式索引服务器上，并结合5Apohe.Wj1cometoLu万方数据作者单位：刊名：英文刊