基于zigbee室内定位算法研究

摘要基于RSSI的ZigBee无线定位技术是室内定位系统的主要技术之一。由于摘要基于RSSI的ZigBee无线定位技术是室内定位系统的主要技术之一。由于RSSI测距技术受室内环境的复杂多变性影响大，可能造成±50％的测距误差本课题针对这种粗定位方式，进行了一些算法的改进。本课题主要分析了影响定位精度的两个主要因素：测距误差和计算误差。第一，分析了影响RSSI测距的室内无线信道传输损耗模型；第二，分析了三角形质心算法、以及加权三角质心算法等对计算误差的影响；第三，针对RSSI具随机性与成正态分布等特性，分析了高斯滤波算法和贝叶斯统计原理，并对基于RSSI测距的定位算法进行了改进。本课题主要利用由无线通信芯片CC2430组成的ZigBee无线网络读取定位节点和各个锚节点之间的RSSI值，通过高斯滤波算法对RSSI值进行预处理，再通过经验模型求取定位节点和各个锚节点之间的距离，然后通过定位算法估算出定位节点的初步位置。最后，根据概率统计学原理建立贝叶斯滤波模型，以估算出的定位信息为先验值，进一步提高定位节点的定位精度。实验结果表明，通过贝叶斯滤波算法改进后的定位精度有了明显提高。定位精度可以精确到关键词：室内定位；Zigbee：接收信号强度指示；高斯滤波算法；贝叶斯滤波算RSSIbasedoneofthemainonpositioningandofpositioningsystem．BecauseoftheofRSSI50maybecausesenvironment，positioningalgorithminviewoftherangingerrors．Therefore，weimprovetwomainThepapererroranderrortheindoormainlypositioningaccuracy．First，itchannelinfluencestherangingerroroflossmodelRSSIbasedoneofthemainonpositioningandofpositioningsystem．BecauseoftheofRSSI50maybecausesenvironment，positioningalgorithminviewoftherangingerrors．Therefore，weimprovetwomainThepapererroranderrortheindoormainlypositioningaccuracy．First，itchannelinfluencestherangingerroroflossmodel leadtotheoftofeaturerandomandoffilteringtheoryareanalyzedinordertoRSSI-positioninghasvaluesbetweenthe wirelessnetworkwhichunknownnodeandZigbeecomposedbythewirelessRSSIprocessedbyCC2430．Then，thGauss filteringmodel．Initial isestimatedbymodelfromapositioning principleofthetakestheestimatedlocationinformationthepriorvalue，tofurtherimprovetheindoorpositioningresultsshowthathasbeenpositioningimprovementcanbeaccurateaboutKeyLocalization；ZigBee；RSSI；GaussiafilteringBayesianfilteringⅡ第一章绪1．1研究背景与意义随着无线网络技术、移动计算设备和物联网Ⅲ(IOT：InternetofThings)发展，越来越多的基于位置服务(LBS第一章绪1．1研究背景与意义随着无线网络技术、移动计算设备和物联网Ⅲ(IOT：InternetofThings)发展，越来越多的基于位置服务(LBSService)的室内应用受到了关注。比如：大型地下车库的车辆定位、医院病患的追踪管理、智能家居定位、家中儿童老人定位看护、地下煤矿的人员跟踪与定位以及发生灾难时的人员跟踪与定位等。室内定位的核心问题就是如何精确的定位室内环境中的人员和物品。在我们日常生活中，使用的最广泛的定位技术是GPS技术【21。但是GPS位技术因为其功耗比较高，必须在开阔的地方使用，并不适合于在封闭的楼层和地下环境等室内环境，而且它的定位精度相对来说比较低，并不能满足室内定位的定位精度要求。如果要在室内定位系统中使用GPS技术，则可以增加一些辅助，比如加有接插式外接天线或者感应式天线的蜂窝无线定位。虽然这样做能使定位精度达到几十米，但是却不能够明确定位目标的具体房间。并且，因为室内环境的复杂性，无线信号的多径效应和反射比较严重，GPS信号在室内会变差，这样使得许多基于室内位置服务的应用变得没有意义。所以，GPS定位技术不再适合于室内定位系统。根据室内环境的这种复杂多变性，人们在室内定位方面不断的提出解决方案和实现方法，比如利用GNSS技术(如伪卫星等)实现室内定位，或者利用无线传输技术(无线局域网路、红外线、超声波、蓝牙、WiFiRFID、ZigBee和超宽带等)来进行室内定位，以及利用像航位推算、图像分析、电脑视觉等技术进行室内定位。虽然目前对室内定位系统的研究比较多，但是却缺少性能比较完善且价格比较低廉的室内定位系统1．2室内定位系统的研究现状1．2．1国外的研究1．基于红外感应的室内定位系统——Badge系统该系统是1993年Cambridge提出的【31，是属于最早的室内定位之一。它的基本原理在于：在实现室内定位之前，要先在定位环境中建立一个由多个红外接收器(红外传感器节点)连接而成的网络，在待定位的人员身上装置红外发送器。一旦待定位的人员进入这个房间以后，红外接收器就会接收到红外线信号，然后经过定位算法计算出待定位人员的位置信息。该定位系统的优点是功耗极低，多个红外接收器(红外传感器节点)连接而成的网络，在待定位的人员身上装置红外发送器。一旦待定位的人员进入这个房间以后，红外接收器就会接收到红外线信号，然后经过定位算法计算出待定位人员的位置信息。该定位系统的优点是功耗极低，体积很小。其缺点是红外线传输的距离较短，很容易受到周围环境的干扰，从而造成定位精度较低。因此在室内环境定位中的实用性较差。2．基于IEEE802．1l无线网络的室内定位系统——RADAR系该系统是1998年微软公司研发的【4】，解决了WLAN中移动计算设备的定位问题。可以通过场景分析和三边测量这两种方式来实现室内定位。前者是先在室内环境中建立一个信号强度 Strength)数据库，并且定位目标配置的感器节点要具有测量射频(RFRiadoFrequency)信号强度的功能，这样我们可以通过无线网络来查询这个SS数据库，只要选择一个可能性最大的位置来定位自身的位置坐标；后者则是先通过RSSI测距计算定位节点和各个基站之间的距离，再利用三边测量法计算出定位节点的位置坐标。该定位系统具有采用无线网络结构、容易安装、使用基站少等优点。但是，该系统也存在一些缺点，比如：对环境要求较高，依赖于无线局域网技术，系统定位精度也有待提高。它通常只能够实现办公室范围内2～3米的实时定位。所以该技术在实际应用中仍然困难较多。3．基于超声波的室内定位系统——Bat系统和Cricket系Bat系统【5】是1999Cambridge研究所开发的，它是通过超声波信号的TOA实现三维空间定位。其定位原理和基于红外线的室内定位系统相似，也需要先在室内环境先建立一个超声波接收网络，先给待定位的人员配置超声波发射器，然后在待定位人员进入定位区域内时后，超声波接收器根据接受到的超声波信号通过定位算法计算出待定位人员的位置坐标。该系统与Badge系统相比，提高了定位精度，可达到3厘米。其缺点在于要预先部署超声波接收节点较多，造成成本够高，而且超声波信号不能受阻碍物的遮挡，需要视距传播，这样它的应用便捷性就变得较差。Cricket系统【6】是2000年由MIT实验室研发的，主要是用来确定大楼内的静止的或者移动的节点的具体房间位置。该系统由作为锚节点的超声发射器和作为定位节点的嵌入接收器组成，然后定位节点根据接收到锚节点的超声波信号与射频信号的时间差(TDOA)来计算出定位节点与锚节点之间的距离，从而通过三角2测量算法计算出定位节点的位置坐标。Cricket系统是Active BatH系统的改进与ActiveBat系统、ActiveBat低，但该算Badge系统相比，其精度测量算法计算出定位节点的位置坐标。Cricket系统是Active BatH系统的改进与ActiveBat系统、ActiveBat低，但该算Badge系统相比，其精度比可提高定位系统的可扩展性和安全性，因为他对移动节点的定位使用了分布性计算。该系统的缺点是需要较高的底层硬件设施投资和功耗较大，因为它要同时发送超声波信号与RF信号，另外，它的定位精度较低，实用性还比较低。4．基于RFID的室内定位系统——SpotON系统和LANDMARC系SpotON系统【7】是1999年研发，是一种基于射频RSS(ReceiveSignal接收信号强度)分析的三维位置感知方法，它假定了室内环境的传输损耗模型，将接收的SS直接换算成待定目标与接收机之间的距离，如式(11)所示。该系统的优点在于使用了瞎子爬山(hill．climbing)优化算法，利用经验数据最小化对定位计算造成的计算误差。另外，它可以成功实现小范围室内定位。船=O．0236×d2-LANDMARC系统18】是通过室内传播路径损耗模型来建立SS与几何空间距离的映射关系，并引入参考定位标签，根据不同标签之间的残差加权算法实现室内定位。该系统的优点在于系统投资较少，因为定位中使用的参考定位标签而不是阅读器。另外，定位有效性较高，因为参考标签能够提供有效的定位节点的位置信息5．基于UWB的室内定位系统——Scries该系统是尤比森斯公司开发的新型定位系统【纠，它主要包含可以发射信号的活动标签、可以接收并估算位置的固定传感器和综合所有位置信息的软件平台。该系统的优点在于它在三维空间定位中的定位精度可以达到15米由于该系统的投资成本较高，并不适合那种对定位精度要求不高却要求低成本的定位场6．基于WiFi的定位系统——-该系统是2001年研发的00]，提供Wi．Fi定位服务，该系统使用贝叶斯网推断节点的位置。1．2．2国内的研究国内室内定位方面研究不多，还处于探索中。目前，室内定位系统研究主要集中在各个高校和科研院所。3复旦大学提出的基于对数正态分布的室内传播损耗模型，它是利用最大似然估复旦大学提出的基于对数正态分布的室内传播损耗模型，它是利用最大似然估计算法，然后通过迭代估算出用户与各个接收机之间的距离以及相应的传播损耗模型中的遮蔽因子，从而估计出室内用户的位置。香港科技大学的Lun等于2007年提出了WHAM!定位系统【11】。这个系统是基于WiFi的，先将环境分为多个区域，然后利用返回跟踪技术来定出移动设备最后所处的区域。上海交通大学微电子学院正在布置的基于WiFi技术实现低成本室内定位的实验室【12】1．3室内定位技术分析1．3．1室内无线传播的在室内复杂环境下，无线信号传播可能收到吸收、反射、折射、绕射、散射、多径干涉、非视距传播和多普勒频移等一系列物理过程的影响。多径传播是因为无线信号在房间内传播时，受到家具、地板、墙壁、天花板和随意走动的人员的影响而通过多条路径到达接收端而形成的。非视距传播是指当发送节点和接受节点在可视距范围之外时，无线信号在经过一系列的反射、散射、绕射活动后到达接收端时造成的。经过多径和非视距传播的信号在传播时延，传播方向，功率等方面造成信号强度的实时性与随机性，从而导致了基于信号强度的定位误差较大1．3．2室内无线网络新兴的无线网络技术：GPS、红外(Infrared)、超声波(UltrasonicTechnologies)BluetoothWi·Fi(wirelessfidehty)、RFIDUWB、等室内定位技术在办公室、家庭、工厂等场合得到了广泛应用。1．A—GPS)定位技术：GPS是目前为止一种比较成熟的室定位技术31。因为当接收机在室内工作时，信号因为受到建筑物的遮挡而大大衰减，因此并不适合室内定位。但是A．GPS技术却为室内定位提供了可能性。其优点在于首次捕获GPS信号的时间较短，且定位精度较高。但是该技术仍然存在着一些无法解决的缺点，还是无法圆满解决室内定位这个的问题。2．Infrared定位技术：该技术是通过安装在室内的光学传感器接收来自红外线标识发射出已调制好的红外射线信号来进行定位【141。它的优点在于室内定位精度较高，但是因为红外技术是直线视距且传输距离较短。因此，并没有被室内4定位系统广泛接受。3．超声波定位技术：该技术是采用反射式测距法和三角定位算法来实现定位【15】。其主要原理是：发射节点发射超声波信号并且定位系统广泛接受。3．超声波定位技术：该技术是采用反射式测距法和三角定位算法来实现定位【15】。其主要原理是：发射节点发射超声波信号并且接收由被测物产生的回波，然后，根据回波与发射波的之间的时间差来计算出待定位物体的距离。其优点是由于超声波的速度传播较低，用于室内定位精度较高；超声波定位设备价格较低且较简单。缺点是超声波因为无法穿透墙壁和一些障碍物，所以受非视距传播和多径效应的影响比较大，而且它还需要投资大量的底层硬件设施，投资成本较高。4．Bluetooth定位技术：它是一种短距离的低功耗的无线传输技术，通过测量SS来进行定位【16】。其定位原理是：首先要在室内安装适当的Bluetooth局域网接入点，把网络配置成一种基于多用户的基础网络连接模式，并保证Bluetooth域网的接入始终是这个微微网的主设备，这样就可以成功获得用户的位置信息，从而实现定位。其优点是容易发现设备，信号传输不受视距的影响，并且设备体积小、易于集成，因此很容易推广普及。缺点是Bluetooth设备价格比较贵，于复杂的空间环境，稳定性稍差，而且蓝牙协议栈比较复杂5．Wi．Fi(无线保真)定位技术：是基于无线局域网络系列标准的一种定位解决方案【171。其优点在于无线电波的覆盖范围广，半径则可达100米；采用波段是2．4GHz；容易安装，基站需求少，能采用相同的底层无线网络结构，系统总精度高。缺点是很容易受到其他信号的干扰，从而影响其精度。近来，公司创始人1181在"WiFi室内精准定位你的位置”中声称：··精确度会随着你与室内环境的互动而产生变化”。通过结合周边Wi．Fi网络的“印迹”及手机内置的加速度计和指南针来定位手机的所在，定位精度在十来步之内。6．RFID(射频识别)定位技术：利用射频方式进行非接触式的双向通信方交换数据达到识别和定位的目的【19】。优点是标识的体积比较小，造价比较低，定位精度较高，且传输范围较大，同时它是其非接触和非视距传播。缺点是传输距离较近，一般最长为几十米。而且节点不具有通信能力，不利于集成到其他系7．UWB(超宽带)定位技术：它是通过发送和接收一些纳秒级或纳秒级以下的极窄脉冲来进行数据传输【2们。其优点是具有穿透力强、功耗低、成本低、系统复杂度低、传输速率高、系统容量大、抗干扰性较强、抗多径的效果好、安全性高、能提供精确定位精度等优点。因此，超宽带可用于对室内静止或者移动物体以及人的精确定位，而且它的定位精度较高。8．ZigBee定位技术：是一种新兴的低速率的短距离的无线网络技术【211ZigBee协议具有一套全球统一的、完整的、开放的标准，它有自己的无线电标准，可以在数千个微小的传感器之间进行相互协调通信并实性高、能提供精确定位精度等优点。因此，超宽带可用于对室内静止或者移动物体以及人的精确定位，而且它的定位精度较高。8．ZigBee定位技术：是一种新兴的低速率的短距离的无线网络技术【211ZigBee协议具有一套全球统一的、完整的、开放的标准，它有自己的无线电标准，可以在数千个微小的传感器之间进行相互协调通信并实现定位。Zigbee有网络容量大、低功耗、低速率、低成本、近距离、时延短、安全级别高、传输范围小和支持网络节点多等优点。在实验室环境中表现良好，但由于环境因素变化的原因，在实际应用中，我们往往还需要对其进行进一步的研究和改进。除了以上各种定位技术，还有基于计算机视觉定位和信标定位等。1．3．3无线定位的基本室内无线定位技术根据定位过程中是否测量节点间的实际距离或角度，将定位算法分为基于距离的定位算法和距离无关的定位算法1221。前者是通过测量多个锚节点与目标节点之间信号的传播时间或入射角度参数，由此计算出多个锚节点与目标节点之间的距离，主要有：基于信号到达时间(TOA：TimeofArrival基于信号到达时间差DifferenceArrival)、基于信号入射(AOA：AngleofArrival)、基于RSSI以及它们的混合定位技术等。后者则是不要测量节点之间的绝对距离或者方位，它仅仅只是利用节点间的估计距离或者仅利用网络连通性等信息来计算节点的位置，比如质心算法。1．TOA定位原理是：在已知信号的传播速度的条件下，根据信号的传播时间计算出节点问的距离，然后通过相关定位算法计算出定位节点的位置。其优点是不依赖于定位节点与锚节点间的时间同步，但要求至少要有三个锚节点。由于测量的电波传播时间，定位节点的位置被限制了在以锚节点为圆心的圆周定位区域上。实际中，两个圆周通常相交于两点，这样就造成了定位节点的位置会不确定。2．TDOA定位原理是：当定位节点同时发射两种不同传播速度的无线信时，锚节点根据接收到的两种信号达到的时间差以及这两种信号的传播速度，计算两个节点之间的距离，然后再通过相关定位算法计算出定位节点的位置。该方法的关键点在于需要建立锚节点之间的同步，否则就会产生轨迹双曲线的偏离误差。在定位过程中，因为只需要知道信号传播时间的时间差，而不要求知道信号的实际传播时间，所以在通常情况下，定位精度会高于TOA技术。63．AOA定位原理是t接收节点首先通过天线阵列或者多个超声波接收机接收发射节点信3．AOA定位原理是t接收节点首先通过天线阵列或者多个超声波接收机接收发射节点信号的到达方向，然后计算出接收节点和发射节点之间的相对方位或者角度，最后，再通过定位算法计算出节点的位置。因为该方法的两条直线只能相交于一点。但是如果定位节点恰好是位于两个锚节点的连线上，则用AOA法不能确定目标的位置，所以我们通常采用两个以上的锚节点提供定位。当定位节点和锚节点的距离较远时，锚节点入射角的微小偏差就会造成较大的误差。对于非视距传播情况，无线信号会经过反射或折射传播，这样会造成入射角度大的变化，从而引起较大的误差，所以AOA定位技术不适用于多径影响较大的区域。4．基于RSSI定位的基本原理是t首先，在已知发射节点的发射信号强度的条件下，接收节点根据接收到来自发射节点的RSSI值计算出信号的传播损耗然后利用理论模型或者经验模型将传输损耗转化为距离，再利用定位算法计算出定位节点的位置1231。其优势是：不用增加硬件的复杂度，容易实现，低功耗低成本，灵活性大。缺陷是：网络稳定性还有待提高，易受环境干扰。当无线信号在室内环境中传播时，出现多径传播现象和非视距影响，以及天线增益而产生的传播损耗，造成较大的测距误差，可能达N士505．混合定位技术：有TOA／AOA、TDOA／AOA、TDOA／TOA、RSSI／TOARSSI／TDOA等。因为室内传播环境的复杂性，AOA、TOA、TDOA等技术无法适用于环境。相比，RSSI测距法可以在一定程度上抵消掉室内多径效应造成的影响它只需要利用一个信号强度测量设备，不需要额外的硬件，这样不会增加节点的硬件成本和尺寸，因此更适合应用于室内环境1．4本论文研究的创新点本课题是研究一种基于ZigBee无线网络技术的室内定位。以ZigBee无线技术组建基本的网络，使用RSSI测距定位技术来定位节点，并从测距阶段和计算坐标阶段两个方面对定位算法进行改进。第一阶段是，建立一个更符合实际环境的无线信道传输损耗模型。建立对数距离损耗模型和IEEES02．15．4简化模型，通过实验与仿真，建立一个符合室内实际环境的无线信号损耗模第二阶段是，结合各种定位算法并对其进行算法优化，这样可以减小传输损7耗模型给定位带来的误差。根据RSSI值的随机成正态分布特性，通过高斯滤波算法对耗模型给定位带来的误差。根据RSSI值的随机成正态分布特性，通过高斯滤波算法对RSSI值进行预处理，从概统计原理的角度，通过贝叶斯统计理论对初始坐标进行进一步优化，得到更加精确的位置坐标。并通过改变锚节点的位置，取得合适的锚节点位置坐标，减少锚节点对定位节点的误差影响，以提高定位精度本课题希望通过本文的改进算法能提高室内定位算法的定位精度，定位精度设计预期达到0．01～lm左右1．5本论文的主要工作安排第一章绪论：简要介绍了目前室内定位系统的优缺点和基本的室内定位技术，并提出了本论文的创新点和工作安排第二章基于ZigBee的RSSI定位算法和基于贝叶斯统计原理：详细介绍了IEEE802．15．4／ZigBee协议栈和基于RSSI测距定位，以及贝叶斯统计原第三章基于RSSI和贝叶斯滤波的定位算法：从测距阶段和坐标计算阶段两个方面进行算法改进，根据RSSI具有的随机性和成正态分布特性，从概率统计原理出发，通过高斯滤波原理和贝叶斯滤波原理对其算法进行了改进。第四章实验及结果分析：通过实验与仿真，做了详细的原始实验数据分析与总结，并证明了本课题改进算法的独创性和优势。第五章总结与展望：总结本课题所做的工作，并对未来的工作提出了展望。ZigBee无线网络技术ZigBee是一种新兴的低速率的短距离的无线网络技术。ZigBee技术以其网络容量大、低ZigBee无线网络技术ZigBee是一种新兴的低速率的短距离的无线网络技术。ZigBee技术以其网络容量大、低功耗、低速率、低成本、近距离、时延短、安全级别高、传输范围小、拥有自己的无线电标准和支持网络节点多等优点，成为室内定位技术的首先之一。而且，ZigBee技术在实验室环境中表现良好。但是因为室内环境因素变化的复杂性，在实际应用中，我们往往还需要做进一步的改进。ZigBee标ZigBee标准是由q-作组和ZigBee联盟共同制订。ZigBee协使用IEEES02．15．4规范【241作为介质访问控制层(MAC)和物理层，ZigBee联盟则定义了网络层、应用层以及各种应用产品的资料。ZigBee协议栈125】126](如图2．1)满足国际标准组织(ISO)开放系统互连(OSI)参考模式。应用表示层会话层传输应用程序接口网络=网络逻辑链路控制(LLC)质接入控制(MAC)数据链物理物理层OSI模ZigBee1．物理层IEEE802．15．4定义了868／915MHz和2．4GHz两个物理层标准。二者都是基于直接序列扩频(DSSSDirectSequenceSpectrum)技术。868MHz频段仅有一个信0)，传输速率为20kb／s：902MHz～928MHZ频段有10信道GHz频段道1．10)，信道间隔为2MHz，传输速率为40kb／s。24GHz"216个信道(信道11-26)，信道间隔为5MHz，能够提供250kb／s的传输速率。物理层能够提供两种服务实体【271，它们分别是：9(1)物理层数据服务实体(PDSE：PHYDataSevriceEntity)，通过PDSAP(PHYDataSAP：物理层数据服务接入点1)来实现通信双方在MAC子层实体之间Unit：媒体接入控制协议数据单元)(1)物理层数据服务实体(PDSE：PHYDataSevriceEntity)，通过PDSAP(PHYDataSAP：物理层数据服务接入点1)来实现通信双方在MAC子层实体之间Unit：媒体接入控制协议数据单元)的数据传输。还①对无线收发器进行激活或者关闭；②对当前信道进行ED(EnergyDetect：能量检测)，并为网络层的信道选择算法提供依据③对空闲信道进行评估Indication)进行检测，能④对接收数据包的链路质量指示(LQI：Link够为网络层或者应用层接收点在接收数据包时，提供详细的无线信号的质量信息和信号强度(2)物理层管理实体服务LayerEntityPLME—SAP：物理层管理实体服务接来实现MLME(MACEntity：媒体接入控制子层管理实体)和PLME间管理命令的传输2．MACMAC层能够实现IEEE802．15．4规范所要求的功能，且负责与物理层进行交互活动。MAC层可以提供种服务：(1)MAC层数据服务(MLDS：MACLayerDataService)，能够实现MPDU理层数据服务上对数据的正确收发。Entity)[2s1(2)MAC层管理服务LayerMAC层管理功能能够顺利执行的一些接口，并定义了特定服务汇聚子层和物理层之间的接口。并且，还负责维护一个存MAC子层协议相关信息的数InformationBase据库MAC子层主要能够完成以下工作：①产生并发送网络信标(beacon)帧，在beacon帧与协议器之间进行同步；②支持无线信号节点安全机制，处理和维持保证时隙Slot)机制；⑧使用时隙载波多路侦听技术(CSMA—CA)机制访问信道，并共享物理信道和完全握手协议；④支持对等的MAC层间数据的可靠传输；⑤支持PAN网络的关联(Association)和解除关联(Disassociation)操作：前是指设备从协调④支持对等的MAC层间数据的可靠传输；⑤支持PAN网络的关联(Association)和解除关联(Disassociation)操作：前是指设备从协调器或者路由器处取得网络的基本参数和网内16bits的地址，它是设备成功加入网络的途径之一：后者则是指当设备准备离开网络或进行网络切换时就执行解除关联操作。3．网络层网络层是ZigBee协议栈的一个重点【2们。网络层的主要作用是实现网络的组建，为新加入网络的访问节点分配网络地址、路由发现和路由维护等。每一个ZigBee节点都包含网络层，为了确保ZigBee的MAC层能够正常工作，网络层提供了两个服务接口，分别如下所示：(1)为数据传输服务提供的NLDE．SAP接口，能够为网络层数据实体在通过其服务接入点时提供数据服务；而且当它在两个或者多个设备之间进行传送数据时，则将按照应用协议数据单元(APDU)的格式进行数据传送，且要求这些设备必须在同一个网络中(即在同一个内部个域网中)；并且能够提供生成网络层协议数据单元(NPDU)和指定拓扑传输路由服务。(2)为管理服务提供的NLME·SAP接口，能够为网络层管理实体(NLME通过其服务接入点时提供网络管理服务，并允许应用与协议栈相互作用。此外，还存在一个隐藏接口，它能够使NLME通过使用NLDE的数据传输服务来实现它的一些管理任务活动。而且，NLME还负责维护和管理网络信息库Base)4．应用层ZigBee应用层【30】由四个部分组成：应用支持子层(APSApplicationSubDeviceObject)、应用架构Layer)、ZigBee设备对象(ZDO：ZigBceFramework)和制造商定义的应用对象(AppObj：ApplicationObjectApplicationAPS为网络层和应用层之间的服务提供接口。这些服务是通过两个实体来实现DataEnitiy：APS数据实体)通过APSDE．SAP(APSDE服务入点)来完成同一网段内各个应用实体之间的数据通信，还可以用来拆分和重组 Enitiy：APS管理实体)通过服务接入点)来提供的多种服务给ZDO和Obj使用。也可以对绑定表进行维护，对群地址进行定义， Enitiy：APS管理实体)通过服务接入点)来提供的多种服务给ZDO和Obj使用。也可以对绑定表进行维护，对群地址进行定义，并群寻址信息进行移除和过滤等。AF是一个ZigBee设备应用对象之间的工作环境。在AF内，应用对象之间通过APSDE-SAP来完成对数据进行发送并接收。应用对象主要是通过设备对象公共接口来实现网络初始化和对ZigBee设备的协议层进行控制和管理ZDO介于AF和APS之间。ZDO的主要功能如①对APS，NKW(网络层)和sss(安全服务规范)进行初始化：②收集来自终端应用的各种配置信息，以完成网络管理、安全管理绑定管理等操③定义ZigBee设备在网内的各个角色：ZigBee调器、ZigBee路由器、ZigBee终端设备。在一个ZigBee设备中我们最多可以定义240个不同的Obj，分别对应1-240终端。另外，为了方便APSDE服务接入点的使用，定义了一个作为与ZigBee设备对象间的数据接El的0终端和一个作为对所有应用对象的数据广播接口255终端。并预留了241～254终端，用来以后扩展使用，因此用户不能使用。ZigBee网络组网技1．ZigBee网络设备IEEE802154ZigBee协议定义了两种相互配合使用的物理设备：全功能设备device)和简化功能设备(RFDdevice)1311(1)FFD可支持任何一种拓扑结构，可作为网络协调器，具有转发与路由能力，拥有足够存储空间来存放路由信息，处理控制能应较强。在ZigBee线网络中，ZigBee协调器、ZigBee路由器是FFD(2)RFD，内存小，功耗低，只支持星型结构，不能成为网络协调器和路由器，只发送与接收信号，实现简单。RFD是最小、最简单的ZigBee终端节点。它可以实现一组最少的ZigBee服务。2．ZigBee网络拓扑结构IEEE802154ZigBee协议中明确定义了三种拓扑结构(如图22)结构(star)、网状网结构(Mesh)和簇树型网结构 Tree)1321图ZigBee的网络拓扑(1)星型网络拓扑结构是一种最简单的单跳网络。它是由一个作为主设备的协结构(star)、网状网结构(Mesh)和簇树型网结构 Tree)1321图ZigBee的网络拓扑(1)星型网络拓扑结构是一种最简单的单跳网络。它是由一个作为主设备的协调器和一个或多个作为从设备的终端设备组成。不需要用到ZigBee协议栈直接用IEEE802154的层就可以实现这种组网技术。在这种网络拓扑结构中，协调器节点是整个网络的控制中心点，所有的终端节点都只与协调器节点通信。假如某一个终端节点需要将数据传输到另一个终端节点，则它会先把数据发送给协调器节点，然后再由协调器节点依次将数据转发给目标接收器的终端节点。这种网络拓扑结构的优点在于，组网技术简单，但是它的通信范围却十分有限，所以单独使用这种网络拓扑结构的情况比较少。(2)网状网络拓扑结构采用的是完全对等的点对点通信，每一个节点不仅可以和自己的父节点和子节点通信，还可以和在通信范围允许内的具有路由功能的非父子节点进行通信。这种拓扑结构的优点在于，因为路由器不会定期的发送信标，它仅在网内设备要求时才对其进行单播信标，这样能够提高网络的容错性，但是也因为如此，使得网络中的节点很难达到同步，所以我们必须采取像广播等手段来实现。(3)簇树型网络拓扑结构，任意一个节点都只可以和他的子节点和父节点行通信。但是它的路由器采用分级路由策略来传送数据和控制信息，且它通常是基于信标(Beaeon)l拘通信模式。因为它的通信路由是唯一的，所以，一旦骨干络中有路由节点发生瘫痪，则相应的区域就会进入通信瘫痪状态，只有等待该部分的网络重组以后，才能够恢复通信状态。这种网络拓扑结构的优点是：因为定期发送信标有利于同步，并且有利于节点定期的进入休眠状态，这样可以降低系统功耗，延长整个网络的寿3．ZigBee组网技术在ZigBec网络组网中，只有PAN协调器节点可以发起并建立一个新的ZigBec网络【331。它主要通过以下几个步骤在ZigBec网络组网中，只有PAN协调器节点可以发起并建立一个新的ZigBec网络【331。它主要通过以下几个步骤来建立网络(1)当PAN协调器节点准备建立一个新的网络的时候，它首先会扫描整个信道，然后寻找这个网络中的任意一个空闲信道来建立一个新的网络。(2)当在这个网络中找到了一个合适的信道以后，ZigBec协调器节点就会为这个新网络选择一个PAN标识符，这个PAN标识符是用来标识整个网络的，在该信道内必须是唯一的。因此，一旦选定了一个PAN标识符，就可以说明已经成功建立了一个新的网络。(3)当另外一个ZigBee协调器节点在扫描这个信道时，这时，这个网络的ZigBee协调节点就会作出响应并声明它的存在。而且，这个ZigBee协调器节点还会为自己选择一个16位的网络地址。在ZigBee网络中，所有的节点都会拥有一个64位的IEEE扩展地址和一个16位的网络地址，后者在整个网络中是唯一的，也就是IEEES0215．4MAC短地址(4)一旦ZigBec协调器节点选定了一个16位的网络地址后，就可以开始接受新的节点的加入了。当任意一个新的节点希望加入这个网络时，它首先需要通过信道扫描来搜索它的周围可能存在的网络。如果这个节点找到了一个网络，它就会通过关联过程加入这个网络，只有具备路由功能的节点才允许别的节点通过它来关联这个网络。如果网络中的某一个节点与这个网络失去联系以后还想新加入这个网络，它可以通过进行孤立通知过程来重新加入这个网络。(5)在这个网络中，任意一个具有路由器功能的节点都可以用来维护一个路由表和一个路由发现表，另外，它还可以用来参与数据包的转发、路由的发现、路由的维护，以及关联其它节点来扩展这个网络2．2基于RSSI测距定位RSSI基于RSSI测距定位方法主要测量距离和坐标计算两个步骤组成RSSI测距原理是指在已知无线发射节点的发射信号强度条件下，无线接收节点首先根据接收到来着发射节点的信号强度计算出无线信号的传播损耗，然后通过理论模型或者经验模型将无线信号的传播损耗转化为距离，最后再利用定位算法计算出节点的位置，从而实现定位。如图23所示。根据室内信号传播模型和值计算距算法计算出节点的位置，从而实现定位。如图23所示。根据室内信号传播模型和值计算距采集l述SI图2．3RSSI刹距足位流程图RSSI测距使用的无线信号传播模型包括经验模型和理论模型，本文采用传播理论模型来建模。因为多径信道接收到的信号强度一般被认为是服从对数正态分布的，所以本文中采用对数距离路径损耗模型134来建模如式(21)所示：P啪=Pl(do)+lOMoglo其中，纠(回与Pl(d。)分别为定位节点在距离为d和参考距离d。时对应的接收信号功率(宓册)；d。为参考距离(肼)，一般为l；五是一个零均值的高斯随机变(翘神，反应了当距离一定时，接收信号功率的变化，通过对疋，分析建立合适噪声差模型，可以有效补偿环境的误差；刀为路径损耗指数，一般取值l一7，是一个与环境相关的值，建筑物室内环境视距传播为1．4-1．8接收端的信号强度如式(22)所示：Pr(,0=只一用(回A为信号的发射功率，根据CC2430手册可知Pt=-0．1dBm，I'r(cO为接收信号强度(dBm)，即RSSI，用口)即为经过距离d后的路径损耗。因此，在已知发射功率的情况下，通过测量得到接受功率，然后计算路径传播损耗就可以求出距离根据式(2．1)模型和式(22接收端的信号强度如式(2．3RSSI=A一10nloglo其中A；￡一PI(d。)·以，彳为每米信号接收强度，取负值，对式(2．3)进行等d=10u堋甜加2．2．2计算节点位置坐标的基本在二维空间定位中，至少需要三个锚节点和一个定位节点才能根据三角形定理计算出目标的位置。已知ABC节点的标分别为(xyxYxY节点D正好是以三个锚节点的半径，口，％，0作圆的交点，如图24所示。当三圆交于一点时，根据三边定位算法135】的原则节点D正好是以三个锚节点的半径，口，％，0作圆的交点，如图24所示。当三圆交于一点时，根据三边定位算法135】的原则，可以得出式(2．5)求出定位节点坐标D(x，力。图2．5{一其中，x=[；]，彳=[主譬二乏；主爱二芰；]，丑=[：f,2式(2．6)经过解线性方程组，可得定位节点的坐标D(x，y)在实际室内环境情况中，由于RSSI测距存在着较大的误差，这是因为实际的路径损耗模型它比理论模型的数值存在的偏差较大，也就是说通过测距定位测量出来的定位节点到锚节点的距离d总是会大于锚节点与定位节点之间的实际距离，．。原来以彳、口和C三点为圆心，以d。，d6，d。为半径作圆作圆的三个圆再相交于一个交点D，而是相交于一个区域，这三个圆两两相交于e，，，g三个交点，则根据三角形质心算法【36】的特性，三条交线将相交于一个交点，为质心如图2．5根据三角形的性质，可得出式l√(x。一x。)2+

。-y。)2≤dl√(屯一t)2+(y。-y。)2-d由公式(2．7)其中，x=[；：]，彳=。22。(毛Xo一-tx‘，)二,2魄(Yo一-儿Y。，)．I，丑=[：2--2--式(2．8)经过解线性方程组，可得出交由公式(2．7)其中，x=[；：]，彳=。22。(毛Xo一-tx‘，)二,2魄(Yo一-儿Y。，)．I，丑=[：2--2--式(2．8)经过解线性方程组，可得出交点坐标PO。，Y。)，同理可以得出，bf，yf、，g(xs结合质心定位算法【37】(如图2．6)，可以通过下式(2．9)求出定位节点坐标工=型半，y图2．6质心定位算式(2．9)所示的三角形质心定位算法是是质心算法的一个特例。质心定位算非常简单，只要先确定好这个包含定位节点的区域，就可以直接求解出这个区域的质心。我们一般将多边形的几何中心作为这个多边形的质心，这个多边形的顶点坐标的平均值就是该质心节点O，y)的位置坐标。设多边角形顶点的位置向量质心算法虽然实现起来非常简单、且它的通信开销较小，但是它是在假设所有节点都拥有理想的球型的无线信号传播损耗模型的情况下进行的，而且实际上的信号传播模型与理想的模型是存在很大的差别的，并且是用质心作为实际位置，它本身就是一种估计，这个算法估计的精确度和锚节点的密度有很大的关系，而且节点的分布密度越大，越均匀，它的定位精度就越高，反之，则越低。因此我们常常将它当作为一种实现粗略定位的定位估计算法。因此，实际中需要对该算法进行进一步的算法改进，以达到提高定位精度的目的。3．加权三角形质心定位算法由于RSSI与距离之间的映射关系误差比较大，从而影响了定位精度。在具体的实际应用3．加权三角形质心定位算法由于RSSI与距离之间的映射关系误差比较大，从而影响了定位精度。在具体的实际应用中，采用一种基于RSSI的加权质心定位算法【3引，通过加权因子体现锚节点对质心坐标的影响程度，并反映它们之间的内在关系。RSSI值越的锚节点对定位位置节点的坐标的决定权越大，反之，则决定权越小。因此，可以通过加权因子来达到提高定位精度的目的，这样可以降低锚节点距离定位节点较近的节点对定位误差的影响，增加锚节点距离定位节点较远的节点对定位误差的影响。可以通过以下两种加权因子具体来说明(1)通过距离的倒数‘i1，百1，百1)加权【39】【4们，由式(2．11)可得出定位坐标x=而yt．丛量+兰+皇d3胪}---I-牟---{"r 以dl以，瓦{i，丽(2)通过距离的和的倒数‘而)加权H1】【421212可得出定位坐标。x=等L等半+亿dl+—d+ddl3一d+d2-d4．多一≮√＼．二_图2．8极大似然估计定位算法图2．7三角定位算如图27431如果知三个节点的标分工。Jy6c(x。，y。)，节点她∞与三个节点的角度分别为Z．4DB，,EADC，ZBDC。以节点C和L,IDC，且弧段AC在AABC内，这样可以确定唯一的一个圆，设圆心为0l(了01，y01)，半径为rI，那么口=纠0lc=(幼．2／ DC)，则可以通过0l(了01，y01)，半径为rI，那么口=纠0lc=(幼．2／ DC)，则可以通过式(2．11)确定心Ol和半径rl，同理可求出圆心0203和半径r2r3，再利用三边测量法求出Dl√(工。I一工．)2+(y。l—y。I(％一Xc)2+

。-y。)2=2r产(1-cosa)L到定位节点酏力的距离分别为d．，d：9o*o$d。，则定位节点的坐标可以通过下式|、／—(x-x1)2+—(y-y02：√—(x-—x2—)2—+(—．v-—Y2—(2．12)求出将式(2．12)解线性方程组：肛=口，再使用最小方差估计方法得出节点的坐标为：j：(ArA)一IATB统计学中有频率学派(经典学派)和贝叶斯(Bayesian)学派【45】两个主要学派。它们之间有同也有异，贝叶斯统计学是基于先验信息、总体信息和样本信息进行的统计推断。它和经典统计学的主要差别——是否利用先验信息。在使用样本息上也存在差异，贝叶斯统计学重视已出现的样本观测值，而对未发生的样本观测值则不予以考虑。贝叶斯统计学的一个最基本的观点是任意一个定位量0都以看作是一个随机变量，我们可以应用一个概率分布去描述对这个0的定位状况。我们通常将这个概率分布称之为先验分布，它是代表抽样前(即在观察到任何与定位参数相关的数据之前)就有的关于0的先验信息的概率分布。贝叶斯定理重点在于给出了一个关于更新参数值的先验分布，从而能够得出该参数的后验分布(指观察到与参数值有关的实验结果之后所确定的概率分布)的数学方法。2．3．1离散参数的贝叶斯定设Xl,X2，．．．，x一为独立且同分布的可观测随机向量变量，2．3．1离散参数的贝叶斯定设Xl,X2，．．．，x一为独立且同分布的可观测随机向量变量，每一个变量X都有概率密度函数f(xl8))，目代表随机变量及其取值。那么，贝叶斯定理【461表明，对于定的XlX2x0的概率度函数由下式(215)确定：h(口Ixt，x2，⋯，xⅣ)21呈f：：i(7xl云iIe-1)lf巧(歹x乏2：l：eT)否．．．i／=：(了xiN：而其中，万(目)表示目的先验概率，在实验观察X就确定的，是已预先对总体具有的经验值；h(OlXl,x2，．．．，xⅣ)称为0的后验概率，在观察了试验数据之后才的值，可以看作是用总体信息和样本信息(即抽样信息)对先验分布／p整的结果 I刃，f=l，2’⋯，N表示在目发生的条件下，毛发生的条件概率2．3．2似然原一系列观测值Xl,X2，．．．’x一的似然函数被当作定位参数汐时，它就把f(xl，X2，．．．，x—I口)=兀le)称为观测值的联合密度。假设XX1X2x．)，=Oly2y是两个同的观察集，且舷llp)。这就意味着0极大似然计量是相同的，如果对口采用一个相同的先验，那么基于x对曰所做的后验断与基于y对口所做的后验推断就是相同的。这也就是似然原理。似然原理的条件是：只要根据在这个实验中所收集的观察值(并不依赖于已经存在的观察可以做出推断。因此，必须现有的实验数据为依据。贝叶斯定理的等价表述：后验概率芘似然函数先验概率2．3．3正态分布的贝叶斯估设占是总体分布中的参数，万(占0的先验密度函数，假设由抽样信息得到的后验密度函数与万(占)具有一个相同的函数形式，则称为万p)是口的共轭先验布。共轭先验分布是对某个分布的参数而言的，离开了指定的参数和它所在的布就没有意义了。正态均值的共轭先验分布即正态分布【471。设x；{x。，x：，．．．'x。)是来着正态分布^r(口，仃2)的一个样本观测值。其中盯2已知。则该样本的似然函数为式(2．16示m㈣=(d茅)nexp{专∑(xi吲2)，啾2盯口√2取另一个正态分布N(∥，r2)作为正态均值日的先验分布，∥和f2为已知，则可以得出式硼)=去唧{．譬)，一矽因此，样本x与参数0的联合密度函数为式(2．18)所示h(取另一个正态分布N(∥，r2)作为正态均值日的先验分布，∥和f2为已知，则可以得出式硼)=去唧{．譬)，一矽因此，样本x与参数0的联合密度函数为式(2．18)所示h(妒)=(2万)-(n+1)120-nf-令七1-(2石)嘶D彪仃一～～，i=∑#，口；=等，彳=当+j，矗=砉+告，c=孝+丁令向邛石，一删％一叫，i=笔#，口；=譬，彳=吉+71，矗=言+砉，c=嘉h㈣)=ktexN-三(A02-2BO+C2))-h卅半)唧{-销"令k2=kl∞卅旦型}丝}，则可以得到x的边缘分布如式(2．20)所示／aI=B=il“2可以看出后验均值局是样本均值i和先验均值∥用方差倒数组成的权的加权平均。假如样本均值复的方差盯；偏小，则其在后验均值朋的份额就大，反之就较小，但先验均值∥在后验均值／J。的份额就大，这表明后验均值是在先验均值和样本均值中间采取一个折衷的方案。在处理正态分布时，可以将方差的倒数看作为精度。后验分布的精度是样本均值分布的精度与先验分布精度之和，增加样本量n或者减少先验分布方差都有利于提高后验分布的精度。因此，可以通过贝叶斯公式计算0的后验分布如式(2．22)所示h(0x)=f(xl口弦p)其中，由于m(x)不依赖于0故可以将它看作是一个正则化因子，可以将上(2．22价于如式(223h(OIx)acf(xI2．3．4确定先验在贝叶斯方法中关键的一步是确定先验分布【4311．概率可以通过古典方法(包括几何方法)或频率方法确定。通常我们都使用频h(OIx)acf(xI2．3．4确定先验在贝叶斯方法中关键的一步是确定先验分布【4311．概率可以通过古典方法(包括几何方法)或频率方法确定。通常我们都使用频率方法，经典统计学中研究的对象是指能够大量重复的随机现象，而不是这类随机现象。贝叶斯学派完全同意概率的公理化定义，但是他们认为概率也可以通过经验确定。这样可以使不能够重复或者不能大量重复的随机现象也可谈及概率了。贝叶斯学派将主观概率定义为：一个事件的概率可以根据经验对该事件的可能性所给出个人信念。而这个给出的概率就是主观概率。比如说：一位体育老师认为甲的体育成绩取优的概率是09，而乙的体育成绩取优的概率是02位体育老师根据自己多年的经验和甲乙两位学生的学习情况而分别得到的个人信念。这个主观概率不是随意的，而是因为当事人对所考察的事件比较理解且有丰富的经验，并能对周围信息和历史信息进行仔细分析，这样主观概率就能够符合实际2．利用无信息确定先验分在讨论一些理论问题的时候，假定先验分布密度石p)是已知，这是完全可以的。但是在实际中，有时候参数0是没有任何过去的知识可以参考的，而是通过试验结果来获得参数，这个时候的先验分布就叫做无信息先验分布，即指在未进行试验时或者不考虑任何样本提供的信息能够帮助我们去选用一个特定的分布作为先验分布，但并不是指对参数口的其他情况也不了解。贝叶斯方法的重点在于研究如何合理地使用先验信息。而如何去确定无信息先验分布是贝叶斯方法的一个重大的理论问题。我们知道参数口和样本x是联合密度的关系，且先验分布中所含的定位参数就是超参数。正态均值的共轭先验分布是正态分布N(芦，盯有均值和方差两个超参数。而均值和方差的取值范围分布是咧∥硼，0<0．2<∞。贝叶斯假设认为无信息分布应选取在口取值范围内的均匀分布。但如正态分布的两个参数的变化范围是无限的区间，是不存在均匀分布的，因为均匀分布的密度函数是／∽=c滞数)，其微分值不能为l，这样贝叶斯假设就遇到问题了。且定位参数的选取是任意的，如正态分布的参数叮：，即可以选择叮：也可以是口，假设口在(o，哟均匀分布，那么仃2就不可能仍然在(o，oo)均匀分布了，反之，也是一样。因此，为了克服这些问题，许多学者经过努力，认为可以从在(o，哟均匀分布，那么仃2就不可能仍然在(o，oo)均匀分布了，反之，也是一样。因此，为了克服这些问题，许多学者经过努力，认为可以从几个不同的角度来说明去某些分布作为先验分布是合理的。最大熵原则【491是选先验分布石p)，使得它的熵日p)达到最大。当随机变量x={x，，X2s,oo'，x。)是离散的，可以对空间中的每个点确定一个主观概率，且P体=xD=p，，，=l，2，⋯，刀，则日(x)=一∑p山A，允许p，---0，且规定0．1n0=0。可以熵只有分布有关。Ⅳ(x)最大的充要条件是Pl=p2=⋯=p。=土，即在有限范围内取值的随机范围，它是均匀分布时，才能够使熵达到最大值。而如果口在无限区间上，则采用先验密度石I，称为广义贝叶斯假设。广义最大熵原则是选先验分布st(e)使样本x与参数矽联合的熵z-Z'(x，口)达到最大。例如：在(_呜动上取值的离散分布，限定了它的一阶矩是／．z，二阶中心矩是盯：，则熵最大的分布是正态分布AT(∥，盯2)3．利用先验信息确定先验分布当总体参数X只含有有限个或者可数个的点时，可以对其参数空间中的每个点确定一个主观概率，其主观概率由以上所述的方法而确定。但是，当总体参数是连续时，要构造一个先验分布就困难多了，当参数的先验信息足够多的时候，可以通过直方图法来确定。在本文中不予详细介绍4．利用边缘分布m(x)确定先验分布总体参数X的密度函数是／(，I们，定位参数e的先验分布选用的是已知密度函数砷)，口是离散的参数，则X的边缘分布(eli无条件分布)，如式(2．m(x)=∑如ef(xt2．3．5最大后验最大后验估计否(x)eli参数e的估计值使后验密度／I到最大值。采用贝叶斯假设：x(e)区l，则最大后验估计就是选占(x)使f(xl口)达到最大值。llp经．典方法中的最大似然估计，即选占(x)2p函数)达到最大值。即使得式(222得最大值，盯2f2z为已知的常数，对等式两边分别对占求微分，并微分为0，得下式0。吉(．2)驴q)+古㈣t‘／c‘it‘2．3．6t‘／c‘it‘2．3．6贝叶斯估计的当提出一个统计的估计时，通常需要指出估计的精度。贝叶斯估计精度是这个估计量的后验方差，6r是0的估计值，而矿的后验均值为式(∥f(x)Eh(Olz)【因此矿的后验方差为式(228曙(x)=E邶m口一百)2El(0a(x)2=Ex2】+E22E／axXu7x=VX(x)+(∥，(x)一占则y，(x)量哆(x)称为后验方差，抄，(x)为后验标准差。从而可知，后验均值∥，(x)最小值吁(x)，从而是最小标准误差估2．3．7贝叶斯估计的具体贝叶斯估计是把要估计的参数作为某种具体的分布形式的随机变量，通过对样本的观察使概率密度分布ml口)转化为后验概率h(0Ix)，先确定参数分布的率密度函数。再求得其数学期望获得参数估计值。贝叶斯估计的具体步骤如下：1．确定参数0的先验分布石p)，待估测的参数为随机变量；2．用样本xx，‰)求出样本的联合概率密度分布fxl3．利用贝叶斯公式，确定参数0的后验概率4．求参数估计值占。2．4本章首先介绍了802．11．5／ZigBee协议栈的基本架构和ZigBee网络网技术；接着从基于测距的定位方法着手，介绍了RSSI的信号衰减经验模型，利用RSSI的测距技术来测取节点之间的距离，并计算节点的位置坐标，结合质心算法来优化节点的位置坐标。最后，从概率统计原理角度，介绍了服从正态分布的离散贝叶斯统计原理，以及如何确定先验分布，求得后验分布，从而进行贝第三章基于RSSI对于RSSI测距技术定位，其定位精度影响主要在于测距阶段和计算坐标段。本课题中在测距阶段可第三章基于RSSI对于RSSI测距技术定位，其定位精度影响主要在于测距阶段和计算坐标段。本课题中在测距阶段可以通过两个步骤来进行优化：一，通过建立一个符合实际室内环境的信号传播损耗模型；二，通过平均值滤波和高斯滤波算法来优化RSSI值。在计算坐标阶段，通过高斯滤波算法和贝叶斯滤波算法来提高定位算3．1IEEE802．15．4简化模型基于无线信道传播损耗模型，IEEE802154给出了简化的信道损耗模型【5如式(3．1)所示脚(d)=IA_5pt-48．50．2-10-10．3．"23"≥然lA一58．5一10·3．3·似d从式(31)所示的信道模型中可以看出，RSSI信号的衰减与距离成指数衰减的关系，当接收节点和发送节点两端的距离比较近时，11较小；随着收发节点之间距离的增加，n也增大。为了尽量减少室内环境给信号强度带来的干扰，在实验中我们选择较为空旷的场地进行实验。实验中，在距离为lm的范围内以为间距进行RSSI值数据采集，其它的则以lm为间隔进行数据采集，在不同的时候对同一个距离进行数据采集，每次收集100RSSI值，求几何平均值。可以得到RSSI值随距离变化的衰落曲线图如图31所示。图E‘图从图3．1中可以观察到，实际环境中的RSSI值是随机的，因此其衰落曲线会存在不规则的振荡和衰落，可以通过线性回归方法对它进行优化。RSSI值在以存在不规则的振荡和衰落，可以通过线性回归方法对它进行优化。RSSI值在以内的振荡和衰落较小，可以认为它是与802．15．4简化模型的信号衰减曲线相符合的；但是当距离不断加大时，实际测量的RSSI衰减曲线就变化比较平缓，且明显高于IEEE802．15．4简化模型的信号衰减曲线。RSSI信号值的优化由于RSSI信号值极易受收发节点所处环境的影响，且对距离十分敏感，因此，如果直接使用未经处理的RSSI值，容易产生较大的测距误差。针对这种情况，文中利用建立高斯滤波模型来提高RSSI值的准确度。其原理是将高斯函数作为RSSI值概率密度函数，接收节点通过接收同一发射节点的多个RSSI值，然后对高斯函数的参数进行估计，它的期望值就是各个RSSI值的算术平均值，其方差就是RSSI值的样本方差。l平均值滤波平均值滤波【51】是指采集一组(m个)定位节点RSSI值，然后取这些数据的平RSSI=1至该模型可以通过调节m值的大小来达到平衡实时性和精确性的效果。当取值较大时，虽然可以有效解决数据的随机性，但通信成本会相应增加，且在处理大扰动时效果不是很理想。因此我们需要取一个合理的m值。2高斯滤波优化由于RSSI受室内环境的影响具有时变性，测距误差较大，要使RSSI值趋于稳定，可以通过设计各种滤波器使RSSI的值平滑。本文中采用高斯滤波器对RSSI测量数据进行滤波。高斯滤波模【521据处理原则是一个定位节点在同一位置收到m个RSSI值，其中必然会存在着小概事件。可以通过高斯滤波模型选取高概率发生区的RSSI值，然后再取其几何均值，即可得到最终的RSSI值这种做法可以减少一些小概率、大干扰事件对整体样本测量的影响，从而提高定maPz7t‘裂其中∥=il三m冗跚。，仃2√il_至僻躐一力2，胄跚t为第i个信号强度值，m数。盯越大，高斯滤波平滑的程度就越好。高概率发生区选择概率maPz7t‘裂其中∥=il三m冗跚。，仃2√il_至僻躐一力2，胄跚t为第i个信号强度值，m数。盯越大，高斯滤波平滑的程度就越好。高概率发生区选择概率大于0．6(经验值)的范围：0．6s㈣s1，o．15cr+∥sx≤3．09tr+p，将此范围内的RSSI值全部取出，再求几何平均值，即可得到节点的RSSI值。在实验室环境下，取在d=lm处，采集100组RSSI值，进行高斯滤波处理。如图3．2图3．3示d=1m滤波前的RSSf使盖℃拐芷00采样次数k=100图3．2d=1Ill时，滤波前的RSSId=lm滤波后的RSSI值盖D器芷0 0采样次数m=68图3．3d=1m时，滤波后的RSSI由图3．2和图33可知，滤波前RSSI值波动比较大，滤波后比较平滑。滤m，误差为2637％；滤波前IRSSII的平均值为49．63【dBm】，计算距离为m，误差为19．03％，波后IRSSII的平均值为49．18【dBm]，计算距离为距误差降低了7％，由此可知，通过高斯滤波处理可以很好地提高测距精度。3．3贝叶斯滤波算法贝叶斯滤波理论【53】【54】主要是针对非线性系统进行的估计，它的主要原理是通过概率描述的方法，建立定位节点位置坐标的先验概率模型和后验概率模型，进而求得目标的实际位置坐标，而不是通过直接建立目标位置坐标与已知信息的方程来求得定位节点的实际位置坐标。通常，我们认为出现概率最大值的目标位方程来求得定位节点的实际位置坐标。通常，我们认为出现概率最大值的目标位置坐标就应该是定位节点的实际位置坐标。因此，本文算法的关键在于如何精确建立定位节点的位置坐标的先验概率模型和后验概率模型。设Z。=亿，f=l一2．．，k)表示到k时刻为止所测量的坐标值集合，弓表示第f时刻测量的坐标值。用l乙)表示在己知测量集合ZI的条件下，待定位节点处于五(待定位节点的可能位置)位置的概率；p(xkl乙一1)表示在未获得zj时对I以)表示待定位节点处于位置以定位节点位置的预测概率，即先验概率获得测量值Z。的概率，即后验概率，它们均符合高斯分布概率模型。假设测量值弓之间彼此独立，则根据贝叶斯公式便可导出式烈ztIzk)∞p(zII．k)×烈以贝叶斯滤波算法具体步骤如下所示：第一步，确定先验概率p(以I1)，如式(35)，设五力，．k—l=(‰-l'Yk—p％IzH)=—丢P其中，Dt表示x。到五一。的距离。Dl=、／：i=ijF=了哥第二步，确定后验概率p(气I以)。如式(3．6)所示!堡丝2o1eI五)表示定位节点在位置．砭时，测量距离为岛的概率。Q表其中待定位节点到某个锚节点的距离吼。吒表示测量距离的不确定方差。实验中在个已知节点的位置放置3个接收节点，其坐标分别为Aal61B(a262C(a3岛则有D2=√(x一口2+(y一包)2第三步，根据后验概率计算贝叶斯估计。根据式(3．4)、(3．5)、(3．6)可知，定位节点目标位置的概率分布函数，如I乙)-c(赢)3彤式(3．7)所示p(五炉gA(Xil”仃l盯，IzJt厉丽其中洲帅三石瓴归j!刍3协1⋯川2咿圳2，+去使p“力具有极大值的O，J，)可认为是目标位置。指数函数是单调函数，因t厉丽其中洲帅三石瓴归j!刍3协1⋯川2咿圳2，+去使p“力具有极大值的O，J，)可认为是目标位置。指数函数是单调函数，因此只须求出使厂伍力具有极大值的(x，力。目标函数f(x，J，)含有非线性因子吩2掣锄帅旷万丽y'-g，：g，(x，，y，)：√云了二：五了_=jgi(毛力崩gi+鸭0一工’)+嘞o，一y’)=mlx+niy+gi-mix’一，％y令白2霸一胁，，一吩y’一吼2百1，w22刁1，则可以得出式(3·令上式对x,y的m阶导数为0，可得到I(3M+屹∑砰弦+屹(∑吩％驴+№∑岛鸭-扭1w2(E冯啊h+m+w2E《涉+屹∑cl吩一解上式(3．10)的线性方程组，可得到式(3．1I=y(了。y由于定位节点所选择的锚节点位置坐标本身具有的误差和RSSI测距技术带来的测量误差。需要进一步提高定位精度，可通过式(3．12)对其进行迭代。1l<善和最大迭代次数，利用式(312设置迭代结束条件Ix厂·工一I+lyjy出目标位置。仿真结果表明，迭代收敛很快，一般迭代2次左右即可。3．43．4．1测距测距误差是主要误差。因为室内环境中障碍物的存在而使得无线信号传测距误差是主要误差。因为室内环境中障碍物的存在而使得无线信号传播理论模型和实际的传播模型存在一定的偏差而引起的误差。即通过式(21)所示型，我们可知，L是一个均值为正的高斯分布随机变量，它是一个与传播离无关的值，即使是一个相同的传播距离也可能检测出不同的损耗值，我们可以假设其服从Nz2分布。通过式(23)进行变换，我们可求出实际距离式(313RSf／-A“—3．4．2计算误计算误差是利用锚节点到定位节点的测量距离d’，通过算法计算出定位节点的位置估计误差。计算误差主要是测距误差所引起的误差和定位算法的准确度引起的误差的累积。在二维定位中，我们通过三边测量法25计算定位节点的位置坐标。由于各个锚节点到定位节点的实际距离di与测量距离d：存在偏差，使得在几何义上的以各个锚节点为圆心，实际距离d；为半径的圆的各个圆将不再交于一点，而是相交于一个区域。然后通过定位算法求出的位置坐标，也存在一定误差。且这个误差的不仅和测量距离的误差大小有关，而且还和锚节点的分布有关。我们知道，在RSSI测距过程中，距离越近，测距的精度越高，反之则较低。因此，为了降低锚节点离定位节点之间的距离所引起的误差，我们可以采用距离加权(以距离的和的倒数或者距离的倒数作为加权因子)的思想来减小误差。这样，距离定位节点较近的那个锚节点对定位误差的影响相对要变大些，距离定位节点较远的就会变小一点，从而我们将定位误差定义为式Error=4(X--X7)2+O—其中瓴y)是定位节点的真实坐标，似y)是定位节点的估算坐标3．5本章从两个方面对算法进行了改进：一在测距阶段，选择合适的无线信道传播损耗模型，使它更符合实际环境，通过平均值滤波和高斯滤波算法来改进值；二在计算坐标阶段，从概率统计角度，通过贝叶斯滤波算法来改进初始坐标值的准确度。最后对定位误差的原因进行了分析第四章实验与仿真分析4．1实验目的本课题主要研究基于ZigBee无线网络技术的RSSI测距定位算法，通过高斯滤波对RSSI信号值进行优化预第四章实验与仿真分析4．1实验目的本课题主要研究基于ZigBee无线网络技术的RSSI测距定位算法，通过高斯滤波对RSSI信号值进行优化预处理后，并应用贝叶斯滤波对估算出的定位信息进行优化的问题(如图41)。首先利用由无线芯片CC2430成的ZigBee无线网络读取定位节点和各个锚节点之间的RSSI值，通过高斯滤波算法对RSSI值行预处理，再通过经验模型求取定位节点和各个锚节点之间的距离，然后通过位算法估算出定位节点的初步位置。最后，从概率统计学的原理建立贝叶斯滤波模型，以估算出的定位信息为先验值，进一步提高定位节点的定位精度。l根据室内信号传播模 I根据距离，参考节点坐标和定位 l获得精确的采RSSI值71型和RssI值计算距离r 算法对位置坐标进行计算T]位置坐标一高斯滤波处理H贝叶斯滤波处理卜图4．1本文改进算法的定位流程框架图4．2实验结果与仿真分析本文选取实验室(15m·15m)作为室内定位实验的场地，实验选用ZigBee件平台作为通信平台，由三个锚节点和一个定位节点和一个网关节点以星型网络结构(如图4．2)组成的ZigBee无线传感器网络。锚节点与定位节点在实验场地中以三角形网格结构布局43)。●●●●—●2r c·●●，、●●——／／==二／●●●!!图4．2星型网络结构图4．3三角形网格结构布4．2．2基于CC2430芯片的定位根据实验要求节点具有低功耗、低成本、实现简单等特点，文中采用片上系4．2．2基于CC2430芯片的定位根据实验要求节点具有低功耗、低成本、实现简单等特点，文中采用片上系统CC2430作为ZigBee无线网络节点的核心设备。实验中网关节点，锚节点与定位节点均选用本芯1．CC2430芯片性能及特点CC2430芯片(如图4．4)延用了CC2420芯片架构【55】(如图4．5)，它主要集成Zigbee射频(RF)前端、微控制器和内存。特点如下(1)采用了18bits的低功耗、高性能的的MCU(8051(2)具有32KB、64KB、128KB三种可编程闪存(FLASH)和8KB的(3)具有看门狗定时器(Watchdogtimer)、4个定时器(Timer32768kHz振的休眠模式定时器(4)具有模拟数字转换器(ADC)，使用AESl28协处理器；(5)上电复位电路(Power Reset)、掉电检测电路(Brownoutdetection)和个可编程I／O引脚(6)较宽的电压范围(2036V)，能够监测节点的电池和感测节点的温度。(7)抗干扰性强，且无线接收灵敏度(8)集成符合IEEE802．15