無(wú)線傳感器網(wǎng)絡(luò)中基于RSSI的節(jié)點(diǎn)距離預(yù)測(cè)

羅配明

(電子科技大學(xué)自動(dòng)化工程學(xué)院,成都611731)

羅配明(碩士研究生),主要研究方向?yàn)闊o(wú)線傳感器網(wǎng)絡(luò)。

引 言

隨著無(wú)線傳感器網(wǎng)絡(luò)研究的不斷深入,應(yīng)用已經(jīng)逐漸成為人們關(guān)注的焦點(diǎn)。各種在特定應(yīng)用背景下的研究層出不窮,如環(huán)境監(jiān)測(cè)、目標(biāo)跟蹤、安全監(jiān)控等領(lǐng)域。位置信息對(duì)傳感器網(wǎng)絡(luò)的監(jiān)測(cè)活動(dòng)至關(guān)重要,事件發(fā)生的位置或獲取信息的節(jié)點(diǎn)位置是傳感器網(wǎng)絡(luò)節(jié)點(diǎn)監(jiān)測(cè)消息中包含的重要信息,了解傳感器節(jié)點(diǎn)位置信息不僅可以獲取路由信息,而且可以進(jìn)行節(jié)點(diǎn)定位等[1]。測(cè)距的誤差在很大程度上決定了目標(biāo)定位及跟蹤的誤差。常用的定位方法必須測(cè)量節(jié)點(diǎn)間的距離,一般測(cè)距方式有紅外線、GPS、超聲波和接收信號(hào)強(qiáng)度指示器(RSSI)等。

紅外線、GPS、和超聲測(cè)距都需要額外的硬件,增加了節(jié)點(diǎn)的硬件成本和尺寸。GPS和紅外線測(cè)距誤差較大,而利用超聲方法測(cè)距很精確,測(cè)距誤差只有10 cm,但是受氣溫、濕度等的影響較大,不適合在室外使用?；赗SSI的定位無(wú)需額外硬件,利用對(duì)接收無(wú)線信號(hào)的強(qiáng)度判斷,推導(dǎo)收發(fā)節(jié)點(diǎn)間的距離,計(jì)算接收無(wú)線信號(hào)強(qiáng)度是商用無(wú)線收發(fā)芯片具備的功能[2]?；赗SSI的測(cè)距提供了最廉價(jià)的定位方法,而且節(jié)點(diǎn)沒(méi)有添加任何部件。基于超聲的測(cè)距雖然定位精度較高,但是需要添加硬件、增加節(jié)點(diǎn)成本和尺寸。所以,基于 RSSI的測(cè)距是無(wú)線傳感器網(wǎng)絡(luò)定位較常采用的方法。首先對(duì) RSSI進(jìn)行預(yù)處理,再通過(guò)預(yù)測(cè)模型預(yù)測(cè)距離的值,不但提高了基于RSSI的測(cè)距精度,而且實(shí)現(xiàn)了低成本的測(cè)距。

1 BP網(wǎng)絡(luò)的模型結(jié)構(gòu)與算法

BP網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)中采用誤差反傳算法作為其學(xué)習(xí)算法的前饋網(wǎng)絡(luò),通常由輸入層、輸出層和隱含層(一層或多層)構(gòu)成。層與層之間的神經(jīng)元采用全互連的連接方式,通過(guò)相應(yīng)的網(wǎng)絡(luò)權(quán)系數(shù)w相互聯(lián)系,每層內(nèi)的神經(jīng)元之間沒(méi)有連接[3]。圖1所示為具有一個(gè)隱含層的BP網(wǎng)絡(luò)模型。其中:LA為BP神經(jīng)網(wǎng)絡(luò)的輸入層,LB為隱層,LC為輸出層,Wir為隱層與輸入層的權(quán)值,Vrj為輸出層與隱層的權(quán)值。

圖1 具有一個(gè)隱含層的BP網(wǎng)絡(luò)模型示意圖

2 實(shí)驗(yàn)平臺(tái)及數(shù)據(jù)的預(yù)處理

2.1 RSSⅠ值獲取

實(shí)驗(yàn)在空曠的無(wú)障礙物的廣場(chǎng)進(jìn)行?；赥inyOS系統(tǒng),以克爾斯博的 Iris節(jié)點(diǎn)為實(shí)驗(yàn)平臺(tái),0號(hào)節(jié)點(diǎn)為固定節(jié)點(diǎn),用于接收數(shù)據(jù)。發(fā)送和接收節(jié)點(diǎn)均使用短桿狀天線,節(jié)點(diǎn)放置高度為2 m左右,固定0號(hào)節(jié)點(diǎn),移動(dòng)發(fā)射節(jié)點(diǎn)。經(jīng)過(guò)大量的實(shí)驗(yàn)分析得出,RSSI在10 m的范圍內(nèi)隨著距離的增加變化比較明顯,而10 m以后,RSSI值隨距離變化不明顯。如果測(cè)量距離超過(guò)10 m,則測(cè)距的精度得不到保證,所以此實(shí)驗(yàn)的測(cè)試范圍限定在0～10 m。實(shí)驗(yàn)人員拿著移動(dòng)節(jié)點(diǎn),從固定節(jié)點(diǎn)處沿著直線均勻走動(dòng),當(dāng)走到10 m處停止接收數(shù)據(jù),記錄整個(gè)連續(xù)移動(dòng)過(guò)程的實(shí)驗(yàn)數(shù)據(jù)。

3個(gè)工作人員分別拿著移動(dòng)終端在0～10 m的范圍內(nèi)勻速前進(jìn),得到的RSSI值與距離的關(guān)系如圖2所示。

由圖2可以看出,不同的人員拿著移動(dòng)終端前進(jìn),RSSI與距離的關(guān)系曲線基本一致,說(shuō)明RSSI值與距離的關(guān)系符合一定的衰減規(guī)律。

圖2 RSSⅠ與距離的關(guān)系

在相同的實(shí)驗(yàn)平臺(tái)下,在0～10 m的范圍內(nèi),每間隔0.2 m或者0.3 m記錄RSSI值,每個(gè)距離均接收100個(gè)左右的數(shù)據(jù)包,對(duì)RSSI先進(jìn)行均值處理,然后得出RSSI值與距離的關(guān)系曲線如圖3所示。

圖3 RSSⅠ與距離的關(guān)系曲線

對(duì)比圖2和圖3得出,停頓走比連續(xù)走時(shí)的RSSI值與距離的關(guān)系曲線更平滑,衰減更慢。因?yàn)檫B續(xù)走的時(shí)候,信號(hào)會(huì)受到人身體走動(dòng)或者旁邊干擾物的影響,出現(xiàn)不同程度的突變。為了確保距離預(yù)測(cè)值的精度,因此以停頓測(cè)量的數(shù)據(jù)作為測(cè)試樣本。

2.2 RSSⅠ值濾波處理

實(shí)驗(yàn)獲取的RSSI值與距離的關(guān)系曲線還不夠平滑,為了使樣本的質(zhì)量更高、訓(xùn)練效果更好,先對(duì)RSSI值進(jìn)行濾波處理,分別進(jìn)行限幅濾波處理、遞推平均濾波處理和限幅平均濾波處理。圖4為3種濾波方式的比較。

由圖4可以得出,限幅平均濾波的效果最好,因此以限幅濾波后的數(shù)據(jù)作為訓(xùn)練樣本。

3 BP網(wǎng)絡(luò)模型的建立

以限幅濾波后的數(shù)據(jù)作為訓(xùn)練樣本。以RSSI作為輸入,以距離作為輸出,一般的預(yù)測(cè)問(wèn)題通過(guò)單隱層的BP網(wǎng)絡(luò)實(shí)現(xiàn),這里也是單隱層。

(1)數(shù)據(jù)歸一化處理

為了在Matlab中計(jì)算方便,需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理。這里根據(jù)現(xiàn)有的數(shù)據(jù)情況,分別對(duì)輸入和輸出量進(jìn)行歸一化處理[4]。歸一化的代碼如下:

其中p為輸入變量,t為輸出變量。

(2)BP網(wǎng)絡(luò)訓(xùn)練

網(wǎng)絡(luò)中間層的神經(jīng)元傳遞函數(shù)采用S型的正切函數(shù)logsig,輸出層神經(jīng)元傳遞函數(shù)采用線性函數(shù)purelin,采用traingdx函數(shù)進(jìn)行訓(xùn)練,當(dāng)訓(xùn)練141次后達(dá)到0.01的誤差要求。

圖4 3種濾波方式的比較

4 模型預(yù)測(cè)結(jié)果及與經(jīng)驗(yàn)公式值的比較

為了驗(yàn)證測(cè)試結(jié)果的可靠性,根據(jù)網(wǎng)絡(luò)訓(xùn)練的結(jié)果,把測(cè)試結(jié)果與真實(shí)值進(jìn)行對(duì)比。為了突出該方法的優(yōu)越性,與經(jīng)驗(yàn)公式計(jì)算出來(lái)的距離值進(jìn)行比較。表1為模型預(yù)測(cè)值、經(jīng)驗(yàn)公式值與真實(shí)值的比較。

表1 模型預(yù)測(cè)值、經(jīng)驗(yàn)公式值與真實(shí)值的比較

由表1可以得出,由BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的距離值與經(jīng)驗(yàn)公式計(jì)算出來(lái)的距離值相比,整體誤差較小。經(jīng)驗(yàn)公式計(jì)算的距離誤差最大為2.7351 m,最小誤差為0.5338 m,而由模型預(yù)測(cè)的距離誤差最大為0.7976 m,最小誤差為0.0232 m,測(cè)距的精度明顯提高了很多。

5 結(jié) 論

BP神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)、自組織及自適應(yīng)能力,具有高度非線性函數(shù)映射功能,通過(guò)對(duì)樣本的預(yù)處理,可以提高訓(xùn)練結(jié)果的精度。因此,樣本的好壞直接影響訓(xùn)練結(jié)果。節(jié)點(diǎn)RSSI值的隨機(jī)性較大,會(huì)隨著環(huán)境及其他干擾的影響發(fā)生突變。因此先對(duì)RSSI值進(jìn)行濾波處理,濾掉突變的數(shù)據(jù)再進(jìn)行網(wǎng)絡(luò)的訓(xùn)練,預(yù)測(cè)結(jié)果就能達(dá)到較理想的水平。這適用于不同的場(chǎng)合,提高了測(cè)距精度,從而進(jìn)行精確定位。

[1]方震,趙湛,郭鵬.基于 RSSI測(cè)距分析[J].傳感技術(shù)學(xué)報(bào),2007,20(11):2526-2530.

[2]詹杰,吳伶錫,唐志軍.無(wú)線傳感器網(wǎng)絡(luò)RSSI測(cè)距方法與精度分析[J].電訊技術(shù),2010,50(4):83-87.

[3]聞新,周璐.MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用[M].北京科學(xué)出版社,2003.

[4]徐國(guó)志,李茂元.基于M atlab神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行港口集裝箱運(yùn)量預(yù)測(cè)[J].港工技術(shù),2003,12(4):15-17.

[5]王志良,黃軍學(xué).基于MATLAB神經(jīng)網(wǎng)絡(luò)工具箱的作物需水量預(yù)測(cè)[J].華北水利水電學(xué)院學(xué)報(bào),2009,30(1):50-52.

[6]Nieulescu D,Nath B.DV Based Positioning in Ad hoc Networks[J].Journal of Telecommunication Systems,2003,22(1/4):267-280.

[7]Priyantha N B.The Cricket Indoor Location System[D].Massachusetts Institute of Technology,2005.

[8]劉艷文,王福豹,段滑軍,等.基于DV-HOP定位算法和RSSl測(cè)距技術(shù)的定位系統(tǒng)[J].計(jì)算機(jī)應(yīng)用,2007,27(3).

[9]Bulusu N,Heidemann J,Estrin D.GPS-less Low Cost Outdoor Localization for Very Small Devices[J].IEEE Personal Communications,2000,7(5):28-34.

[10]Sichitiu M L,Rarnadurai V.Localization of wireless sensor networks with a mobile beacon.[C]//Proc.of the 1st IEEE International Conference on Mobile Ad hoc and Sensor Systems(M ASS2004),Florida,USA,October 2004:174-183.