一種基于RSSI帶路徑損耗和噪聲的室內(nèi)定位算法

陳世恩 黃淋云

摘 要：在無線領(lǐng)域，對目標(biāo)定位跟蹤算法的研究成為熱點，目前已有多種目標(biāo)定位跟蹤算法被提出?；诮邮招盘枏姸戎甘荆╮eceived dignal strength indicator，RSSI）的定位算法由于其有利于節(jié)點小型化、能夠穿越障礙物等優(yōu)點被廣泛應(yīng)用。但是基于RSSI定位算法容易受環(huán)境的影響。本文提出一種基于三邊定位技術(shù)和RSSI融合的帶路徑損耗和噪聲的改進型RSSI目標(biāo)定位跟蹤算法。通過系統(tǒng)仿真，得到了仿真誤差在0.373 2 m的平均誤差值。

關(guān)鍵詞：RSSI;定位;路徑損耗

中圖分類號：TN929.5;TP212.9

文獻標(biāo)志碼：A

物聯(lián)網(wǎng)和機器人技術(shù)的一項關(guān)鍵技術(shù)是利用傳感器或其他設(shè)備對人或機器人進行定位[1-2]，這種技術(shù)被稱為“定位”或“節(jié)點定位”。隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，關(guān)于節(jié)點定位的研究也越來越多。由于節(jié)點定位需要實時確認(rèn)節(jié)點的位置，所以通常采用實時定位系統(tǒng)（real time location system，RTLS）來實時搜索節(jié)點位置。節(jié)點分為信標(biāo)和接入點（access point，AP）兩種，即未知節(jié)點（信標(biāo)）和已知節(jié)點（AP）。目前有多種目標(biāo)定位跟蹤算法，其中常用的有：到達時間（time of arrival，TOA）[3]、接收信號強度指示（RSSI）[4]、加權(quán)質(zhì)心定位算法[5]、到達時差（time difference of arrival，TDOA）[6]、到達角（angle of arrival，AOA）[7]和到達相位（phase of arrival，POA）[8]等等。不同的算法有著不同的優(yōu)點和缺點，本文研究基于RSSI的定位方法，在原有基礎(chǔ)上，為了克服信號傳輸過程中各種效應(yīng)的影響，引入了路徑損耗和噪聲。

1 目標(biāo)定位跟蹤技術(shù)

目標(biāo)節(jié)點定位需要多個AP節(jié)點，這些AP節(jié)點包含了已知位置信息，而目標(biāo)節(jié)點的位置信息跟隨節(jié)點移動而變化。因此，需要使用兩個或兩個以上包含已知位置信息的AP來確定目標(biāo)節(jié)點的位置。

TOA方法通過測量傳輸時間來估算兩節(jié)點之間的距離，從而確定節(jié)點的位置信息。TOA算法具有算法簡單、易于實現(xiàn)、定位準(zhǔn)確等優(yōu)點，但也存在以下缺點：該算法需要保持發(fā)射和接收設(shè)備之間的時間同步，同時要求傳感器節(jié)點要有較強的計算能力。采用TOA方法需要進行嚴(yán)格的時間同步匹配，但這種匹配現(xiàn)實很難實現(xiàn)。通常采用簡單網(wǎng)絡(luò)時間協(xié)議（simple network time protocol，SNTP）來實現(xiàn)時間同步。當(dāng)該協(xié)議應(yīng)用于TOA方法時，AP的時間同步可以匹配，但是不可能進行標(biāo)記。由于AP的時間同步精度僅為1 s，所以該方法僅限于短距離定位的時間同步[9]。

加權(quán)質(zhì)心定位算法是在質(zhì)心坐標(biāo)上反映參考節(jié)點決策的大小，并利用加權(quán)因子反映每個參考節(jié)點對質(zhì)心位置的影響和它們之間的內(nèi)在聯(lián)系。該方法具有通信開銷小、硬件要求低、適合傳感器節(jié)點處理等優(yōu)點，但同時也有一些缺點：對網(wǎng)絡(luò)的連通性要求較高，對信標(biāo)節(jié)點的密度要求很大[10]。

基于RSSI定位算法是通過測量接收器接收到的信號的強度來定位。與TOA、TDOA、AOA和POA等技術(shù)相比，RSSI定位算法的優(yōu)點是器件結(jié)構(gòu)簡單，易于使用。同時，算法還具有硬件系統(tǒng)可擴充、有利于節(jié)點小型化、穿越障礙物等優(yōu)點。但是，RSSI值的穩(wěn)定性受環(huán)境影響較大，相比于其他定位算法，RSSI定位算法的精度和安全性較低[11]。

對上述3種定位方法的定位精度進行對比，發(fā)現(xiàn)TOA定位算法的誤差率最小，精度最高。但是，TOA定位算法在實際應(yīng)用中很難實現(xiàn)時間同步。盡管RSSI定位算法的誤差率比TOA大，但在不增加硬件系統(tǒng)的情況下，在實際場景容易實現(xiàn)。因此，本文提出了一種基于RSSI的改進定位算法，可以應(yīng)用于機器人、物聯(lián)網(wǎng)的定位跟蹤，特別是養(yǎng)老院的老年病人監(jiān)護系統(tǒng)中。

2 RSSI測距法

RSSI測距是根據(jù)接收到的信號強弱來判斷信號點與接收點之間的距離。發(fā)送端與接收端之間的功率關(guān)系遵循弗林斯傳輸方程[12]：

3 實驗結(jié)果與分析

仿真設(shè)置1個未知節(jié)點，移動未知點位置的時候，測量各參考節(jié)點的RSSI值，取離未知點附近的3個已知地址信息的節(jié)點，看成節(jié)點A，B，C，然后結(jié)合三邊技術(shù)計算出未知點的位置信息。圖2描繪了當(dāng)3個節(jié)點的測量的RSSI值分別為-57.349 7、-61.3015和-64.025 4 dBm時的定位計算的結(jié)果。

其中：菱形代表節(jié)點A，五角星代表節(jié)點B，正方形代表節(jié)點C，小圓圈代表未知點位置的真實值，三角形代表未知點位置的測量值。

隨機移動未知點，并在已設(shè)置的節(jié)點中選取未知點附近的3個參考節(jié)點的RSSI值進行計算，即可計算出未知點的位置。通過多次實驗，獲得的結(jié)果如圖3、圖4所示。

將圖3、圖4中未知點移動過程中選取的參考節(jié)點的RSSI值與誤差值匯總， 誤差值為未知點的真實位置與測量位置之間的直線距離。實驗可以得到：誤差值最大為0.540 7 m，最小為0.115 6 m，誤差平均值約為0.373 2 m。結(jié)果如表1所示。

表1將圖3、圖4中未知點位置的真實值和仿真出來的測量值匯總，得出未知點移動軌跡如圖5所示。

圖5中，未知點的真實移動軌跡與仿真出來的測量值的移動軌跡基本重合，說明在實驗誤差范圍內(nèi)能夠?qū)崿F(xiàn)良好的定位跟蹤。

4 結(jié)論

本文提出了一種改進型的基于RSSI室內(nèi)定位算法，該算法可用于機器人、物聯(lián)網(wǎng)等，特別是用于優(yōu)化養(yǎng)老院的老年患者監(jiān)控系統(tǒng)。通過模擬仿真，得到基于三邊法和RSSI算法的測量結(jié)果，并給出理想點與測量點誤差距離的計算結(jié)果。在實驗過程中，為了更貼近實際，算法考慮了路徑損耗和噪聲的影響。通過計算，得出未知點的真實位置與算法測量出來的位置之間的誤差平均值為0.373 2 m的定位精度。因此，當(dāng)在機器人和物聯(lián)網(wǎng)中應(yīng)用此定位算法來估計定位時，可以大大減小測量的誤差范圍。

參考文獻：

[1]張洪婷. 無線傳感器網(wǎng)絡(luò)節(jié)點定位技術(shù)研究[D]. 北京： 北京交通大學(xué)， 2017.

[2]AKYILDIZ F. Wireless sensor networks： a survey[J]. Computer Networks， 2002， 38（4）： 393-422.

[3]SALIMI B， ADBULMALEK Z， MEHRANZAMIR K， et al. Localized single-station lightning detection by using TOA method[J]. Teknologi， 2013， 64（4）： 73-77.

[4]宋麗萍. 基于RSSI的室內(nèi)定位算法研究[J]. 太原師范學(xué)院學(xué)報（自然科學(xué)版）， 2019， 18（2）： 49-52.

[5]程偉， 史浩山， 王慶文. 一種無需測距的無線傳感器網(wǎng)絡(luò)加權(quán)質(zhì)心定位算法[J]. 西北大學(xué)學(xué)報（自然科學(xué)版）， 2010， 40（3）： 415-418.

[6]趙海霞. 基于TDOA和TOA的定位技術(shù)研究[D]. 西安： 西安電子科技大學(xué)， 2014.

[7]毛永毅， 張穎. 非視距傳播環(huán)境下的AOA定位跟蹤算法[J]. 計算機應(yīng)用， 2011， 31（2）： 317-319.

[8]MAO G， FIDAN B， ANDERSON B. Wireless sensor network localization techniques[J]. Computer Networks， 2007， 51（10）： 2529-2553.

[9]王昕， 王宗欣， 劉石. 一種考慮非視線傳播影響的TOA定位算法[J]. 通信學(xué)報， 2001， 22（3）： 1-8.

[10]路澤忠， 盧小平， 付睢寧， 等. 一種改進的RSSI加權(quán)質(zhì)心定位算法[J]. 測繪科學(xué)， 2019， 44（247）： 30-35.

[11]劉云， 劉菁原. 基于RSSI的加權(quán)質(zhì)心定位算法優(yōu)化研究[J]. 華中師范大學(xué)學(xué)報（自然科學(xué)版）， 2016（3）： 358-362.

[12]FRIIS H T. Note on a simple transmission formula[J]. The I. R. E. and Waves and Electronics， 1946， 34（5）： 254-256.

[13]陳河軍， 何熊熊， 丁海強， 等. 基于RSSI動態(tài)路徑損耗的定位算法[J]. 杭州電子科技大學(xué)學(xué)報， 2014， 34（2）： 24-27.

[14]BAE Y. Robust localization for robot and IoT using RSSI[J]. Energies， 2019， 12（11）： 2212-2230.

[15]石琴琴， 徐強， 張建平， 等. 基于RSSI測距的室內(nèi)目標(biāo)定位方法[J]. 電子測量與儀器學(xué)報， 2018， 32（2）： 86-91.

（責(zé)任編輯：曾 晶）

Abstract：

In the wireless field， the research on target positioning and tracking algorithms has become a hot spot， and a variety of target positioning and tracking algorithms have been proposed. Positioning algorithm based on received signal strength indicator （RSSI） ?is widely used due to its advantages in node miniaturization and ability to cross obstacles. However， the RSSI positioning algorithm is easily affected by the environment. An improved RSSI target positioning and tracking algorithm with path loss and noise based on the trilateral positioning technology and RSSI fusion was proposed. Through system simulation， the average error value of simulation error of 0.373 2 m was obtained.

Key words：

RSSI; positioning; path loss