張 是,李德敏,張曉露

(東華大學(xué)信息科學(xué)與技術(shù)學(xué)院,上海201620)

基于ZIGBEE的自適應(yīng)動態(tài)區(qū)域誤差因子算法*

張 是,李德敏,張曉露

(東華大學(xué)信息科學(xué)與技術(shù)學(xué)院,上海201620)

為了進一步完善ZigBee定位技術(shù),減少多徑效應(yīng)對室內(nèi)定位的影響,在接收信號強度指示算法(RSSI)的基礎(chǔ)上,提出了一種自適應(yīng)動態(tài)區(qū)域誤差因子算法,通過將最小二乘法與自適應(yīng)動態(tài)區(qū)域誤差因子相結(jié)合的方法,來計算盲節(jié)點的位置坐標(biāo),以達到提高定位精度的效果。Matlab中的仿真結(jié)果證明,在節(jié)點處于靜態(tài)和動態(tài)兩種情況下,該算法在定位精度上都有顯著的提升。

ZigBee定位 RSSI測距 最小二乘法 自適應(yīng)動態(tài)區(qū)域誤差因子

0 引 言

近年來,室內(nèi)定位的問題越來越受業(yè)界廣泛的關(guān)注,隨著社會的發(fā)展,對定位問題的研究也存在著重大的意義和研究價值。例如在火災(zāi)現(xiàn)場、礦災(zāi)現(xiàn)場對人員的救援缺乏準(zhǔn)確可靠的定位信息,搶險救災(zāi)的效率低,成功率小。而利用定位技術(shù)能準(zhǔn)確地定位到被困人員的具體位置,從而給應(yīng)急救援爭取了寶貴的救援時間,帶來了極大的方便,大大的減少傷亡人數(shù)。

與此同時,國內(nèi)外各種相應(yīng)的定位方式也不斷涌現(xiàn),目前的定位技術(shù)主要有紅外線室內(nèi)定位技術(shù)、超聲波定位技術(shù)、藍牙定位技術(shù)、射頻識別定位技術(shù)等。由于諸如功耗和通信成本等原因,這些技術(shù)還沒有被廣泛的應(yīng)用。自2006年正式推出ZigBee標(biāo)準(zhǔn)以來,業(yè)界提出了不少基于ZigBee技術(shù)的定位算法,如三邊測量法、三角測量法和最大似然估計定位法。這些方法雖然可以有效減小功耗等帶來的問題,但是由于ZigBee無線網(wǎng)絡(luò)往往受到障礙物的影響而使定位精度很低,所以基于ZigBee的室內(nèi)定位技術(shù)還有待于進一步的完善。

鑒于ZigBee技術(shù)其自身低功耗、低成本等特點,能夠更好的滿足短距離室內(nèi)定位的要求。為了改善現(xiàn)有的定位技術(shù)精度低的問題,文中提出了一種基于ZigBee的自適應(yīng)動態(tài)區(qū)域誤差因子算法,該算法的設(shè)計是在原有接受信號強度指示(RSSI,Received Signal Strength Indicator)定位算法的基礎(chǔ)上,通過最小二乘法擬合及動態(tài)區(qū)域誤差因子相結(jié)合的方法,來修正盲節(jié)點的定位坐標(biāo),以達到提高定位精度的效果。

1 相關(guān)工作

為了減小室內(nèi)定位中多徑效應(yīng)對基于RSSI定位算法的影響,國內(nèi)外的研究人員先后提出了不少的定位算法改進方案,2008年高國勝等人在文獻[1]中提出了一種基于RSSI測距的信標(biāo)節(jié)點自校正定位算法,以三邊定位算法為基礎(chǔ),通過測量信標(biāo)節(jié)點之間的距離,獲得RSSI值的網(wǎng)絡(luò)定位誤差,并對誤差進行補償,從而提高整個網(wǎng)絡(luò)的定位精度,但三邊定位算法本身的誤差就較大,因此該算法雖然提出的想法比較新穎,但還有待繼續(xù)改進。2012年杜亞江等人的文獻[2],在基于RSSI的測距技術(shù)的基礎(chǔ)上,提出使用最小二乘法對環(huán)境參數(shù)進行擬合的方案,但沒考慮到通信距離過長的問題,在這樣的條件下測量的RSSI值擬合出的結(jié)果會造成不可預(yù)見的誤差。2013年CHUKU N等人在文獻[3]中,在RSSI的陰影模型的基礎(chǔ)上,引入了最小二乘法和高斯函數(shù),提高了定位精度,但同時也增加了整個算法的復(fù)雜度,使其不適用于有移動節(jié)點且內(nèi)部環(huán)境較復(fù)雜的室內(nèi)定位。

由于室內(nèi)的定位環(huán)境相當(dāng)復(fù)雜,如何在考慮到節(jié)點能耗,不增加算法復(fù)雜度的情況下,提出一個可以符合室內(nèi)環(huán)境的定位算法,已成為如今室內(nèi)定位中的一大研究難點。文中在文獻[1]和文獻[3]的基礎(chǔ)上提出一種動態(tài)區(qū)域誤差因子定位算法,根據(jù)盲節(jié)點的位置及接收信號的范圍,將定位環(huán)境縮減成一個小范圍區(qū)域,在這個動態(tài)變換的區(qū)域內(nèi)計算盲節(jié)點的RSSI誤差因子,以此來提高整個網(wǎng)絡(luò)的定位精確度。

2 自適應(yīng)動態(tài)區(qū)域誤差因子算法

2.1 基于RSSI的路徑損耗模型分析

RSSI技術(shù)是通過接收到的信號強弱測定信號點與接收點的距離,進而根據(jù)相應(yīng)數(shù)據(jù)進行定位計算的一種定位技術(shù)。之所以要采用動態(tài)的有目的有方向性的選擇不同參考節(jié)點來分別計算移動節(jié)點的位置坐標(biāo),是因為RSSI技術(shù)在復(fù)雜的環(huán)境中,受障礙物或反射物的影響較大,從而導(dǎo)致測量誤差較明顯,使得精度很低。

電波在自由空間傳播的距離、頻率和信號衰減的關(guān)系為[4]:

式中,Qlos為傳播損耗,單位為dB,d為距離,單位為km,f為工作頻率,單位為MHz。

當(dāng)電波的頻率和發(fā)射功率固定不變時,通信的距離和接收器接收到的功率直接相關(guān),由于不同的環(huán)境下信號的衰減程度不同,在相應(yīng)的環(huán)境下進行測量得到傳播損耗經(jīng)驗值,并對式(1)進行修正。

RSSI的理論值可表示為[4]:

式中,d為信號傳播的距離,單位是m,射頻參數(shù)A和n用于描述網(wǎng)絡(luò)操作環(huán)境。在全向模式下,射頻參數(shù)A被定義為用dBm,表示的距發(fā)射端1 m處接收到的信號強度絕對值。射頻參數(shù)n被定義為路徑損失指數(shù),它指出了信號能量隨著到收發(fā)器距離的增加而衰減的速率。RSSI的定位原理為已知發(fā)射節(jié)點的發(fā)射信號強度,接收節(jié)點根據(jù)接收信號的強度,計算出信號的傳播損耗,利用理論和經(jīng)驗?zāi)Ｐ蛯鬏敁p耗轉(zhuǎn)換為距離,再利用三邊測距法計算出節(jié)點的位置,因此RSSI定位方法要求多個參考節(jié)點。

2.2 最小二乘法原理

為了減小路徑損耗模型中三邊測距法對于盲節(jié)點位置的計算誤差,文中將在此基礎(chǔ)上再用最小二乘法對盲節(jié)點坐標(biāo)進行進一步的擬合。根據(jù)最小二乘法的原理,為了計算得到盲節(jié)點的坐標(biāo),則盲節(jié)點和信標(biāo)節(jié)點之間的位置關(guān)系必須滿足式(3)[3]取得最小值:

式中,xi,yi是信標(biāo)節(jié)點i的坐標(biāo)值,di是通過RSSI值計算得到的從盲節(jié)點到信標(biāo)節(jié)點i之間的距離,N是總的信標(biāo)節(jié)點的數(shù)量。由式(3)可以推導(dǎo)出矩陣形式的式(4):

則可以將式(4)簡化為:A·X=B,應(yīng)用最小二乘的原理,只要計算得到P(X)=‖A·X-B‖2的最小值,即能求解得到盲節(jié)點的近似坐標(biāo):X= (ATA)-1ATB。

2.3 自適應(yīng)動態(tài)區(qū)域誤差因子算法描述

由于在室內(nèi)環(huán)境的傳播過程中,RSSI值的受外界因素影響較大,在使用傳統(tǒng)的方式獲得節(jié)點坐標(biāo)的基礎(chǔ)上,必須針對具體環(huán)境,對基于已損耗的RSSI值所計算出的距離進行補償,以此來提高定位可靠性,因此,文中設(shè)計了一種自適應(yīng)動態(tài)區(qū)域誤差因子算法,可以較為有效的減小外界環(huán)境變換所帶來的定位誤差。

文中所設(shè)計的自適應(yīng)動態(tài)區(qū)域誤差因子算法,主要是使用最小二乘法對RSSI傳播模型中所計算出的測距結(jié)果進行擬合,在擬合結(jié)果的基礎(chǔ)上加入了動態(tài)的區(qū)域誤差因子,以減小最小二乘法在使用受過外界干擾的RSSI值后計算出的擬合誤差。最后在計算結(jié)果上加上的固有環(huán)境誤差因子,可以有效針對具體定位環(huán)境提高定位精度。

2.3.1 動態(tài)定位區(qū)域確定

當(dāng)有盲節(jié)點加入到整個定位網(wǎng)絡(luò)時,算法首先需要在局部范圍內(nèi)確定出參與盲節(jié)點定位的信標(biāo)節(jié)點,即算法的動態(tài)定位區(qū)域。

每個盲節(jié)點進入到網(wǎng)絡(luò)時,都會收到來自于周圍不同信標(biāo)節(jié)點所發(fā)送來的RSSI值信息,由于RSSI值受距離的影響比較大,因此擁有較小RSSI值的節(jié)點將會被舍去,而剩下的超過某一閾值η的信標(biāo)節(jié)點的信息將會被列入到集合中,形成信標(biāo)節(jié)點位置坐標(biāo)集合{(x1,y1),(x2,y2),…,(xN,yN)}及與之對應(yīng)的RSSI值集合{RSSI1,RSSI2,…,RSSIN},集合中所包括的信標(biāo)節(jié)點,形成了一個動態(tài)的相對于每一特定的盲節(jié)點的定位區(qū)域。

2.3.2 最小二乘法盲節(jié)點坐標(biāo)計算

由于只需要接收到三個信標(biāo)節(jié)點的信息,即可通過最小二乘法計算得出盲節(jié)點的坐標(biāo),因此,當(dāng)經(jīng)過篩選后,在動態(tài)定位區(qū)域內(nèi)的信標(biāo)節(jié)點個數(shù)大于等于3時,即可通過計算模型計算出C3N個盲節(jié)點的近似坐標(biāo)(x1,y1),(x2,y2),…,(xk,yk),其中k= C3N。在舍去兩個極端坐標(biāo),再取平均值后,便能夠得到盲節(jié)點在初級坐標(biāo)(x,y),如式(8):

2.3.3 自適應(yīng)動態(tài)區(qū)域誤差因子

由于在傳播過程中RSSI值隨環(huán)境的影響很大,因此使用帶有誤差的RSSI值計算得到的盲節(jié)點坐標(biāo)本身也會存在很大的定位偏差,為了減小不可抗因素所帶來的影響,文中在文獻[1]提出的測距校正模型的概念上,引入了一種自適應(yīng)動態(tài)區(qū)域誤差因子,以此來修正盲節(jié)點的坐標(biāo)。

當(dāng)一個盲節(jié)點進入到網(wǎng)絡(luò)后,可以通過獲得信標(biāo)節(jié)點的信息來計算自身的坐標(biāo),同理,已知自身坐標(biāo)的信標(biāo)節(jié)點也可以通過接收別的信標(biāo)節(jié)點的信息來計算自身的位置坐標(biāo),而通過最小二乘法計算得到的坐標(biāo)與實際的坐標(biāo)之間的差值,即為在實際環(huán)境中的計算誤差,在對盲節(jié)點的坐標(biāo)進行計算時,需要將盲節(jié)點所處區(qū)域的環(huán)境誤差均值考慮在計算范圍內(nèi),而此誤差均值,即為所引入的自適應(yīng)動態(tài)區(qū)域誤差因子。

由于RSSI值傳輸結(jié)果的不確定性,在此基礎(chǔ)上計算得到的距離中必然會存在小概率事件,文獻[5]中提出使用高斯模型處理數(shù)據(jù)可以有效的避免小概率事件的發(fā)生,因此,文中假設(shè)所提出的自適應(yīng)區(qū)域誤差因子符合高斯分布,得到:

定義1信標(biāo)節(jié)點的自適應(yīng)動態(tài)區(qū)域誤差因子為:

式中,Dij=deij-dsij,deij為第i個信標(biāo)節(jié)點通過最小二乘法擬合出的與第j個信標(biāo)節(jié)點之間的估計距離, dsij為第i個信標(biāo)節(jié)點與第j個信標(biāo)節(jié)點之間的實際距離,i與j為N個信標(biāo)節(jié)點中的任意兩個節(jié)點。由此可知,兩兩信標(biāo)節(jié)點間一共有種距離組合,因此W=。

定義2盲節(jié)點修正坐標(biāo)

在使用最小二乘法計算得出的坐標(biāo)基礎(chǔ)上加上自適應(yīng)動態(tài)區(qū)域誤差因子分量,即可求得盲節(jié)點的最終定位坐標(biāo)。

自適應(yīng)動態(tài)區(qū)域誤差因子算法流程如圖1所示。

圖1 自適應(yīng)動態(tài)區(qū)域誤差因子算法流程Fig.1 Flow chart of adaptive dynamic regional error factor algorithm

3 算法仿真分析

文中采用了Matlab網(wǎng)絡(luò)仿真平臺對所提出的自適應(yīng)動態(tài)區(qū)域誤差因子算法以及文獻[1]中的信標(biāo)節(jié)點自校正定位算法和文獻[3]中的一種基于RSSI的無線傳感器網(wǎng)絡(luò)減輕陰影模型影響的定位方案(RBMSE,An RSSI Based Localization Scheme for WirelessSensorNetworkstoMitigateShadowing Effects)算法進行比較和分析。仿真場景設(shè)置為一個50 m×50 m的正方形區(qū)域,區(qū)域里隨機分布100個已知坐標(biāo)的信標(biāo)節(jié)點,以及25個待定位的盲節(jié)點,節(jié)點的通信半徑均為10 m。

3.1 靜態(tài)定位仿真

圖2為三種算法在不同盲節(jié)點數(shù)量情況下的平均定位誤差仿真圖。從仿真結(jié)果可以看出,文中所提出的自適應(yīng)動態(tài)區(qū)域誤差因子算法在靜態(tài)定位環(huán)境下定位誤差小,且趨于穩(wěn)定,另兩種算法相較于文中的算法定位誤差大,且隨著盲節(jié)點數(shù)量的增多,誤差驟增。

圖2 靜態(tài)平均定位誤差Fig.2 Static average location error

3.2 動態(tài)定位仿真

在上文所提到的基本仿真參數(shù)的基礎(chǔ)上,假設(shè)盲節(jié)點的移動速度(m/s)分別為0、0.5、1、1.5、2,即可得出圖3中三種算法在動態(tài)定位環(huán)境下的平均定位誤差比較。從圖3中可以看出,在節(jié)點移動的情況下,三種算法的定位誤差明顯高于在靜態(tài)定位環(huán)境下的誤差值,但文中所提出的算法相較于另兩個算法,依然定位效果更佳,平均誤差更小更穩(wěn)定,沒有誤差驟增的問題,能更加靈活的應(yīng)用于不同的定位場合。而另兩種算法,由于其算法復(fù)雜度及算法定位所需時間的問題,使其無法適用于移動節(jié)點的定位環(huán)境,造成了較大的定位誤差,且隨著節(jié)點移動速度的增大,定位誤差成倍增長。

圖3 動態(tài)平均定位誤差Fig.3 Dynamic average location error

4 結(jié) 語

針對室內(nèi)定位環(huán)境差定位精度低的問題,文中提出了一種自適應(yīng)動態(tài)區(qū)域誤差因子算法,通過將最小二乘法與動態(tài)區(qū)域因子相結(jié)合的方法來解決RSSI值在室內(nèi)復(fù)雜環(huán)境中衰減大,定位精度不高的問題。文中在Matlab中對靜態(tài)和動態(tài)的兩種定位環(huán)境進行了仿真,仿真結(jié)果證明,文中所提出的算法,定位精度更高,可應(yīng)用于各種不同的室內(nèi)定位環(huán)境中。

[1] 高國勝,陳俊杰,李剛.基于RSSI測距的信標(biāo)節(jié)點自校正定位算法[J].測控技術(shù),2009,28(08):93-97. GAO G S,CHENG J J,LI G.Beacon Node Self-Tuning

Localization Algorithm based on RSSI[J].Measurement and Control Technology,2009,28(08):93-97.

[2] 杜亞江,高立兵.基于最小二乘法的RSSI測距環(huán)境參數(shù)修正方案[J].計算機系統(tǒng)應(yīng)用,2012,21(02):221-224.

DU Y J,GAO L B.RSSI Parameter Calibration Methodbased on the Least Square Algorithm[J].Application of Computer System,2012,21(02):221-224.

[3] CHUKU N,PAL A,NASIPURI A.An RSSI Based Localization Scheme for Wireless Sensor Networks to Mitigate Shadowing Effects[C]//Southeastcon.Jacksonville,FL:IEEE,2013:1-6.

[4] 李建東,郭梯云,鄔國揚.移動通信[M].西安:西安電子科技大學(xué)出版社,2006.

LI G D,GUO Y T,WU G Y.Mobile Communication [M].Xi'an:Xidian University Press,2006.

[5] 章堅武,張璐,應(yīng)瑛,等.基于ZigBee的RSSI測距研究[J].傳感技術(shù)學(xué)報,2009,22(02):285-288.

ZHANG J W,ZHANG L,YING Y,et al.Research on Distance Measurement based on RSSI of ZigBee[J].Journal of Transducer Technology,2009,22(02):285-288.

ZHANG Shi(1990-),female,graduate student,mainly engaged in the application of wireless sensor network.

李德敏(1963—),男,博士生導(dǎo)師,主要研究方向為移動計算理論與應(yīng)用;

LI De-min(1963-),male,doctoral tutor,mainly engaged in mobile computing theory and application.

張曉露(1990—),女,博士,主要研究方向為無線傳感網(wǎng)絡(luò)與應(yīng)用。

ZHANG Xiao-lu(1990-),female,Ph.D.,mainly engaged in the application of wireless sensor network.

Adaptive Dynamic Regional Error Factor Algorithm based on ZigBee

ZHANG Shi,LI De-min,ZHANG Xiao-lu
(College of Information Science and Technology,Donghua University,Shanghai 201620,China)

In order to further improve the ZigBee positioning technology and reduce the multipath effects on indoor positioning,an adaptive dynamic regional error factor algorithm is proposed on the basis of received signal strength indicator.This algorithm,by combining the least square method with adaptive dynamic area error factor,calculates the coordinates of the blind nodes and thus improves the positioning accuracy.The simulation with Matlab indicates that both the complexity and the positioning accuracy of the algorithm could be significantly improved.

ZigBee positioning;RSSI;least square method;adaptive dynamic regional error factor

TN929.5

A

1002-0802(2014)02-0179-05

10.3969/j.issn.1002-0802.2014.02.012

張 是(1990—),女,碩士,主要研究方向為無線傳感網(wǎng)絡(luò)與應(yīng)用;

國家自然科學(xué)基金資助項目(No.71171045):自組織社會網(wǎng)絡(luò)的特征信息融合與決策支持方法研究

Foundation Item:National Science Foundation of China(NSFC)(No.71171045)