(中國鐵道科學(xué)研究院，北京 100081)

隨著無線傳感器技術(shù)的發(fā)展，以定位為基礎(chǔ)的服務(wù)得到了廣泛的應(yīng)用[1]。它被廣泛應(yīng)用于軍事國防、環(huán)境監(jiān)測、搶險救災(zāi)、醫(yī)療衛(wèi)生和工農(nóng)業(yè)控制等重要領(lǐng)域[2]。在我國由于地形和地質(zhì)環(huán)境的特殊性，崩塌、滑坡等地質(zhì)災(zāi)害較為嚴(yán)重[3]。其中，鐵路是遭受崩塌、滑坡危害最頻繁、最嚴(yán)重的一項工程。滑坡破壞了線路、中斷行車、危害站場，毀壞鐵路橋梁及其它設(shè)施，摧毀隧道，甚至?xí)斐绍嚪送龅男熊囀鹿蔥4]。為了降低滑坡對列車和人員的傷亡，需要對鐵路沿線的山體進(jìn)行監(jiān)測，及時掌握滑坡的發(fā)生，并將滑坡發(fā)生的信息傳遞給臨站的列車以進(jìn)行相應(yīng)的操作。因此，獲得提高無線傳感器節(jié)點的定位精度成為了研究的熱點[5]。 在山體滑坡的室外定位中，常用的硬件設(shè)施是GPS[6]，需要將帶有GPS模塊的傳感器部署在山體上，當(dāng)上位機(jī)接收到GPS的位置信息發(fā)生變化時，認(rèn)為該地區(qū)發(fā)生了滑坡事件，并將該信息發(fā)送給列車做出相應(yīng)的調(diào)整。然而，使用較為廉價的GPS模塊可以降低監(jiān)測設(shè)備的成本，但其定位精度較低，為了改進(jìn)這一缺陷，使用無線傳感器節(jié)點代替GPS節(jié)點進(jìn)行滑坡位置的確定。而在滑坡監(jiān)測中，可以通過傳感器節(jié)點距離的變化來判斷滑坡的發(fā)生。

通常測距的方法有RSSI[7]、TOA[8]、AOA[9]等。其中TOA方法測距精度較高，但是對硬件要求高。AOA方法比RSSI方法測距精度高，但該方法需要額外硬件支持，硬件體積較大[10]。RSSI方法對硬件要求較低，不需要額外硬件的支持，操作簡便。因此，本文采用RSSI方法來判斷節(jié)點發(fā)生的情況。但是通過RSSI利用LNSM方法得到的距離偏離真實距離較遠(yuǎn)，誤差較大[11]，需要對該方法進(jìn)行改進(jìn)以獲得較高精度的距離，減小距離誤差。在文獻(xiàn)[12]中，通過分析RSSI與距離d的數(shù)據(jù)模型關(guān)系，得到了RSSI與d的Log數(shù)據(jù)模型，將該模型進(jìn)行修正，使其誤差盡量最小。并使用AP訓(xùn)練得到Log模型中的未知參數(shù)，最后通過RSSI來定位未知節(jié)點坐標(biāo)。文獻(xiàn)[13]提出了一種三邊-加權(quán)質(zhì)心定位算法，該算法首先確定定位三角形，然后以測試距離的影響大小作為權(quán)值來計算節(jié)點的估計值，此方法可以減小定位的面積。在文獻(xiàn)[14]中，主要針對三角形質(zhì)心定位算法誤差大的缺陷，提出了改進(jìn)的算法—CLIP算法，仿真實驗表明，改進(jìn)算法能提高無線傳感器節(jié)點的定位精度。本文主要以提高部署在高鐵沿線山體上的無線傳感器節(jié)點移動的精度作為目的，應(yīng)用加權(quán)和回歸算法改進(jìn)傳統(tǒng)LNSM測距方法，得到較高估計精度的距離。

1 LNSM算法

根據(jù)采樣得到的節(jié)點之間信號強(qiáng)度值RSSI，利用LNSM方法，可以獲得兩個節(jié)點之間的估計距離。

在LNSM方法中，為了減小RSSI波動帶來的影響，對RSSI采用均值的方法作為某個位置處的信號強(qiáng)度值。然后根據(jù)RSSI與已知的距離計算LNSM中的路徑損耗指數(shù)n和其它的參數(shù)

(1)

式中，m表示所有計算得到的路徑損耗指數(shù)n的個數(shù)；RSSIi+1和RSSIi分別表示第(i+1)和i個位置處收發(fā)節(jié)點之間的信號強(qiáng)度值；di+1和di表示收發(fā)節(jié)點之間第(i+1)和i個位置之間的距離；n表示該特定環(huán)境下的路徑損耗指數(shù)。

RSSIi=Pt-PL(d0)-10nlgdi=Ai-10nlgdi

(2)

式中，Ai=Pt-PL(d0)；Pt表示傳感器的發(fā)射功率；PL(d0)表示在參考距離處的路徑損耗，通常參考距離取1 m。

在傳統(tǒng)的LNSM方法中，為了減小參數(shù)A的偏差，一般采用取均值的方法，即

(3)

式中，s表示計算得到參數(shù)A的個數(shù)；Ar表示所有值的均值。從而節(jié)點之間的距離

(4)

式中，RSSIt表示待測位置處的信號強(qiáng)度值；dt表示根據(jù)公式得到的節(jié)點間的距離。

2 改進(jìn)的距離估計算法

對于收發(fā)節(jié)點之間的信號強(qiáng)度值，本文采用滑動平均濾波算法來獲取。通過獲得了N=10個連續(xù)采樣值，其隊列長度為N，每次采樣到一個新數(shù)據(jù)放入隊尾，根據(jù)先進(jìn)先出原則，扔掉原來隊首的一個數(shù)據(jù)。將隊列中的N個數(shù)據(jù)進(jìn)行算數(shù)平均運(yùn)算，便可以獲得新的濾波結(jié)果。該方法能夠有效抑制周期性干擾，平滑度較高。

根據(jù)滑動平均濾波算法得到的節(jié)點間的信號強(qiáng)度值，利用式(1)可以得到路徑損耗指數(shù)nh的值。

根據(jù)路徑損耗指數(shù)nh和采集到的信號強(qiáng)度值RSSI，以及式(2)，可以得到公式中的參數(shù)A的值。

由于RSSI的值是變化的，因此A的值也會發(fā)生改變。在得到所有RSSI對應(yīng)的A的值后，觀察A值的變化規(guī)律，并得到A與相應(yīng)數(shù)值序號的規(guī)律函數(shù)

A_fit=f(N)

(5)

式中，N表示數(shù)值序號；A_fit表示根據(jù)所有獲得的參數(shù)A的值得到擬合函數(shù)的值。

根據(jù)A值的變化規(guī)律，路徑損耗指數(shù)n和信號強(qiáng)度值RSSI，并利用式(3)得到的規(guī)律，可以得到收發(fā)節(jié)點之間的估計距離

(6)

式中，dh表示節(jié)點間的距離。

由于在實際中，A_fit是未知的，因此式(6)需要進(jìn)一步改進(jìn)，可以通過RSSI來獲得距離。在計算路徑損耗指數(shù)和參數(shù)A的過程中，一部分距離是已知的，根據(jù)已知的距離和dh通過加權(quán)算法可以獲得新的距離

(7)

(8)

(9)

則根據(jù)采集到的信號強(qiáng)度值RSSI，利用公式(9)可以得到節(jié)點間的估計距離

dr=10＾(f(rssi))

(10)

式中，f(rssi)表示待測節(jié)點與已知節(jié)點間的信號強(qiáng)度值的表達(dá)式；dr表示根據(jù)信號強(qiáng)度值得到的估計距離。

最后，通過MSE、RMSE和MAE 3種誤差來評估估計距離dr和LNSM方法得到的距離dl之間的關(guān)系。

3 實驗

3.1 實驗設(shè)置

本實驗研究了在高鐵附近環(huán)境中，提高根據(jù)節(jié)點之間的信號強(qiáng)度值得到距離的精度的問題。由于實驗在高鐵附近實施，考慮到列車通過時產(chǎn)生的電磁干擾的影響，因此在進(jìn)行測距實驗之前先進(jìn)行電磁干擾實驗。

在本次實驗中，終端節(jié)點采用了CC2530與GPS集成的傳感器模塊，該集成模塊的使用是為了下一步研究的進(jìn)行；協(xié)調(diào)器節(jié)點使用了僅帶有CC2530芯片的傳感器模塊。

3.1.1 實驗一

首先，使用協(xié)調(diào)器節(jié)點和2個終端節(jié)點在鐵路旁進(jìn)行實驗，檢測無線節(jié)點信號傳輸?shù)母蓴_情況。將2個終端節(jié)點均懸空放置，終端節(jié)點與最近護(hù)欄間的距離約為7.6 m，終端節(jié)點距離鐵軌約為10 m，并且，協(xié)調(diào)器節(jié)點與終端節(jié)點之間的距離為1 m。

協(xié)調(diào)器節(jié)點與PC機(jī)相連，用來顯示接收到的數(shù)據(jù)。協(xié)調(diào)器節(jié)點與終端節(jié)點始終保持正常通信狀態(tài)，當(dāng)高速列車到來時，從開始聽到高速列車到來的聲音起，直到列車聲音消失，記錄列車經(jīng)過的時間，一直記錄6次。

在該實驗完成后，為了觀測列車到來時信號強(qiáng)度與列車未到時信號強(qiáng)度的變化，在列車到來行使的時間(10 s左右)前后，各增加10 s的時間。則列車到來的有效時間區(qū)域是10～20 s。觀察RSSI的變化情況，分析列車產(chǎn)生的強(qiáng)電磁是否對終端節(jié)點的無線傳輸有影響。

3.1.2 實驗二

在電磁干擾實驗完成后，進(jìn)行測距實驗。在測距實驗中，采用3個終端節(jié)點和1個協(xié)調(diào)器節(jié)點進(jìn)行實驗，并且3個終端節(jié)點固定位置不變，與PC機(jī)相連的協(xié)調(diào)器節(jié)點在終端節(jié)點構(gòu)成的三角形范圍內(nèi)進(jìn)行移動。在協(xié)調(diào)器節(jié)點移動的每個位置處，PC機(jī)記錄200個信號強(qiáng)度值RSSI，一共記錄18組。然后將采集到的RSSI進(jìn)行處理，獲得節(jié)點之間的距離，最后分析本文算法得到的距離與真實距離的誤差，并與LNSM方法進(jìn)行比較。

3.2 實驗分析

在檢測終端節(jié)點無線傳輸信號是否受高速列車產(chǎn)生磁場影響的實驗中，采用了2個終端節(jié)點，觀察2個終端節(jié)點與協(xié)調(diào)器之間的RSSI變化情況。如圖1所示。

從圖1中可以看出，在10～20 s時間內(nèi)，2個終端節(jié)點的RSSI相比較其它時間的信號強(qiáng)度值沒有明顯的改變。第一個節(jié)點RSSI的變化范圍是-45～-42，第二個節(jié)點RSSI的變化范圍是-54～-48，由于模塊本身也會對信號強(qiáng)度值RSSI有一定的影響，并且2個節(jié)點的RSSI在高速列車經(jīng)過的時間段之內(nèi)變化不是很大，因此，本次試驗認(rèn)為高速列車通過時，對終端節(jié)點的無線信號傳輸沒有明顯的影響。在下面的分析中，不考慮高速列車產(chǎn)生電磁干擾的影響。

圖1 終端節(jié)點a和b的RSSI變化情況

圖2 d與RSSI的關(guān)系圖

終端節(jié)點在特定位置處采集到的RSSI進(jìn)行濾波處理，得到圖2所示的信號強(qiáng)度值RSSI與距離d的關(guān)系圖。 根據(jù)圖2中的關(guān)系曲線圖可以看出，在5 m之內(nèi)，RSSI與d具有一定的規(guī)律性，但在5 m之后，RSSI隨d的變化是不規(guī)律的。因此，針對本實驗采集到的RSSI，本文分析了5 m范圍內(nèi)RSSI與d的關(guān)系，為了得到該環(huán)境下的參數(shù)，路徑損耗指數(shù)n和參數(shù)A取30 m大范圍內(nèi)的數(shù)據(jù)進(jìn)行計算。并通過獲得的RSSI，利用本文提出的算法來估計終端節(jié)點與協(xié)調(diào)器節(jié)點之間的距離。

利用上述算法，根據(jù)節(jié)點之間的信號強(qiáng)度值RSSI，可以計算得到它們之間的估計距離，并與LNSM方法在該環(huán)境下得到的估計距離進(jìn)行比較，如圖3所示，其中d1表示節(jié)點之間實際測量的距離值，d2表示根據(jù)RSSI測量計算得到的距離值。 從圖3顯示的結(jié)果可知，在該實驗中，由于5 m之后RSSI的不規(guī)律性，LNSM方法根據(jù)RSSI得到的距離與真實距離相差較大。本文提出的距離估計算法利用RSSI得到的距離比LNSM方法得到的距離更加接近于真實距離，距離的精度更高。為了評價該算法的性能，采用了MSE、RMSE、MAE 3種誤差的數(shù)據(jù)。圖4更直觀地顯示了提出的距離估計算法在該實驗環(huán)境下的誤差。

圖3 3種距離比較

圖4 所提算法得到距離的3種誤差

在圖4中可以清楚地看出，在實驗環(huán)境內(nèi)，LNSM方法得到的距離誤差較大，MSE、RMSE、MAE 3種誤差分別是：5.744 5、2.396 8、3.988 2。本文提出的距離估計算法在該實驗環(huán)境下，通過RSSI得到的估計距離3種誤差均較小，MSE、RMSE、MAE 3種誤差分別是0.174 2、0.417 4、0.338 8。并且這3種誤差反映了提出的距離估計算法的可行性，能有效地提高距離精度。

4 結(jié)語

本文研究了基于RSSI利用相關(guān)距離估計算法提高距離精度的問題。在距離估計算法中，加入權(quán)重的思想并將經(jīng)過加權(quán)的距離做進(jìn)一步的變化，得到RSSI與lgd的關(guān)系，則在實驗環(huán)境下，可以根據(jù)信號強(qiáng)度RSSI得到節(jié)點之間的估計距離。在仿真實驗中，將估計距離和LNSM方法得到的距離二者均與真實的距離比較。結(jié)果表明，根據(jù)RSSI提出的距離估計算法得到的節(jié)點間的距離相比LNSM方法得到的距離更逼近真實距離，誤差較小。說明了提出的距離估計算法在高速鐵路環(huán)境下的可行性。

本文的距離估計算法能在5 m范圍內(nèi)獲得有效的結(jié)果，但如果距離超出5 m，由于RSSI隨距離d變化的不規(guī)律性，使用普通的算法具有一定的局限性，無法得到有效的距離。下一步將在遠(yuǎn)距離范圍中進(jìn)行研究，提出有效的算法來提高距離估計的精度。