摘  要:  對WSN中基于測距技術的定位方法進行了研究，針對室內環境易對信號造成干擾且硬件存在差異的情況，采用為每個參考節點設置其測距模型的方案。對利用線性定位和極大似然估計兩種定位算法分別進行了分析，通過實驗測試定位系統中測距模型的測距誤差以及兩種定位算法的定位誤差，依據實驗結果提出了綜合運用兩種定位算法的策略。
關鍵詞: 無線傳感器網絡； RSSI； 定位算法； 測距誤差

    目前，在室外環境下，全球定位系統(GPS) 已經能夠成功地對移動目標進行定位。但在室內環境下，GPS的衛星信號受室內障礙物的阻隔，難以實現定位[1]。同時，GPS的成本和功耗較高,不能適應一些應用場合的要求。
    WSN 是一種短距離、低速率、低復雜度、低功耗和低成本的無線通信網絡，主要用于分布式測量和遠程控制[2]。近些年來，國內外研究機構已開發出一些基于WSN的室內定位系統，其中最典型的室內定位系統有RADAR、Active Badge、Active Office、Cricket等。但由于室內的無線信號傳播條件和狀態復雜多變，如：墻壁的多徑反射、人員走動等等都會影響室內定位精度。因此，本文為研究基于RSSI的定位技術設計了一個室內定位系統，根據具體的環境，對不同的硬件設備測量出不同的參數，從而得到不同的傳播損耗模型。當環境發生變化時，需重新確定節點的測距模型。測距階段的結果直接影響整個定位系統的定位精度，因此應減小測距階段的測距誤差以提高系統的定位精度。并在實際環境中測試定位算法的有效性及所能達到的精度范圍,實驗需要測試利用RSSI測距技術所能達到的測距精度，同時需要對比兩種不同的定位算法所能達到的定位精度。

    當參考節點的位置信息固定好以后，根據前面所說的測距模型的方法測出每個參考節點的參數值,見表1。
    當定位環境發生變化時，需要重新測量參數值。

3.3 測試結果與分析
    定位測試結果與分析內容主要包括距離測試實驗結果分析以及位置測試實驗結果分析。測距結果分析指將實際距離與估計距離作對比后的誤差分析，而位置結果分析是對估計坐標值的誤差進行分析。最后對不同定位算法的定位誤差進行對比，并得出結論。
3.3.1 距離測試
     首先,分別測試盲節點與各參考節點間距離的測量誤差。以24號節點為例，通過回歸分析計算兩節點間的距離估計值，距離的相對誤差與實際距離的關系如圖4所示。圖中曲線表明，當兩節點間的距離在(2 m,6 m)范圍內時，估計距離的相對誤差小于該區域外的相對誤差。其他參考節點的測距相對誤差也有類似的效果,即中間區域的整體相對誤差小于該區域外的誤差，但相對誤差值的大小略有不同。

    重復距離測試實驗，可得出以下結論：當未知節點位于定位區域的中間范圍(2,2)×(6,6)內時，節點間的測距誤差小于2 m；當未知節點位于該范圍外時，測距誤差相對較大，但是整體仍小于3.5 m。由于測距誤差直接影響系統的定位誤差，由以上結論可以推斷，當未知節點在中間區域內移動時定位誤差較小。
3.3.2 定位誤差測試與分析
    實驗中選取定位區域內的25個位置作為測試點，具體的測試點分布如圖5所示。

    為更加具體地對定位誤差進行分析，對每個測試點都進行10次位置計算。測試結束后，分別對線性定位算法的誤差和極大似然估計法的誤差進行比較，如圖6所示。
    由圖6可知，兩種定位算法的定位誤差占比比較相似。分析不同區域內的誤差值可發現，當測試節點分布靠近邊界時，極大似然估計法的計算結果優于線性定位算法；當測試節點位于中間區域時，線性定位算法的定位結果優于極大似然估計法。因此在實際的定位系統中，可同時實現兩種算法。當未知節點靠近監控區域的邊界時使用極大似然估計法計算節點位置；當未知節點靠近中間區域時可使用線性定位算法計算最終的坐標。
    本文研究了無線傳感器網絡室內定位技術，對基于RSSI的室內測距原理和定位算法進行了分析，在現實環境中測試了距離測量精度和兩種不同的定位算法的定位精度。實驗結果表明，在連通的室內環境中，基于測距的定位方法的定位誤差≤3 m（約90%的概率），在中間區域和外圍分別使用不同的定位算法可以提高定位精度。由于距離測量精度是影響定位效果的關鍵因素，因此，未來需要進一步研究提高測距精度的方法。
參考文獻
[1] BULUSU N，HEIDEMANN J， ESTRIN D. GPS-less low cost outdoor Localization for Very Small Devices[J].IEEE  Personal Communications Magazine，2000，7(5):28－34．
[2] 孫利民，李建中，陳渝，等． 無線傳感器網絡[M]．北京:清華大學出版社，2005.
[3] AWAD A，FRUNZKE T，DRESSLER F． Adaptive distance estimation and localization in WSNs using RSSI measures[C]. IEEE 10th Euromicro Conference on Digital System Design Architectures Methods and Tools，Aug． 2007:471－478．
[4] ALI S，NOBLES P． A novel indoor location sensing mechanism for IEEE 802． 11 b/g wireless LAN[C]. IEEE The Fourth Workshop on Positioning，Navigation and Communication(WPNC’07 )，2007:9－15．
[5] GOLDONI  E, SAVIOLI M,  RISI M. Experimental analysis of RSSI-based indoor localization with IEEE 802.15.4[C]. 2010 European Wireless Conference, Lucca, April 2010: 71-77.
[6] CAFFERY J. A new approach to the geometry of  TOA localization[C]. IEEE VTC 2000 Fall September 24-28, Bosto,USA,2000:1943-1949.
[7] CHOI S, CHA H, CHO S. A SoC-based sensor node: Evaluation of RETOS enabled CC2430[C]. Sensor, Mesh  and Ad hoc Communications and Networks (SECON 07),18-21 June,2007:132-141.
[8] PHILIP L, SAM M, JOSEPH P. TinyOS: An operating system for Wireless Sensor Networks[M]. In book Ambient  Intelligence edited by Weber W, Rabaey J, and Aarts E, 2005.
[9] DAVID G, PHILIP L, ROB B. The nesC language: A holistic approach to networked embedded system[M]. Proceedings of Programming Language Design and Implementation (PLDI). June 2003.