基于Voronoi图的无需测距的无线传感网络节点定位算法

基于V oronoi图的无需测距的无线传感网络节点定位算法王继春黄刘生徐宏力徐犇李善亮（中国科学技术大学计算机科学与技术系合肥 230027）(jichunw@)A Novel Range Free Localization Scheme Based on Voronoi Diagrams in Wireless Sensor NetworksWang Jichun, Huang Liusheng, Xu Hongli, Xu Ben and Li Shanliang(Department of Computer Science and Technology, University of Science and Technology of China, Hef ei 230027)Abstract Recently, the topic of wireless sensor networks has become a fast-growing research area. In wireless sensor networks, sensor location plays a crucial role in many applications. The Global Position System (GPS) solves the problem of localization in outdoor environments, but it is not suitable for wireless sensor networks. Having a GPS receiver on every sensor is always costly and not feasible. So, in the past, there are many localization procedures have been proposed in the literature. In this paper, we introduce a distributed, accurate and reliable Voronoi diagrams based localization scheme (VBLS), which makes use of received signal strength indicator (RSSI) from anchors. First, VBLS sorts received signal strength indicator in descending order. Then, we use unit disk graph to calculate the Voronoi area of anchors in turn. Finally, the overlapping region of different anchors’Voronoi area is identified as the possible region where sensor resides in. We compare our work via simulation with two other range-free localization schemes (W-Centroid and Centroid) to show the efficiency of VBLS. For random anchor placement, VBLS outperforms Centroid scheme and W-Centroid scheme significantly, estimation error decreases by 18% and 13%, respectively. For uniform anchor placement, VBLS gets a gain of 7% decrease and 2% increase of estimation error, respectively.Key words localization; wireless sensor networks; Voronoi diagrams; RSSI; Range-free.摘要将V oronoi图应用于无线传感网络定位问题中，提出了VBLS(V oronoi diagrams based localization scheme)定位算法。

它首先对接收到的anchor节点的接收信号强度(RSSI)进行从大到小的排序，然后利用UDG图依次计算每个anchor节点的V oronoi区域，最后将所有V oronoi区域交集的质心输出作为定位结果。

通过仿真将VBLS和另外两种无需测距的定位算法(W-Centroid和Centroid)进行了比较。

仿真结果表明，对于anchor节点随机摆放的情况，VBLS的定位误差比Centroid和W-Centroid分别降低了18%和13%；对于anchor节点均匀摆放的情况，VBLS的定位误差比Centroid降低了7%,比W-Centroid增加了2%。

关键词节点定位；无线传感器网络；V oronoi图；接收信号强度（RSSI）；无需测距中图法分类号TP393无线传感器网络是由大量结构简单，廉价的传感器集成无线通信接口所组成，它在环境监测，灾难救助，目标跟踪等领域都有广泛的应用前景。

在这些众多的应用中，传感节点自我定位非常重要。

到目前为止，为了解决定位问题出现了很多不同的算法。

这些算法主要可以分为2大类：基于测距的和无需测距的。

基于测距的算法主要有以下几种：TOA(Time of Arrival)，TDOA(Time Difference of Arrival )，AOA(Angle of Arrival )和基于RSSI。

基于TOA技术定位最典型的例子就是GPS[1]系统，GPS系统通过测量GPS接收器和卫星之间的信号传输时间来估算接收器和卫星之间的距离进行定位。

基于TDOA的方法定位的比如AHLos[2]算法，TDOA通常通过测量2种速度不同的信号传输时间差来计算节点之间的距离，TDOA通常需要节点上附加特殊的信号收发设备(如超声波收发器等)。

AOA[3]的方法测量信号的到达角度，通过计算扇形之间的重叠区域进行节点定位。

和TDOA的方法一样，AOA 也需要节点附加特殊的设备(如有向天线)。

基于RSSI定位的系统比如RADAR[4]和MoteTrack[5]先对环境中存在的信号强度进行抽样，然后将定位时接收到的信号强度和先验的信号强度进行匹配得到定位结果。

这种定位方式只能应用于静态的环境，如环境发生变化，先验知识就不再有参考价值。

由于基于测距的方法通常都需要特殊的设备，或者像基于RSSI的定位受环境影响很大，所以出现很多了无需测距的定位算法，比如Bulusu等人提出的质心（Centroid[6]）算法。

定位节点收集能够和自己通信的所有anchor节点的信息，然后计算这些anchor节点的质心作为自己的位置，Centroid利用节点之间的连通性进行定位。

Xingfa Shen等人提出了加权质心(W-Centroid[7])算法对于质心算法进行改进。

W-Centroid将接收信号强度作为计算质心时的权重系数加以考虑从而提高质心算法的性能。

DV-hop[8]是另外一种无需测距的定位算法，它利用最小跳数进行定位。

在DV-hop算法中，传感节点维护一个自身到其他anchor的最小跳数表，然后利用每个anchor计算得出的平均每跳距离就可以计算出节点到anchor之间的距离，然后利用三角定位法就可以得出定位结果。

APIT[9]是利用三角形区域相交进行定位的算法，APIT将传感节点的邻居anchor节点做不同的组合得到不同的三角形，然后判断传感节点是否在这些三角形的内部，通过这些三角形之间的交集就可以判断传感节点的位置。

肖玲等人提出了基于非度量的多维标度技术的定位算法(NMDS[10]),NMDS基于节点RSSI和节点距离之间的单调关系，利用RSSI值构建相异性矩阵，然后对相异性矩阵进行反复迭代计算得到定位结果。

考察上述所有的定位算法，我们认为一个好的定位算法至少要满足以下几个条件：第一，定位算法必须是分布式的，在一个大型的无线传感器网络中，收集全局的信息是非常困难的，而且如果采用集中式的算法，靠近基站的节点由于要承担过多的转发任务将会成为网络的瓶颈；第二，定位算法的消息复杂度不能过高，因为在无线传感网络中，节点之间的消息传递是能量耗费的主要方面；第三，定位系统必须有一定的容错性，因为传感节点通常放置在无人看管的区域，由于恶劣的环境或者能量不足很容易出现故障，所以定位系统必须健壮，小部分节点故障不能影响到整个系统的功能。

本文提出的VBLS算法满足上述所有的条件。

本文组织如下：第2节介绍我们提出的定位算法VBLS；第3节对VBLS和另外2种算法(W-Centroid 和Centroid)仿真性能进行比较和分析；最后第4节对全文进行简单的总结。

2 VBLS定位算法本文提出的VBLS定位算法利用接收信号强度的信息进行定位，按照接收信号强度的大小依次计算每个anchor的V oronoi区域，然后求出这些区域的交集作为定位的结果，如图1所示。

2.1 信号传输模型现今主要存在3种信号传播模型：Free-space 模型，Two-ray ground reflection 模型和shadowing 模型。

Free-space 模型和Two-ray ground reflection 模型都认为接收信号的能量是距离的一个确定函数，因此他们的信号传输模型都是一个理想圆。

但是由于多路径反射，障碍物阻隔等原因，实际的环境中信号传输往往是各向异性的。

因此更为一般化的Shadowing模型使用更加广泛，Shadowing模型的表示如下：dBdBrr XdddPdP+-=)log(10])()([β(1)其中dBX是一个平均值为0的高斯分布变量，β为路径损耗系数（path loss exponent）, )(dPr和d 分别是参考能量和参考距离。

Shadowing 模型将环境噪声引入到接收信号能量的衡量中，因此更加的实用化。

观察Shadowing传输模型，我们可以得出以下结论:在不考虑环境噪声的情况下，接收信号强度)(dPr是一个随距离d增加单调递减的函数。

2.2 定位模型的阐述在本文中我们将整个无线传感器网络建模为一个连通的无向图()EVG,=，其中V为空间中所有传感节点的集合，E为连接所有相邻传感器的边的集合。