基于RSSI测距定位算法的研究和改进

基于RSSI测距定位算法的研究和改进

作者：何沃林

来源：《数字技术与应用》2017年第09期

摘要：RSSI的定位算法在实际应用中的定位精度较低。通过研究分析通信距离、环境参数和信号干扰等各种因素对RSSI值测量的影响，为提出高效的定位算法提供研究思路。结合缩短通信距离、改进节点坐标计算方法等几种方法的综合应用，实现对RSSI定位算法的改进和参数优化，提高其定位精度和抗干扰能力。通过对RSSI定位算法的改进和参数优化，提高其定位精度和抗干扰能力。

关键词：无线传感器网络；测距；RSSI；定位算法

中图分类号：TP273 文献标识码：A 文章编号：1007-9416（2017）09-0134-02

接收信号强度测距法RSSI（Received Signal Strength Indication）为基础的定位算法，被普遍运用于无线传感器网络节点定位之中。其理想情况是定位结果坐标为一个正确的位置点，但由于传输距离、信号干扰等诸多因素的影响，往往无法确保RSSI测量结果的精确度，使定位点位于一个存在一定误差的区域内，改正思路是在实际的应用中，对传统的RSSI定位算法进行改进和参数的优化，尽可能缩小这个误差区域。

1 影响RSSI定位精度的因素

1.1 通信距离与障碍物

通信距离将影响到无线电信号衰减量，在长距离传输过程中，信号受环境干扰较大。另外信道内存在障碍物，通过对信号的折射、反射等，会使得信号衰减不断加剧，最终也会对RSSI数值测量结果产生影响。在以下实验过程中，对四组典型环境参数进行选取，A均取值为41，n则分别取值为2.6、2.8、3.0以及3.2。具体结果参见图1。可以看到，在测距距离不断加大的同时，各组环境参数之下的误差曲线均体现出误差持续增加的特性。若保持在5米之内，则误差增长相对缓慢，而一旦超过这一数值，则误差的增加将极为显著[1]。

此外，因为障碍物存在于信道之中，往往会产生反射、折射等影响，在加大通信距离之后，上述影响将因此而增大。RSSI数值的测量将因为障碍物而受到影响，导致传播进程中的信号损耗。

1.2 环境参数

在对RSSI数值进行计算时，所应用的环境参数是否和实际环境相符，是决定定位误差大小的关键。在上述不同通信距离定位误差测试的实验中，当参数A以及n分别为41以及2.8

时，则此时获得的定位结果精确度最高，而当参数A以及n分别为41以及3.2时，则取得的定位结果精确度最差[1]。

由此可认识到，定位精确度很大程度上会因为微小的环境参数变化而受到影响。从室内环境来看，障碍物会把室内空间分隔成多个相对独立的子区域，使用单一的环境参数无法适用于整体区域。

1.3 信号干扰

（1）突发干扰。测量RSSI值时，不论是环境的突然改变、还是人员走动等，均会对此产生突发干扰。因为突发干扰的存在，对RSSI值产生了显著影响，且比障碍物存在于信道时的影响程度明显更高。

（2）随机干扰。信号在传播过程中受到信号反射、衍射以及测量节点内部噪声和量化噪声等因素的影响，使得节点测量获得的RSSI数值产生随机误差[2]。在RSSI测量进程中，随机干扰持续存在，使测量值不断波动，而且因为无规则变化，使得其数值的正负、大小等无法被预测[2]。

（3）噪声干扰。RSSI值测量的整体进程均会受到噪声影响，使得最终获得的是噪声和测量值混合后的数据[3]。对比随机干扰导致的RSSI数值波动，噪声干扰之下的数值波动显然更强，而导致较大脉冲的出现，数据变化更无规律可循[3]。

2 RSSI定位算法的改进和优化

2.1 通信距离和区域布局的调整

从上面的实验数据可以看出，当通信距离达到5米以上时，则将出现显著的定位误差增加，5米距离之内的定位误差增长相对缓慢。通过结合对参考节点密度的增加，使得两类节点的通信距离得以缩短，同时划分整体区域为多个子区域，以5米作为衡量其大小的具体依据[1]。在分割子区域以后，未知节点需符合如下要求，即至少和三个小于5米临界距离的参考节点相互通信，图2为子区域分割的示意图。

在具体运用时，需结合室内整体布局，对子区域的分割方案予以合理设计，尽量减少由障碍物导致的影响。在通信距离方面只需保持在临界距离以内，不需要对子区域进行完全相等的划分。在分割区域以后，在拟合环境参数时，以各子区域作为操作环境，最终获得的环境参数和子区域相符。

2.2 环境参数自适应

为使系统具备和实际环境较为接近的信号衰减模型参数，当网络之中全部参考节点已经加入，未知节点广播信号以前，设置为环境参数的自适应阶段。对距离已知的参考节点进行测量，并校准信号衰减模型的所有参数[4]。

在选取的测距公式之中，在对A值进行测量时，要将参考节点设定为圆心，在半径为1米的圆周之上，有多个参考节点平均分布，随后对圆周之上全部参考节点的RSSI值进行测量，并进行平均值求取，具体参见如下公式（1）。

n为传播损耗系数，环境因素的影响很大，属于一种需重点修正的参数。由于参考节点位置坐标已知，通过和附近的参考节点测距后，就会得到N个到附近参考节点的距离值，即可对N个传播损耗系数n进行计算，同时求取平均值。另外，RSSI值在不同时间内也会有一定波动产生，在参数n进行计算以前，需要对不同时间段的RSSI值进行收集，以其平均值开展计算工作，具体参见式（2）：

使用整体以及局部环境参数的定位精度数据对比，如图3所示。

从图中可见，因为对整体区域进行子区域分割工作，在子区域中的环境参数根据实际进行了调整，在通信距离不断增加的同时，定位误差并未由此而增加，实现了对区域分割可提升定位精度这一结论的验证。

2.3 高斯滤波处理

结合研究数据得出，在某个位置之上同一节点获得的RSSI数值，其误差存在随机性，符合或近似符合正态分布，通过高斯模型的运用，对高概率区的RSSI数值进行选取，可使得大干扰、小概率事件对RSSI值测量的影响得以减少，也让定位变得更为准确。对应的高斯密度分布函数见式（3）、（4）、（5）所示。

在发生概率相对较高的区域，即概率超过0.6（经验值）的范围进行选取，如式（6），过滤了因为干扰而导致的误差较大的RSSI测量值。

本方法的软件编程设计思路较为简单，也就是在未知节点将n组数据快速的发送给参考节点，由参考节点在相应数组Rssi—val[ ]内进行存储，再结合高斯模型来开展数据滤波处理工作。系统的临界值为0.6，结合高斯密度分布函数公式，可对概率结果进行输出，然后在最终确认数组Rssi_val_gauss[ ]内存放。在处理数据并进行存储操作之后，结合式（7）即可对几何均值进行求取[5]。

3 节点坐标计算方法的改进

3.1 采用最大似然估算法

研究证明，实际的信号传输损耗符合对数-正态分布阴影模型，参见式（8）：