基于灰色预测模型下RSSI改进定位算法.docVIP

基于灰色预测模型下RSSI改进定位算法 　　摘要：接收信号强度（RSSI）定位技术是无线传感器网络基本定位技术之一，为了提高节点定位精度，本文通过对自由空间下无线信号传播Shadowing模型进行分析，提出基于信号强度下的改进测距公式。在测量距离的过程中，通过建立引入缓冲算子的灰色预测模型对所测量的每个值进行预估，消除了RSSI测距过程中产生的严重失真数据，从而更好的实现与未知节点的距离对应关系。实验结果表明改进的测距公式有效的提高了定位精度，在不增加节点的前提下，引入缓冲算子的灰色模型能够有效的对节点位置进行校正，达到了预期的定位效果 关键词：无线传感器网络 RSSI 灰色模型 定位 中图分类号：TP393 文献标识码：A 文章编号：1007-9416（2016）12-0138-02 Abstract：Received signal strength （RSSI） positioning technology is one of the basic wireless sensor network positioning technology， in order to improve positioning accuracy of the node， the paper analyzed Shadowing model of the wireless signal propagation under the free space， at the same time， proposed the improving ranging formula based on signal strength. In the process of measuring distance， through the establishment of buffer operator of the grey forecast model to forecast each value measured by eliminating the RSSI ranging from serious distortion data， so as to it realized the better correspondence distance with unknown nodes. Experimental results show that， without adding nodes， the gray model with buffer operator can improve the positioning accuracy effectively， and achieve the expected positioning effect. Key Words：wireless sensor networks；RSSI；grey model；location 1 引言 ?o线传感器网络（wireless sensor networks， WSNs）是由一定数量装备有微控制器，低功率的小型设备，并且数量庞大的传感器节点能够感知它们周围环境所组成。通常这些设备都以多跳的方式进行互联，从而节点之间能够协调合作实时的将数据发送给用户。在无线传感器网络中，传感器节点往往被随机布置在所监测的一个区域当中。因此，位置信息对传感器网络的监测活动至关重要，没有位置信息的监测消息往往毫无意义[1]。精确的位置信息对于许多传感器网络如：目标追踪网络，基于位置的感知服务网络，地理信息网络等具有重要的意义 根据在获取未知节点位置信息过程中是否测量到实际节点的距离，无线传感器网络定位算法主要分为两类：距离相关（ranged based）定位算法和距离无关（range-free）定位算法[1]。根据节点定位次序的不同，定位算法可以分为：递增式的（incremental）定位算法和并发式的（concurrent）定位算法[2]。根据定位过程中是否使用到信标节点，定位算法可以分为：基于信标节点的（beacon-based）定位算法和无信标节点的（beacon-free）定位算法。其中基于距离相关的定位方法需要得到相邻节点间确切的位置信息进行定位，常用的测距技术有：TOA、TDOA、AOA和RSSI定位等。距离无关的定位算法无需实际测量节点间的绝对距离或方位，只需要利用节点间相对距离或其他信息来实现定位，常用的算法包括：质心算法、APIT算法、Amorphous算法、DV-Hop算法等 距离无关的定位机制虽然减少了外界环境带来的影响，减少了额外的能量消耗，但是定位的误差却相对增大。距离相关的定位机制虽然增加节点本身的能量消耗，但是相比较距离无关的定位机制，