无线传感器网络中节点定位算法的学习精选.ppt

LOGO * Learning?of?node localization algorithm?in?wireless sensor networks  Addresser：Jian Zou Advisor: Prof . Jianxia Chen Date: Mar,9th ,2012 * Main content 前言 文献回顾 总结 主要介绍无线传感器网络中节点定位的研究现状，包括对RSSI算法的介绍 主要通过阅读期刊文献，理解文章的思想 通过阅读文章，能够对自己的研究方向产生更加深刻的印象，并能够提出自己的想法 * 前言 无线传感器网络(wireless sensor network,简称WSN)，是一种比较新的信息获取和处理技术，它能够在很多应用领域上实现复杂的监测和跟踪任务，对目标物体进行实时定位。与传统的基于终端定位方式不同的是，基于终端的定位是指移动终端根据基站和服务器所提供的信息进行定位，比如全球卫星定位技术（Global positioning satellite，简称GPS），基于WSN的定位是根据 * 前言 定位网络所测得的数据来计算目标物体的位置信息，主要分为测距定位和测向定位，其中在测距定位的基础上产生了很多种定位算法，比较经典的有RSSI，DV—hop，TOA，TDOA，最近邻居算法等，基于测向的算法有AOA算法，以及包括在AOA算法基础上进行改进的基于神经网络的AOA定位算法等。 * 前言 在这些算法中，RSSI（Recept Signal Strength?Indication，接收信号强度指示，简称RSSI）算法由于其低成本，低复杂性的优势被广泛应用到各个领域，但是由于信号强度很容易受影响（比如天气，障碍物等）导致定位精度会有所影响。因为RSSI算法的优势，所以在RSSI算法上寻求一种能提高定位精度的方法很有必要，现阶段我主要是通过大量阅读相关期刊文献，弄清楚算法理论的基础上，能够产生自己的思想，找到一种低成本投入实现高精度定位的算法，并能在仿真平台上去验证自己的思想。 * 前言 RSSI算法介绍 RSSI算法是指根据无线传感器接受到（目标物体）的信号指示强度，计算该信号在传播中的损耗，根据理论或者经验的信号传播模型将信号强度转换成距离。但是这种算法很容易受到天气，障碍物或人员流动的影响，导致测距不精确，从而定位精度不高。但是由于RSSI算法简单，成本低廉，很多无线通信模块提供RSSI值，所以RSSI算法依然应用在众多领域中。下面是RSSI算法的模型和理论公式： * 前言 d d0 R(d) R(d0) * 前言 如上图中，R（d）表示目标物体在距离阅读器d处的信号强度，R（d0）表示参考物体在距离阅读器d0处的信号强度，根据信号损耗的理论模型，可以得到公式（1）： （1） * 前言 其中n是一个信号衰减指数，一般根据具体的环境情况而设定，属于经验值，一般取（2,5）之间，根据公式（1），我们可以求出距离d，见公式（2）： （2） * 文献回顾 Paper I 无限网络定位技术研究 李丽1,3,周彦伟2,吴振强3 摘要：这篇文章主要针对RSSI定位算法的距离值容易受影响而导致定位精度低的问题，提出了在RSSI定位算法的基础上，通过高斯滤波的方法优先选取RSSI值的策略，并融入了加权质心算法，以保证定位精度的提高。改进的算法在相应的实验环境下得到了验证，改进后的算法的定位精度得到了改善。 Key words：RSSI Gaussian Filters weighted centroid * 文献回顾 这篇文章中的算法主要流程如下： 测出某一段时间内，接收器接收到未知节点发出的RSSI值 对这些RSSI值进行高斯滤波，选取比较优的RSSI值 根据信号—距离模型将优化的RSSI值转换成距离 最后通过三边测量法，质心加权算法测出未知节点的坐标 * 文献回顾 高斯滤波寻找最优的RSSI值：首先定义在某段时间内，信号接收器接收到未知节点的n个RSSI值，由于这n个RSSI值是随机离散的变量，则这些值服从或近似服从高斯分布（正态分布），选取那些高概率，即分布密度比较大的区域（一般经验值位大于等于0.6的区域），测量结果关于x的密度函数f(x)如下公式所示： 其中， * 文献回顾 * 文献回顾 采用三边测量法来确定未知节点的