基于ZigBee技术隧道人员定位精度研究.docVIP

基于ZigBee技术隧道人员定位精度研究 　　摘 要：针对隧道无线传感网络技术定位人员不精确，以及定位精度容易受到网络参数设定影响的问题，通过研究ZigBee定位精度的影响因素，提出一种利用BP神经网络改进算法改善ZigBee监测网络参数设置方法。该方法可以有效快捷地架构ZigBee传感网络系统，且利用BP神经网络的改进算法预测不同参数的设置对应的定位影响精度，可以将误差稳定区域的定位误差控制在1 m以内。 　　关键词：ZigBee技术；RSSI定位算法；BP神经网络；定位精度 　　中图分类号：U458.1 文献标志码：B 　　文章编号：1000-033X（2016）05-0111-04 　　Abstract： Aiming at the problem of inaccurate positioning of the tunnel wireless sensor network， the influential factors of ZigBee positioning accuracy were studied based on RSSI algorithm and weighted centroid algorithm， and a new method of improving ZigBee monitoring network parameters was proposed by using BP neural network. The proposed method can effectively and efficiently build the ZigBee sensor network system， and the improved algorithm of BP neural network is used to predict the corresponding positioning accuracy of different parameters. Experimental results show that the error stability region can be controlled within 1 meter according to the method of parameter setting. 　　Key words： ZigBee technology； RSSI positioning algorithm； BP neural network； positioning accuracy 　　0 引 言 　　公路、铁路隧道的建筑施工环境艰苦恶劣，工种危险系数高，工作人员人数多，使隧道建筑施工企业面临巨大的管理困难，迫切需要一种能够高效、准确的人员定位系统。鉴于ZigBee能耗小、短距离传输稳定的优势，很多学者将该技术应用到隧道等工程定位中[1]。 　　但目前的研究主要是针对定位的传输方法与传输途径，并没有研究表明参数设置对定位精度的影响。由于参数设定的不同，使得定位精度存在差异，而对特殊环境中定位系统的参数设置肯定不相同。本文介绍一种利用BP神经网络算法高效优化ZigBee监测参数设置的方法，可以快捷有效地架构ZigBee传感网络系统，且利用改进算法预测不同ZigBee网络参数设置对应的定位精度，从而提高ZigBee在定位方面的应用价值。 　　1 基于RSSI的加权质心定位算法 　　传统采用RSSI定位技术的定位算法为 　　本文采用RSSI测量方法与质心算法相结合的定位算法，如图1所示。该定位方式首先计算出参考节点O1到被测节点的距离为d1，参考节点O2到被测节点的距离为d2，参考节点O3到被测节点的距离为d3。分别以O1、O2、O3为圆心，d1、d2、d3为半径画圆，可得交叠区域；然后，计算三圆交叠区域的3个特征点（A、B、C）的坐标，以A、B、C为顶点作三角形，定位节点D就是其质心。这种定位算法的不足是认为参与定位的参考节点对定位的影响程度一致，与现实情况不符。因此，根据RSSI测距原理分析影响定位精度的参数，并通过试验和BP神经网络模型预测定位精度，最终根据预测结果高效快捷地计算出系统最优参数配置[2-4]。 　　2 定位精度影响因素研究 　　由RSSI测距模型知，在理想条件下，影响定位精度的因素有RSSI值、A值、n值。根据CC2431数据手册，A值在30～50 dBm之间，其典型值为40 dBm；n值范围为1～8，典型值为3.375。CC2431的定位引擎并不直接使用n值，而是使用索引值n_index来替代，每一个n_index对应一个n值，n_index取0～31之间。相邻参考节点横向间距为X、纵向间距为Y、无线网络定位区域总长为L