创新实验项目名称：无线传感器网络定位算法的研究及实现.docVIP

国家测绘实验教学示范中心创新实验研究项目 无线传感器网络室内定位系统 开放实验项目：无线传感器网络定位算法验证 项目负责人 张 鹏 所属单位 武汉大学测绘学院测量工程研究所 联系电话 日 期 2011.12.1 实验目的 在无线传感器网络应用中，事件发生的位置或获取信息的节点位置是传感器节点监测消息中所包含的重要信息，对变形监测的有效性、采取措施和做出决策方面起着关键的作用，没有位置信息的传感数据往往是没有意义的。大量的传感器节点通常随机部署在监测区域内部或附近执行各种监测任务，以自组织的方式相互协调工作。随机布放的节点必须按照某种定位机自身定位后，才便于实现对所处环境的有效监控和测量。同时，传感器节点定位还可以提高网络的路由效率、覆盖质量，实现网络的负载均衡和拓扑自配置等。由于节点硬件配置低，能量、计算、存储和通信能力有限，如何设计节点的自身定位算法显得尤为重要，成为必须解决的关键问题之一。本实验搭建了一个无线传感器网络的定位平台，利用该平台采集必要的信息，不仅可以验证各种定位算法的可行性，而且能够比较各种定位算法在不同场景下的优劣。 实验条件 项目中采用的硬件设备是Crossbow公司生产的无线传感器网络开发套件，包括六个具有无线收发功能的IRIS型号传感器节点和一个MIB520编程板。同时我们还使用了一台笔记本电脑和卷尺，笔记本电脑用来数据接收、控制及处理，卷尺用来建立坐标系以及量取各节点的坐标。 实验原理 基于接收信号强度（RSSI）的定位技术主要分为测距模型法和指纹匹配法，而在无线传感器网络的环境下，由于不方便预先采集指纹，我们一般采用测距模型法完成定位。测距模型法的基本原理是利用信号衰减模型将接收信号强度值(RSSI)转化为距离，当系统获得了未知节点到达多个参考节点的距离后进行定位。常用的解法有极大似然法、改进的极大似然法以及泰勒级数迭代法。 （1）极大似然法 设定位环境中有n(n≥3)个锚节点，则可依据未知节点到各个锚节点的距离与节点坐标的关系列出由n个方程组成的方程组。以第式为基准，其余各式都与之相减，即可将上述非线性方程组转化为一个线性方程组，继而求取未知节点坐标。 （2）改进的极大似然法 由于传统极大似然法的准确度受制于最后一个方程式所存在的误差，考虑到无线信号传播中距离越近的节点相应的距离信息越准确，改进的极大似然法在方程组线性化时，以距离未知节点最近的锚节点对应的距离方程作为第n个方程重复传统方法的求解步骤来提高坐标估计值的准确性。 （3）泰勒级数迭代法 由于存在测距误差，无论是传统亦是改进的极大似然法求得的坐标只是一个粗略值。因此我们利用泰勒级数对方程组进行线性化，将上述方法所求的值作为循环初值，进行矩阵计算，并反复迭代求精，直到误差满足预先设定的门限，最后得到最终坐标。 实验方案 本系统的定位算法中仅编入了测距模型法与指纹匹配法的相关程序，对于提出的改进算法，我们是利用matlab软件和实测数据进行了分析。具体的实验步骤如下： (1) 根据实际的定位场景建立相应的二维坐标系，将锚节点依次摆放到定位场景内，确定节点的位置坐标，并放入待定位节点。 (2) 打开定位系统，分别导入锚节点信息、设置通信参数及选择定位方式。 (3)测距模型法需人工输入测量获取的模型参数A、n (4) 建模后，选择相应的定位算法实现目标定位。 实验结果与分析 按照上述步骤操作后，实现未知节点的位置定位，节点的空间效果图如图1所示。在我们测试环境中，测距模型法的平均定位精度达到1m-1.5m，指纹匹配法达到1m 图1 目标定位图 我们同时利用定位系统对测距模型法与指纹匹配法的定位性能进行了分析。图2为测距模型法中三种方法的定位误差对比图。图3和图4依次为指纹匹配法在不同的最邻近点个数(K值)及采样间距下的定位误差对比。 图2 三种解法的定位误差比较 从测试结果可以看出，泰勒级数法和改进的极大似然法较极大似然法在定位精度上有了提升。后者较极大似然法只增加一次未知节点与参考节点之间的遍历，前者在此基础上又增加了迭代循环，但算法复杂度的增加并不大。从定位误差统计的角度来看，泰勒级数法最稳定，改进的最大似然次之。 图3 K值对定位误差的影响 从图3看出，随着K值的增大，定位误差不断减小。但若K值取的过小，K个最邻近点中与待定位节点位置相近的点数所占的比例就小，易引发错误的估计。在本测试环境中，取K=4最适宜。 图4 采样间距对定位误差的影响 随着采样间距的减小，采样点个数的增加，待定位节点匹配的K个最邻近点的信号强度值也越来越准确。但是若采样密度过大，各采样点处