基于无线传感器网络的智能开关节点定位算法研究与实现

张建业，曾凡伟，李正刚，段勇强，钟建伟，廖红华

（1.国网湖北省电力有限公司恩施供电公司，湖北 恩施 445000；2.湖北民族大学 信息工程学院，湖北 恩施 445000）

0 引 言

无线传感器网络由大量具有信息采集、数据处理和无线通信功能的传感器节点组成，具有强大的自组网能力，已广泛应用于军民领域，具有巨大的发展潜力和应用前景。

目前，许多国内外的科研专家和学者对无线传感器网络中的定位算法进行了大量深入的研究。其中，郭金铭等对基于RSSI的定位算法进行了改进，一方面对RSSI值进行均值滤波，得到优化值，并利用极大似然估计法来计算未知节点的位置；蔡晓宇等则采用卡尔曼滤波处理RSSI值，一定程度上克服了部分环境的干扰，提高了定位精度；张溪等为提高无线传感器网络中DV-Hop算法的定位精度，提出基于距离优化和改进粒子群的DV-Hop定位算法，利用单跳平均误差修正平均跳距，接收多锚节点的平均跳距估算节点间距离，使估算距离得以优化；谭志等对RSSI值进行了中位数加权处理，降低了定位误差，提高了定位精度；胡洋等在无源信号的定位过程中，提出了一种针对无源信号RSSI定位的最大似然估计优化算法，大大提高了精确度和测量的时效性；于耕等从集中式定位算法和分布式定位算法两个方面讨论了典型的节点定位算法，并对无线传感器网络中的定位技术提出了改进意见。

本文提出了一种基于RSSI的智能开关节点测距定位算法，选择TI公司出品的CC2530组建无线传感器网络，实现智能开关控制，着重讨论环境因子对智能开关节点测距结果的影响，并对其进行优化，分析影响RSSI值的因素，并通过对实验测试所得数据的处理来验证优化后的RSSI智能开关节点测距定位算法的高精度特性。

1 RSSI测距定位算法

基于RSSI的三点测距定位技术是在已知3个锚节点的具体位置和未知节点与这3个点的RSSI值的基础上，借助衰减模型计算距离。通常情况下，无线信号在媒介中传输时，其信号强度会跟随传输距离的延伸而逐渐变小，超过通信范围便会失效，因此只能在实际通信半径中传输。利用这一原理，可先根据经验建立衰减模型，将信号强度的衰减值转化为信号的传播距离，在得出节点间的RSSI值后，计算此处与发射节点的距离。文中建立衰减模型时，采用更实用、更精确的阴影模型。该模型的原理如下：

式中：RSSI代表信号强度值；为收发节点的间距；为衰减因子，与环境有关；为节点间距1 m时接收到的RSSI值。和直接决定了RSSI和节点间距的关系。由式（1）可以得出与RSSI值的正向关系：

利用式（2）将RSSI值转换为距离。式中：为距离，单位为cm；RSSI为信号强度值，为负数；为距离锚节点1 m时RSSI值的绝对值，为常值；为环境衰减因子，其最佳范围为3.2～4.5。

3个圆两两相交，必然交于一个点，该点坐标即为所需定位的未知点，如图1所示。

图1 三圆两两相交图

2 基于CC2530的智能开关节点测距模块

基于CC2530的智能开关节点测距模块包含CC2530核心板和底板两部分。CC2530核心板主要包括CPU和存储器、时钟和电源、外围设备、无线模块等。底板包括传感器接口、键控复位、USB转串口、智能开关控制模块等。各模块分工合作，实现无线传感节点的组网、定位以及智能开关控制。基于CC2530的智能开关节点原理结构如图2所示。

图2 基于CC2530的智能开关节点原理结构

3 RSSI算法模拟与分析

利用MATLAB软件对RSSI算法进行仿真。仿真分析时，节点总数选为300个，其中60个为锚节点，240个为未知节点，经仿真得到节点分布图如图3所示。

图3 节点分布图

图3中，锚节点和未知节点分别用“*”“o”表示。所有节点随机分布在边长1 000的正方形测试区域内，由于高密分布性，少数节点可能有重叠。

仿真得到的邻居关系图如图4所示。邻居关系图反映了节点关系的复杂度与节点的数量呈正向关系，节点数量越多，其邻居关系图越庞大、越复杂。

图4 邻居关系图

仿真得到的定位误差图如图5所示。

图5 定位误差图

仿真分析时，锚节点通信半径设为200 m，仿真运行后可得到该网络的平均连通度为31.95，任意未知节点的周围锚节点个数平均有6个。在所有的240个未知节点中，不能定位的节点数目有13个，占未知节点总数的5%，系统所显示的定位误差为1.82×10。当锚节点由60个变到30个，且总节点数保持不变时，发现未知节点的个数明显增多，很多节点之间有严重的信号干扰，这对于无线传感器网络的信号传输极其不利，可能会产生较大的定位误差。因此，需在一定成本范围内酌情分配锚节点的个数，使整体定位效果更佳。

4 实验测试结果与分析

测试前，在节点相距1 m时读取RSSI值。RSSI=-35时，可得=-35。假设环境因素=3.5，并测试RSSI值从-37至-70范围内变化的实测距离值。经测试，得到=3.5时的实测距离与理论距离，见表1所列。

表1 n=3.5时的实测距离与理论距离

由于测试环境的复杂性，采用最小二乘法对环境因子进行均值优化，在值不变的前提下，优化后的环境衰减因子为4，并测试RSSI值从-57到-90范围内变化的实测距离值，经测试，得到=4时的实测距离与理论距离，见表2所列。

表2 n=4时的实测距离与理论距离

通过比较表1与表2的误差率，可以看出优化后的测量精度明显提高，证明了该方法的切实可行性。同时，还可以看出：当理论距离越大时，误差率呈现逐渐增加的趋势，环境因子优化后的误差率明显下降。

5 结 语

本文基于MATLAB软件和CC2530节点自组网技术对基于RSSI算法的智能开关节点测距定位算法进行了仿真和实验测试，着重讨论了环境因子对智能开关节点测距结果的影响，并通过实验测试验证了环境因子优化后的误差率明显下降，能满足智能开关节点测距定位算法的高精度特性。但硬件测试易受天气影响，如何克服这一不利因素，将是今后继续深入研究的方向。