无线传感器网络节点特性剖析

导语：无线传感器网络节点特性剖析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：该文提出了一种基于RSSI测距技术的DV-Hop定位算法。该算法有效利用每跳的统计信息并结合RSSI测距技术，在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围。实验表明了提出的方法在不同的节点比例和节点数的情况下，定位误差和定位范围等性能与传统的定位算法相比有明显的提高，是一种有效的方法。

关键词：无线传感器网络；DV-Hop；跳数；节点定位

无线传感器网络(WSNs：WirelessSensorNetworks)广泛应用于军事和民用等领域。其中很多WSNs的应用，例如战场上的军用设施，环境监测，室内人员跟踪等应用的实现，是基于传感器节点的定位技术。因为传感器节点固定的大小，能量有限以及设计生产成本等，这些特点使得对于WSNs的应用进行广泛推广遇到诸多问题，因此建立一种有效的定位算法成为WSNs满足不同的应用需求成为新的挑战[1]。

本文提出了一种基于RSSI测距技术的DV-Hop定位算法。该算法有效利用每跳的统计信息并结合RSSI测距技术，在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围。实验表明了提出的方法在不同的节点比例和节点数的情况下，定位误差和定位范围等性能与传统的定位算法相比有明显的提高，是一种有效的方法。

1基于DV-Hop节点定位

NiculescuD等人提出了DV-Hop算法，该算法依据WSNs中节点平均每跳距离和到锚节点间的跳数乘积估计未知节点到锚节点之间的距离，然后利用极大似然估计法计算未知节点的坐标。DV-Hop算法的定位过程由三个阶段构成。DV-Hop定位算法可以分为三个步骤。第一步每个锚节点依据记录的WSNs中所有锚节点的坐标值和相距跳数值，根据如下公式：

（1）

计算平均每跳距离。

第二步，锚节点依据第一步计算得到的每跳平均距离向WSNs做一次广播，其余未知节点记录所接收到的第一个每跳平均距离，然后转发给其邻居节点。并利用公式Distancei=Hopsi×Hopsizei，把平均每跳距离与跳数相乘，从而估算出与锚节点之间的距离。

第三步，当未知节点获得与三个以上的锚节点的距离后，利用三边测量最大似然法，实现自身定位。

2本文提出的自定位算法

算法首先锚节点发射无线信号，在其通信半径内的其余未知节点接收锚节点信号，根据接收到的信号强弱分析得到距锚节点的距离。根据信号衰减模型，距离锚节点的距离越远，信号的衰减越大，未知节点接收到的信号越弱。而距离锚节点越近的未知节点，其接收的信号越强。因此，信号强度与节点间的距离存在一种如下映射关系。

设R表示未知节点收到锚节点的信号强度为，依据一次线性模型，=A+BR，计算该未知节点距锚节点的距离，记为。系数A，B可由最小二乘法求得。

设有的N个观察值D1,…,Dn，R的N个观察值R1,…,Rn，得到理论曲线=F(R),然后使偏差平方和为最小。

无线传感器节点随机部署在应用区域内，传感器节点一般而言是固定不动。无线传感器网络具有动态的网络拓扑结构且传感器节点的通信半径固定的。采用DV-Hop定位算法时，首先计算最小跳数和平均每跳距离，然后把乘积作为距锚节点距离的估算，最后依据估算值进行三边测量。然而，对于传感器节点间实际距离与估算距离之间存在计算误差，这也是DV-Hop算法主要的定位误差来源，同时统计得到的跳数信息并没有得到充分利用。本文针对以上问题对DV-Hop算法进行改进，基于RSSI测量技术，并有效利用统计得到的跳数信息，以便降低节点间实际距离与估算距离之间的计算误差，提高定位精度和扩大定位范围。然后根据公式（2）对于不同的锚节点求解Hop-Size的平均值：

(2)

其中，n表示锚节点数，Hop-Sizei可由公式（1）求得。最后，其余未知节点根据到信标节点的一跳距离和跳数信息求得通信距离，公式如下：

在第三步中，许多二维空间定位的模型主要依据锚节点信息进行估算。设(x,y)是源节点坐标，(xi,yi)表示第i个锚节点的坐标，di表示未知节点与第i个锚节点的距离，可由公式求得：

(4)

在DV-Hop算法中，预测物理通信距离是依据锚节点位置，采用三边测量推算估计得到最终定位信息的。在本文提出的改进型DV-Hop定位算法中，不再采用三边测量法最大似然法，而采用二维空间定位算法[6]。

基于此，本文采用一种最小平方的方法，建立一种对于启发节点高性能的预测机制[7]。

根据公式（3）和（4），可以得到如公式（5）所示关系。

(5)

其中，Ei=Xi2+Yi2,K=x2+y2。

设Zc=[x,y,K]T，则有公式（6）和（7）。

（6）

（7）

根据公式（5）可以得到如公式（8）所示关系。

hc=GcZc（8）

依据最小平方法和公式（8），可以得到如公式（9）所示关系。

（9）

然后，对于未知节点的位置，(x,y)表示如公式（10）所示。

（10）

3实验结果与分析

本文实验平台建立在MATLAB7.0上，对本文提出的方法进行仿真实验并进行分析。在仿真实验型中，假设一个二维WSNs中有N个节点,它们分布于一块L*L的正方形区域内，无障碍或干扰，其中锚节点坐标已知。假设节点的通信模型是以自身为中心的圆，通信半径用R表示；锚节点与未知节点的通信能力相同，通信半径均为R；节点具有对称的通信能力，发送和接收能力相同。图1给出了DV-Hop算法和本文提出的算法在不同锚节点数量的相对定位误差与锚节点数的关系。由图1可知，本文提出的改进型算法与原始的DV-Hop算法相比在定位上取得了较好的性能。定位误差随着锚节点的增加显著降低。在锚节点数比例相同的情况下，改进型DV-Hop算法在相同WSNs通信环境下定位误差明显低于原始的DV-Hop算法。

图2改表示的是本文提出的算法分别在传感器节点随机部署和统一部署两种情况下的定位误差的变化趋势。从图4可以看出，改进型DV-Hop算法能够有效地降低定位误差，扩大定位覆盖范围。例如，当传感器节点数为50时，定位覆盖范围已经达到了100%。通过锚节点，有效地利用统计得到的跳数信息以及采用RSSI测距技术，定位精度更高。表明采用该改进型DV-Hop定位算法后，WSNs可以应用在对定位精度和范围要求很高的场景中。另外当锚节点统一部署时，定位精度和范围明显高于随机部署，因此，为了保证高精度定位和大范围的定位，可以在构建WSNs之前，先对锚节点进行统一高效的部署。

4结束语

本文提出了一种适用于无线传感网的基于RSSI的DV-Hop定位算法。该算法有效利用每跳的统计信息并结合RSSI测距技术，在不增加传感器节点的硬件开销的基础上有效提高定位精度和扩大定位范围。通过仿实际验，验证了在定位误差方面的有效性，表明该算法是一种高效且准确的定位算法。