華　鋼，王永星

(中國礦業(yè)大學 信息與電氣工程學院，江蘇 徐州　221006)

?

基于信號衰減模型補償?shù)腞SS指紋定位算法

華鋼，王永星

(中國礦業(yè)大學 信息與電氣工程學院，江蘇 徐州221006)

摘要：基于RSS指紋的定位以其具有部署簡單、硬件成本低、定位參數(shù)單一等優(yōu)點成為無線定位技術(shù)中的研究熱點之一.由于該技術(shù)在定位時需要目標RSS指紋與定位區(qū)域中所有RSS指紋進行比較，所以該定位算法的復雜度較高，導致了定位系統(tǒng)的實時性較差.為了解決上述問題，通過利用無線信號衰減模型對目標所在的大致區(qū)域進行判斷，然后在判斷的區(qū)域中再利用基于RSS指紋算法對目標進行精確定位.仿真實驗結(jié)果表明改進的方法能夠減少算法的復雜度，提高了定位系統(tǒng)的實時性.

關(guān)鍵詞：信號強度；無線定位；指紋定位；信號衰減模型

隨著無線網(wǎng)絡通信技術(shù)發(fā)展，基于無線網(wǎng)絡的應用日益廣泛.在已部署大量無線傳感器的無線網(wǎng)絡中，如果傳感器采集的實時數(shù)據(jù)中沒有包含位置信息，則這些數(shù)據(jù)在實際的應用中是沒有價值的[1].因此,對無線傳感器在網(wǎng)絡中的定位是實現(xiàn)無線環(huán)境下信息感知的關(guān)鍵技術(shù)問題.在眾多的定位技術(shù)中，基于接收信號強度(receive signal strength，RSS)的定位方法由于具有定位參數(shù)單一、部署簡單、硬件成本低等優(yōu)點成為了研究熱點.現(xiàn)有的基于RSS的定位方法可分成兩大類：基于信號衰減模型和基于RSS指紋模型.前者是利用信號傳播距離與信號強度之間的關(guān)系以及與錨節(jié)點之間的幾何關(guān)系建立定位模型.與之相關(guān)的研究成果如Bandiera等[2]先設(shè)計一個合理的假設(shè)檢驗，讓待定位節(jié)點在已知路徑上移動，根據(jù)測量的RSS值判斷這個定位環(huán)境是否發(fā)生了變化，求出信號衰減模型的定位參數(shù)；最后利用最大釋然估計模型對目標進行定位.Zhu等[3]首先利用指紋法對目標進行預處理，最后采用信號衰減模型對目標進行精確定位，由于這個模型中同時考慮了信號的非線性衰減和信號噪聲兩個因素，因此該算法得到了較好的定位結(jié)果.Zhao等[4]認為在這兩個錨節(jié)點間，待定位目標到任一個錨節(jié)點間的信號隨機衰減參數(shù)與該兩個錨節(jié)點間的信號隨機衰減參數(shù)近似相同，然后利用兩個錨節(jié)點測量的信號隨機衰減參數(shù)，代入信號衰減模型計算在這兩個錨節(jié)點之間的待定為目標坐標，一定程度上提高了信號衰減模型對環(huán)境的適應能力.

基于RSS指紋模型的定位方法是利用檢測幾個錨節(jié)點在定位空間中的RSS分布情況建立定位模型.微軟在1998年提出的RADAR系統(tǒng)[5]是該技術(shù)的最早研究成果;后來在此基礎(chǔ)上，美國馬里蘭大學研發(fā)的Horus系統(tǒng)[6]提出了RSS指紋的概率模型；加利福尼亞大學研發(fā)的Nibble系統(tǒng)[7]采用接收信號信噪比指紋來代替RSS指紋，并建立了RSS指紋庫的連續(xù)分布概率模型.為了進一步提高RSS指紋方法的定位精度，后繼研究利用神經(jīng)網(wǎng)絡訓練方法、貝葉斯方法、蒙特卡羅方法、跟蹤輔助定位等技術(shù)手段[8].

基于信號衰減模型方法的定位精度與信號在空間中的衰減因子和遮擋因子兩個參數(shù)緊密相關(guān)，許多研究者幾乎都是把這兩個參數(shù)假設(shè)為固定值.但是在實際上，這兩個參數(shù)都是隨著環(huán)境變化而變化的，如果在實際的定位中想要動態(tài)地隨著環(huán)境變化而調(diào)整這兩個參數(shù)是很難實現(xiàn)的，所以這也是造成這種方法定位精度不高的根本原因.但是其優(yōu)點是相對于RSS指紋定位方法，算法復雜度較低，目標定位速度快.而基于RSS指紋模型的定位方法的優(yōu)點是不依賴于定位區(qū)間中無線信號衰減模型，也不受定位區(qū)間的各種使用條件限制.其定位精度比基于信號衰減模型的方法要高，但是其缺點是需要建立定位區(qū)間的RSS指紋模型，那么定位區(qū)間越大，建立該模型的工作量就越大，定位算法的復雜度就越高，而且一旦環(huán)境發(fā)生了變化，先前建立的模型就需要重新建立.

為了減少基于RSS指紋模型定位算法的復雜度，提高目標的定位速度，本文提出了基于信號衰減模型補償?shù)腞SS指紋定位算法，即在定位區(qū)間同時建立信號衰減模型和RSS指紋模型,并把目標定位分為兩個階段：粗定位階段和精確定位階段.在粗定位階段，利用信號衰減模型對待定位目標進行粗定位，求解出目標在整個定位區(qū)間中那個小的定位區(qū)域，從而提高定位速度；在精確定位階段，利用粗定位確定的定位區(qū)間，采用基于RSS指紋模型對目標進行精確定位，進而減少了定位算法的運算復雜度.

1算法描述

1.1待定目標的定位區(qū)間判斷

影響無線信號衰減規(guī)律的因素主要與錨節(jié)點在空間中的部署位置和環(huán)境緊密相關(guān)，如環(huán)境中的空氣濕度、溫度、墻面的粗糙程度、材料、物體的遮擋等.常用的信號衰減模型為大尺度損耗模型 Shadowing，即

表1　指數(shù)η的典型值

假設(shè)待定目標收到3個AP1、AP2和AP3的信號，AP1與AP2之間的距離為d12，AP2與AP3之間的距離為d23，如圖1所示，待定位節(jié)點距AP1、AP2和AP3的距離分別為d1、d2和d3.根據(jù)公式(1)，在d1、d2和d3處的信號強度值分別為：

(2)

(3)

(4)

由公式(2)、公式(3)和公式(4)可得：

(5)

(6)

(7)

圖1　待定位目標的定位區(qū)間判斷

(8)

另外

(9)

可判斷角α的大小轉(zhuǎn)化，如果

(10)

(11)

(12)

1.2基于RSS指紋的定位算法設(shè)計

1.2.1建立RSS指紋模型

(13)

假設(shè)錨節(jié)點用AP表示，則每個點p上都有多個AP的信號強度值，所以可將RFp令為RFp(RF_A1p,RF_A2p,…,RF_Ajp)，j表示AP的個數(shù)，所以式(13)可以轉(zhuǎn)化為

(14)

依次對每個網(wǎng)格進行求解，最終建立的RSS指紋數(shù)據(jù)庫的數(shù)據(jù)格式為

1.2.2改進的基于RSS指紋的定位算法描述

(15)

3)當p=1時得到Δd1，依次變化p值得到集合Δdp，最后求集合Δdp中最小值.假設(shè)Δdq為集合的最小值，即

(16)

2仿真實驗與結(jié)果分析

為了驗證本文算法的可行性和有效性，仿真實驗選取了實驗樓層的走廊:走廊的長度被均等劃分成100個定位網(wǎng)格，走廊的寬和高度分別為2.7 m和3.5 m.由于其寬度和高度遠小于其長度，所以在仿真實驗時沒有考慮目標在寬和高上的變化，即只考慮在走廊長度上的變化，假設(shè)走廊的長為坐標軸的x軸.

在采集RSS值時，工作人員攜帶定位標簽以正常的速度在定位區(qū)域中行走，上位機軟件實時接收定位標簽發(fā)送的RSS值.最終建立的定位區(qū)域的RSS指紋如圖2所示.

圖2　定位區(qū)域中每個網(wǎng)格上的信號強度指紋

從圖2中可以看出，無線信號在樓層走廊里的信號衰減規(guī)律在總體上是符合Shadowing模型，但是無線信號在傳播時具有一定的波動，其主要原因就是前面討論的無線信號受多徑效應或遮擋的影響造成的.

在定位測試階段，測試人員攜帶定位標簽以正常的速度在定位區(qū)域中行走，分別用基于RSS指紋方法和基于改進的RSS指紋定位方法測試兩個定位算法的運行時間.其實驗測試結(jié)果如圖3所示.

圖3　兩種定位方法誤差結(jié)果對比

從測試結(jié)果對比圖可以看出，本文改進的RSS指紋定位算法總的運行時間為12 s，在每個參考點的算法平均運行時間為0.12 s，這個時間相對于定位標簽數(shù)據(jù)的發(fā)送周期(1 s)來說，算法的運行時間幾乎可以忽略；而基于RSS指紋定位算法總的運行時間為31 s，在每個參考點的算法平均運行時間為0.31 s，這個時間相當于改進算法的兩倍多，由于測試的環(huán)境只是在100 m左右的樓層走廊里，如果要是在一棟大樓或是機場等較大的區(qū)域，本文改進算法的目標定位時間要明顯小于傳統(tǒng)的基于RSS指紋算法的目標定位時間.

3結(jié)語

通過研究無線信號在空間中的傳播衰減規(guī)律，在基于傳統(tǒng)RSS指紋定位算法的基礎(chǔ)上結(jié)合信號傳播模型的補償算法，減少了定位算法的復雜度，提高了定位系統(tǒng)的實時性.尤其在較大的定位環(huán)境中，如機場、商場、煤礦井下巷道等，改進的算法相比于傳統(tǒng)算法的實時性更加明顯.特別對實時性要求較高的定位系統(tǒng)，本文算法相比傳統(tǒng)算法更能勝任之，滿足系統(tǒng)的實時性要求.

參考文獻：

[1] Kuo W H,Chen Y S,Jen G T,et al.An intelligent positioning approach:RSSI-based indoor and outdoor localization scheme in Zigbee networks[C].International Conference on Machine Learning and Cybernetics (ICMLC),2010,Qingdao.IEEE,2010:2754-2759.

[2] Bandiera F,Coluccia A,Ricci G.A cognitive algorithm for received signal strength based localization[J].IEEE Transactions on Signal Processing,2015,63(7):1726-1736.

[3] Zhu H,Liu F,Zhou H.Indoor location service based on fingerprinting and distance relative attenuation model[C].2014 Sixth International Conference on Measuring Technology and Mechatronics Automation (ICMTMA).IEEE,2014:341-344.

[4] Zhao J,Li H,Sun X.Research on the signal random attenuation coefficient based on RSSI in WSN localization technology[C].Wireless Communications,Networking and Mobile Computing,2009.WiCom'09.5th International Conference on IEEE.

[5] Bahl P,Padmanabhan V N.RADAR:an in-building RF-based user location and tracking system[J].Institute of Electrical & Electronics Engineers Inc,2000(2):775-784.

[6] Youssef M,Agrawala A.Handling samples correlation in the Horus system[C].INFOCOM 2004.Twenty-third AnnualJoint Conference of the IEEE Computer and Communications Societies,2004:1023-1031.

[7] Battiti B,Nhat T L,Villani A.Location-aware computing:a neural network model for determining location in wireless LANs[R].Information Engineering and computer Science,Technical Report:DIT-02-083,2002.

[8] 史偉光.基于射頻識別技術(shù)的室內(nèi)定位算法研究[D].天津:天津大學,2011.

(編輯徐永銘)

王永星(1985-)，男，河南周口人，博士研究生，主要從事無線傳感器定位、智能信息處理研究.

Based on Signal Attenuation Model Compensated for Fingerprint

Localization Algorithm with RSS

HUA Gang,WANG Yongxing

(School of Information and Electrical Engineering, China University of Mining and Technology, Xuzhou, Jiangsu 221008, China)

Abstract:With the advantage of easy-implementation, low-cost and simplified positioning-parameter, localization algorithm, which is based on wireless receive signal strength, has become a hot research area. However, on the technology localization stage, object’s RSS fingerprint need compare with all of RSS fingerprint in the positioning area, therefore, the localization algorithm has larger complexity which causes the bad real time of positioning system. In order to solve the above problem, the object is in the area which is analysed with the wireless signal attenuation model, and object is located precisely by the based-RSS fingerprint algorithm in the forgoing area. Experimental results show that the proposed algorithm can decrease algorithm complexity, and improve the real-time of located system.

Key words:signal strength; wireless localization; fingerprint positioning; signal attenuation model

中圖分類號：TP393

文獻標志碼：A

文章編號：1674-358X(2015)04-0028-05

作者簡介：華鋼(1963-)，男，江蘇淮陰人，教授，博士，博士生導師，主要從事物聯(lián)網(wǎng)、信息融合、云計算、煤礦安全監(jiān)控等研究.

基金項目：國家自然科學 (51204186，61379100,51574232)

收稿日期：2015-11-08