徐小卜

摘要： 該文提出了一種基于位置指紋的無線傳感器網(wǎng)絡(luò)室內(nèi)安全定位算法，該算法采用傳感器節(jié)點(diǎn)RSSI信號(hào)作為位置指紋，為提高指紋的精確性，錨節(jié)點(diǎn)多次改變發(fā)送功率，并記錄相應(yīng)的RSSI值，形成一個(gè)唯一的位置向量。由于算法是離線訓(xùn)練的，因而可以避免攻擊者發(fā)送虛假位置信息導(dǎo)致的錯(cuò)誤定位，是一種相對(duì)安全的無線傳感器網(wǎng)絡(luò)室內(nèi)定位算法。

關(guān)鍵詞： 無線傳感器網(wǎng)絡(luò)；RSSI值；位置指紋；室內(nèi)定位

中圖分類號(hào)：TP212；TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）09-0076-02

無線傳感器網(wǎng)絡(luò)（Wireless Sensor Network， WSN）是由部署在監(jiān)測(cè)區(qū)域內(nèi)的大量傳感器節(jié)點(diǎn)通過無線通信技術(shù)自組織構(gòu)成的網(wǎng)絡(luò)[1]。定位技術(shù)是無線傳感器網(wǎng)絡(luò)的重要研究項(xiàng)目之一，不同的定位算法所基于不同的定位依據(jù)，且對(duì)定位環(huán)境依賴較高，在某些環(huán)境下定位效果好的算法，在其他環(huán)境下定位性能卻不盡人意，這主要受定位技術(shù)的適用范圍和精確度影響所致。本文主要研究無線傳感器定位算法中基于位置指紋的室內(nèi)定位算法。

1 定位算法描述及分析

基于位置指紋（Location Fingerprint， LF）的定位技術(shù)基于“位置指紋”的思想，該技術(shù)事先采集“位置指紋”數(shù)據(jù)保存在本地?cái)?shù)據(jù)庫，定位時(shí)檢測(cè)傳感器節(jié)點(diǎn)發(fā)射的無線信號(hào)的幅度和相位，并提取該無線信號(hào)的特征向量，將該特征向量與數(shù)據(jù)庫中的“位置指紋”數(shù)據(jù)進(jìn)行匹配，找出最相似的結(jié)果實(shí)現(xiàn)定位[2]。

本文的定位算法采用接受信號(hào)強(qiáng)度指示（Received Signal Strength Indicator，RSSI）作為“位置指紋”。RSSI定位主要使用傳感器節(jié)點(diǎn)本身的射頻（Radio Frequency， RF）信號(hào)進(jìn)行定位[3]，是一種低功率、廉價(jià)的定位技術(shù)。本文對(duì)節(jié)點(diǎn)的RSSI信號(hào)進(jìn)行變化處理，使之形成一個(gè)唯一的位置向量，作為該節(jié)點(diǎn)的“位置指紋”。

1.1 RSSI信號(hào)獲取及處理

傳感器節(jié)點(diǎn)的RSSI值的獲取方式大致相同，在基于IEEE 802.15.4基礎(chǔ)上的無線傳感器網(wǎng)絡(luò)中，RSSI值可以從幀結(jié)構(gòu)中獲取[4]。實(shí)驗(yàn)發(fā)現(xiàn)，無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)發(fā)送功率會(huì)對(duì)節(jié)點(diǎn)的RSSI值產(chǎn)生影響，為提高指紋的精確性、唯一性，降低不斷變化的外界復(fù)雜環(huán)境對(duì)節(jié)點(diǎn)RSSI值的影響，本實(shí)驗(yàn)采用不同的發(fā)射功率發(fā)送信號(hào)，并取平均值作為節(jié)點(diǎn)的特征向量之一。

1.2 定位模型

將無線傳感器N個(gè)節(jié)點(diǎn)均勻分布在某實(shí)驗(yàn)環(huán)境下，傳感器節(jié)點(diǎn)[Si]的實(shí)際位置為[（xi，yi）]，其估計(jì)位置為[（xi，yi）']。所有節(jié)點(diǎn)可以和錨節(jié)點(diǎn)（預(yù)先知道位置的節(jié)點(diǎn)）相互通信，錨節(jié)點(diǎn)依次改變發(fā)射功率與普通節(jié)點(diǎn)通信，[rij]表示接收方節(jié)點(diǎn)[Si]處測(cè)得的發(fā)送方節(jié)點(diǎn)[Sj]的RSSI值，多次測(cè)量后取其平均值用[rij]表示。對(duì)于每個(gè)節(jié)點(diǎn)[Si]對(duì)應(yīng)唯一的位置指紋向量[Ri=[ri1，ri2，...riN]]，訓(xùn)練數(shù)據(jù)集為實(shí)驗(yàn)環(huán)境下的所有節(jié)點(diǎn)指紋向量[Ri]和實(shí)際位置[（xi，yi）]。定位階段就是通過匹配數(shù)據(jù)庫中預(yù)先存儲(chǔ)的“位置指紋”，通過一定的匹配算法來計(jì)算未知節(jié)點(diǎn)的估計(jì)位置[（xi，yi）']。

1.3 定位算法

我們的算法分為離線訓(xùn)練階段和在線定位階段。離線訓(xùn)練階段采集實(shí)驗(yàn)環(huán)境下的所有節(jié)點(diǎn)指紋向量[Ri]和實(shí)際位置[（xi，yi）]，并將它們保存在本地?cái)?shù)據(jù)庫中。

在線定位階段計(jì)算未知位置節(jié)點(diǎn)指紋向量[Ri]，并采用一個(gè)回歸算法，將該特征向量與數(shù)據(jù)庫中的“位置指紋”數(shù)據(jù)進(jìn)行匹配計(jì)算，得到該節(jié)點(diǎn)的估計(jì)位置[（xi，yi）']。本文我們采用支持向量機(jī)回歸工具LS-SVM來進(jìn)行數(shù)據(jù)庫匹配。支持向量機(jī)算法是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的智能學(xué)習(xí)算法，尤其適合無線傳感器網(wǎng)絡(luò)這種小樣本的學(xué)習(xí)問題，并可以避免過學(xué)習(xí)問題。Yamano， K[5]成功運(yùn)用支持向量機(jī)的思想實(shí)現(xiàn)了基于RFID的移動(dòng)機(jī)器人自定位。

核函數(shù)的選擇是支持向量機(jī)模型訓(xùn)練的重要因素。在此我們選擇具有普適性的徑向基核函數(shù)：

[k（x，x'）=exp（-x-x'2σ2）]

2 實(shí)驗(yàn)結(jié)果與分析

本文的實(shí)驗(yàn)數(shù)據(jù)采用國外某圖書館的真實(shí)數(shù)據(jù)[6]，該實(shí)驗(yàn)可以采集到傳感器節(jié)點(diǎn)的溫濕度、鄰居節(jié)點(diǎn)的RSSI等，本實(shí)驗(yàn)我們采用以3個(gè)錨節(jié)點(diǎn)為例（錨節(jié)點(diǎn)越多，定位越精確），3個(gè)不同的錨節(jié)點(diǎn)分別采取5個(gè)不同的發(fā)射功率進(jìn)行測(cè)試，每個(gè)功率測(cè)試10次，取其平均值。離線訓(xùn)練階段無線傳感器節(jié)點(diǎn)均勻分布（分布密度越大，定位越精確），在線定位階段，我們依次隨機(jī)抽取了10個(gè)不同位置的傳感器節(jié)點(diǎn)測(cè)試定位算法的定位性能，定位性能用絕對(duì)誤差表示，定位結(jié)果如圖1所示。

3 結(jié)束語

本文提出的基于位置指紋的室內(nèi)定位算法，其實(shí)驗(yàn)的平均定位誤差在0.8米左右，定位精度較高。由此可見，將傳感器節(jié)點(diǎn)的RSSI信號(hào)作為“位置指紋”，并采用回歸算法進(jìn)行位置匹配，能較好的解決無線傳感器網(wǎng)絡(luò)室內(nèi)節(jié)點(diǎn)定位問題。由于位置指紋定位算法的離線訓(xùn)練階段無需在線計(jì)算，所有的“位置指紋”均存預(yù)先存儲(chǔ)在數(shù)據(jù)庫中，因而可以避免攻擊者發(fā)送虛假位置信息導(dǎo)致的錯(cuò)誤定位問題，在一定程度上可以排除入侵節(jié)點(diǎn)對(duì)節(jié)點(diǎn)定位精度的影響，是一種容忍惡意節(jié)點(diǎn)攻擊的、相對(duì)安全的定位算法。

參考文獻(xiàn)：

[1] Krco S， Tsiatsis V， Matusikova K.Mobile Network Supported Wireless Sensor Network Services[C]. Mobile Adhoc and Sensor Systems， 2007. MASS 2007. IEEE Internatonal Conference on ， 2007： 1-3， 8-11.

[2] Mauro Brunato， Roberto Battiti. statistical learning theory for location fingerprinting in wireless LANs[J]. Computer Networks： The International Journal of Computer and Telecommunications Networking， Apr. 2005，47（6）.

[3] Stoyanova T， Kerasiotis F， Prayati A. A Practical RF Propagation Model for Wireless Network Sensors[C].Sensor Technologies and Applications， 2009. SENSORCOMM '09. Third International Conference on ， 2009： 194-199， 18-23.

[4] IEEE 802.15.4. 工控網(wǎng)[EB/OL].http：//www.ynkong.com/secondweb.asp？typeid=11&smalltypeid=1&id=425，2009.

[5] Yamano K， Tanaka K， Hirayama M. Self-localization of mobile robots with RFID system by using support vector machine[C].Intelligent Robots and Systems， 2004. （IROS 2004）. Proceedings. 2004 IEEE/RSJ International Conference on ， 2004，4： 3756- 376.

[6] Wireless sensor networks lab， "Library 2（November 2006）"[Online]. Avaliable： http：//www.ulb.ac.be/di/mlg/sensorNet/datasets.html.