摘 要:对WSN中基于测距技术的定位方法进行了研究，针对室内环境易对信号造成干扰且硬件存在差异的情况，采用为每个参考节点设置其测距模型的方案。对利用线性定位和极大似然估计两种定位算法分别进行了分析，通过实验测试定位系统中测距模型的测距误差以及两种定位算法的定位误差，依据实验结果提出了综合运用两种定位算法的策略。
关键词:无线传感器网络；RSSI； 定位算法； 测距误差
目前，在室外环境下，全球定位系统(GPS) 已经能够成功地对移动目标进行定位。但在室内环境下，GPS的卫星信号受室内障碍物的阻隔，难以实现定位[1]。同时，GPS的成本和功耗较高,不能适应一些应用场合的要求。
WSN 是一种短距离、低速率、低复杂度、低功耗和低成本的无线通信网络，主要用于分布式测量和远程控制[2]。近些年来，国内外研究机构已开发出一些基于WSN的室内定位系统，其中最典型的室内定位系统有RADAR、Active Badge、Active Office、Cricket等。但由于室内的无线信号传播条件和状态复杂多变，如：墙壁的多径反射、人员走动等等都会影响室内定位精度。因此，本文为研究基于RSSI的定位技术设计了一个室内定位系统，根据具体的环境，对不同的硬件设备测量出不同的参数，从而得到不同的传播损耗模型。当环境发生变化时，需重新确定节点的测距模型。测距阶段的结果直接影响整个定位系统的定位精度，因此应减小测距阶段的测距误差以提高系统的定位精度。并在实际环境中测试定位算法的有效性及所能达到的精度范围,实验需要测试利用RSSI测距技术所能达到的测距精度，同时需要对比两种不同的定位算法所能达到的定位精度。
当参考节点的位置信息固定好以后，根据前面所说的测距模型的方法测出每个参考节点的参数值,见表1。
当定位环境发生变化时，需要重新测量参数值。
3.3 测试结果与分析
定位测试结果与分析内容主要包括距离测试实验结果分析以及位置测试实验结果分析。测距结果分析指将实际距离与估计距离作对比后的误差分析，而位置结果分析是对估计坐标值的误差进行分析。最后对不同定位算法的定位误差进行对比，并得出结论。
3.3.1 距离测试
首先,分别测试盲节点与各参考节点间距离的测量误差。以24号节点为例，通过回归分析计算两节点间的距离估计值，距离的相对误差与实际距离的关系如图4所示。图中曲线表明，当两节点间的距离在(2 m,6 m)范围内时，估计距离的相对误差小于该区域外的相对误差。其他参考节点的测距相对误差也有类似的效果,即中间区域的整体相对误差小于该区域外的误差，但相对误差值的大小略有不同。
重复距离测试实验，可得出以下结论：当未知节点位于定位区域的中间范围(2,2)×(6,6)内时，节点间的测距误差小于2 m；当未知节点位于该范围外时，测距误差相对较大，但是整体仍小于3.5 m。由于测距误差直接影响系统的定位误差，由以上结论可以推断，当未知节点在中间区域内移动时定位误差较小。
3.3.2 定位误差测试与分析
实验中选取定位区域内的25个位置作为测试点，具体的测试点分布如图5所示。
为更加具体地对定位误差进行分析，对每个测试点都进行10次位置计算。测试结束后，分别对线性定位算法的误差和极大似然估计法的误差进行比较，如图6所示。
由图6可知，两种定位算法的定位误差占比比较相似。分析不同区域内的误差值可发现，当测试节点分布靠近边界时，极大似然估计法的计算结果优于线性定位算法；当测试节点位于中间区域时，线性定位算法的定位结果优于极大似然估计法。因此在实际的定位系统中，可同时实现两种算法。当未知节点靠近监控区域的边界时使用极大似然估计法计算节点位置；当未知节点靠近中间区域时可使用线性定位算法计算最终的坐标。
本文研究了无线传感器网络室内定位技术，对基于RSSI的室内测距原理和定位算法进行了分析，在现实环境中测试了距离测量精度和两种不同的定位算法的定位精度。实验结果表明，在连通的室内环境中，基于测距的定位方法的定位误差≤3 m（约90%的概率），在中间区域和外围分别使用不同的定位算法可以提高定位精度。由于距离测量精度是影响定位效果的关键因素，因此，未来需要进一步研究提高测距精度的方法。
参考文献
[1] BULUSU N，HEIDEMANN J， ESTRIN D. GPS-less low cost outdoor Localization for Very Small Devices[J].IEEE Personal Communications Magazine，2000，7(5):28－34．
[2] 孙利民，李建中，陈渝，等． 无线传感器网络[M]．北京:清华大学出版社，2005.
[3] AWAD A，FRUNZKE T，DRESSLER F． Adaptive distance estimation and localization in WSNs using RSSI measures[C]. IEEE 10th Euromicro Conference on Digital System Design Architectures Methods and Tools，Aug． 2007:471－478．
[4] ALI S，NOBLES P． A novel indoor location sensing mechanism for IEEE 802． 11 b/g wireless LAN[C]. IEEE The Fourth Workshop on Positioning，Navigation and Communication(WPNC’07 )，2007:9－15．
[5] GOLDONI E, SAVIOLI M, RISI M. Experimental analysis of RSSI-based indoor localization with IEEE 802.15.4[C]. 2010 European Wireless Conference, Lucca, April 2010: 71-77.
[6] CAFFERY J. A new approach to the geometry of TOA localization[C]. IEEE VTC 2000 Fall September 24-28, Bosto,USA,2000:1943-1949.
[7] CHOI S, CHA H, CHO S. A SoC-based sensor node: Evaluation of RETOS enabled CC2430[C]. Sensor, Mesh and Ad hoc Communications and Networks (SECON 07),18-21 June,2007:132-141.
[8] PHILIP L, SAM M, JOSEPH P. TinyOS: An operating system for Wireless Sensor Networks[M]. In book Ambient Intelligence edited by Weber W, Rabaey J, and Aarts E, 2005.
[9] DAVID G, PHILIP L, ROB B. The nesC language: A holistic approach to networked embedded system[M]. Proceedings of Programming Language Design and Implementation (PLDI). June 2003.