基于LQI权重和改进粒子群算法的室内定位方法

作者:尚俊娜;盛林;程涛;施浒立;岳克强; 刊名:传感技术学报 上传者:吴卫春

【摘要】为解决无线传感网络节点在室内定位中由非视距和多径传输等因素导致定位误差较大的问题,提出了基于三角函数的粒子群算法.针对RSSI波动性引起的测距误差,利用LQI和RSSI值之间的关系对RSSI值进行优化,提出了基于LQI权重的RSSI测距算法.改进的粒子群算法相比较于标准粒子群算法优化了权重模型和速度更新策略,避免陷入局部最优值情况.在对算法进行仿真实验后,进一步将其运用到Zigbee平台的定位实验,通过实测实验证明该算法在测试环境下平均定位误差在0.5m以内,相比于LSE和标准PSO算法,获得较好的定位效果.

全文阅读

3.杭州电子科技大学电子信息学院,杭州310018)无线传感网络WSN(WirelessSenorNetwork)作为新的信息获取和处理技术,在环境监测、火灾预警、医疗卫生、物件跟踪等领域得到应用[1]。在无线传感网络应用中,位置信息对传感网络的监测监控活动至关重要,缺少有效位置的监测监控信息是无意义的,因此研究获取节点的位置信息对无线传感网络的广泛应用具有决定性作用。无线传感网络的室内定位技术已成为国内外研究的热点,各种算法层出不穷,如刘政等人引入改进RSSI测距,降低测距误差,并引用PSO算法搜索MDS坐标变化,寻找最优位置估计[2]。闫驰等人将PSO算法作为BP网络的学习算法,通过粒子群算法在搜索寻优方面的优势,缩短BP神经网络的学习时间,提高定位速度[3]。王千等人研究了实测距离与模型预测距离关系,建立锚节点概率环形区间,提出概率区间交叠定位算法,并以多边界质心算法为辅,组成混合定位[4]。室内定位技术中利用无线电信号实施定位的方案得到较多的研究,该方案根据定位过程中是否需要测量实际节点间的距离,可分为测距和非测距两大类,而基于测距方法的由于实施较为简单、精度较高而得到较为广泛的应用。典型的测距技术有到达角AOA(AngleofArrival)[5]、到达时间TOA(TimeofArrival)、到达时间差TDOA(TimeDelayofArri-val)[6]和接收信号强度值RSSI(ReceivedSignalStrengthIndicator)[7]等。基于RSSI的测距技术更适合于对硬件的要求低、功耗低的无线传感网络,并提供了最便捷的测距方法,在无线传感器网络定位技术中较常采用。其接收和计算无线信号强度是商用无线通信芯片的基本功能,通过分析节点间的接收信号强度推断出距离,无需额外的硬件开销,是现有无线传感网中较好的测距技术。本文在研究当前的RSSI测距技术的基础上,通过测距实验分析了与信号传播有关的RSSI值和链路质量指示LQI(linkqualityindicator)之间的区别和联系,从而提出了一种基于LQI权重的RSSI距离计算方法,在完成测距后使用改进的粒子群算法实现无线节点的定位,并通过实验验证所提出方法的性能,结果表明在不增加通信开销和硬件成本的情况下实现定位精度的提高。1基于LQI权重的RSSI距离估计算法1.1RSSI测距原理与模型空旷的环境下,无线信号强度与传播距离存在函数关系,考虑在自由空间中(无障碍物),发射天线的功率为PT,传递到接收天线的功率为PR,锚节点和盲节点之间距离为d,电磁波频率f,波长,环境衰减系数n。假设发射天线是全方位的,没有天线损耗。则电磁波的传播方程[8]表示为:PR=PT4dn(1)实际上天线都是有损耗的并且存在方向性,设发射天线的增益为GT,接收天线的增益为GR,则式(1)变为:PR=PTGTGR2(4)2dn(2)由于接受信号强度RSSI使用dBm表示,需要将式(2)左右两边取对数,变为:10lgPRPT()=10lgGTGR2(4)2()-10nlgd(3)最终表示为Shadowing模型公式[9]:RSSI=A-10nlgd(4)根据式(4)可知,得到锚节点和盲节点之间的接收信号强度值,以及环境衰减系数即可计算出信号传输距离。A通常取1m处测得的RSSI值。1.2基于LQI权重的RSSI测距算法无线传感网络在实际应用环境中,由于室内的电磁波传播条件和状态均为多变,导致发射信号经过多径传播到达接收端,从而改变信号的包络和相位,这将使得式(4)计算出的距离出现较大误差。这种多径现象

参考文献

引证文献

问答

我要提问