RSSI-based Accurate Indoor Localization Scheme for Wireless Sensor Networks
來源：电子技术应用 作者：吕小微
1 引言
電子資訊技術的發展，極大促進了人類生活水準的提升，和傳統社會生活方式的變革。同時，人們對於美好生活的不斷追求，也拉動了技術的發展進步。
位置資訊，是當今人類活動所需的基本資訊要素。在移動定位方面，以衛星導航為代表的定位技術，是眾多技術需求中的一個典型。
近年來，無線通信技術、微機電技術正在發生迅猛變化，催生出了基於不同應用場景的新型定位技術，如基於紅外線、超音波、藍牙、WiFi、RFID、無線感測器網路(WSN)等定位方法。
位置資訊，是當今人類活動所需的基本資訊要素。在移動定位方面，以衛星導航為代表的定位技術，是眾多技術需求中的一個典型。
近年來，無線通信技術、微機電技術正在發生迅猛變化，催生出了基於不同應用場景的新型定位技術，如基於紅外線、超音波、藍牙、WiFi、RFID、無線感測器網路(WSN)等定位方法。
RFID技術的一個重要應用，是目標的定位與跟蹤。RFID誕生幾十年，早已融入到了人們的日常生活中，尤其在工業領域的物流管理中，得到了廣泛的應用驗證。
RFID是一種非接觸式的近距離自動辨識技術，可方便快捷地標識物體。它透過射頻信號，實現數據的傳輸和目標的辨識，具有體積小、抗干擾、速度快、成本低廉等優點，是室內定位、姿態辨識、目標跟蹤領域的研究熱點。
WSN技術同樣可用於定位，其透過無線網路和感測器節點，來實現移動目標定位與跟蹤。它是由大量具有感知、處理和通信功能的感測器單元，組成的大規模自組織網路，可靈活部署於待監測區域，實現對溫度、電磁、壓力、光強等多種數據資訊的協作式感知，具有小體積、低功耗、低成本、自組織等優點。近些年湧現出多種，基於無線感測網的定位方法，在軍事、農業、工業、醫療等各領域，具有廣泛的應用背景。
RFID是一種非接觸式的近距離自動辨識技術，可方便快捷地標識物體。它透過射頻信號，實現數據的傳輸和目標的辨識，具有體積小、抗干擾、速度快、成本低廉等優點，是室內定位、姿態辨識、目標跟蹤領域的研究熱點。
WSN技術同樣可用於定位，其透過無線網路和感測器節點，來實現移動目標定位與跟蹤。它是由大量具有感知、處理和通信功能的感測器單元，組成的大規模自組織網路，可靈活部署於待監測區域，實現對溫度、電磁、壓力、光強等多種數據資訊的協作式感知，具有小體積、低功耗、低成本、自組織等優點。近些年湧現出多種，基於無線感測網的定位方法，在軍事、農業、工業、醫療等各領域，具有廣泛的應用背景。
值得注意的是，RFID技術和WSN技術在定位領域，均存在一定的應用局限性。RFID通信能力不足，感應距離也十分有限，即便主動標籤的信號傳輸距離，也僅有幾十米。
在利用接收信號強度(RSSI)來進行定位時，採用低廉的被動式標籤，會嚴重限制感應的距離，採用主動式標籤，則會增加使用成本。WSN則缺乏目標的快速標識與記錄能力，且在大規模分布式網路中，豐富的環境感知和靈活的無線通信，需耗費大量的網路資源。
因此，針對上述問題，本文提出一種將具有標識能力的RFID技術與具有通信、感測能力的WSN技術相結合的網路定位方法，提升定位精度和定位效率。
在利用接收信號強度(RSSI)來進行定位時，採用低廉的被動式標籤，會嚴重限制感應的距離，採用主動式標籤，則會增加使用成本。WSN則缺乏目標的快速標識與記錄能力，且在大規模分布式網路中，豐富的環境感知和靈活的無線通信，需耗費大量的網路資源。
因此，針對上述問題，本文提出一種將具有標識能力的RFID技術與具有通信、感測能力的WSN技術相結合的網路定位方法，提升定位精度和定位效率。
本文考慮一種結合RFID技術的分布式無線感測器網路，採用基於指紋資訊(Fingerprinting)的非測距方法，對網路中的移動節點進行定位。該網路是一種分布式網路，由Nz個區域組成，含有基於RFID技術的閱讀器(reader)和標籤(tag)，以及基於WSN的錨節點(anchor)和運動節點(sensor)。
移動感測器節點，為待定位節點，可在網路中自由移動。其由攜帶閱讀器(reader)的運動節點(sensor)組成，reader與sensor間可互為通信，將該節點記為xj(t)=(xj，1(t)，xj，2(t))，j∈{1，…，Nx}。錨節點(anchor)為位置已知的感測節點，同時攜帶有標籤(tag)，將該節點記為ai=(ai，1，ai，2)，i∈{1，…，Na}。在本文所述分布式網路中，每個區域僅含一個攜帶有標籤的錨節點，且將該錨節點置於區域中心，因此，錨節點個數Na等同於網路區域個數Nz。
移動感測器節點，為待定位節點，可在網路中自由移動。其由攜帶閱讀器(reader)的運動節點(sensor)組成，reader與sensor間可互為通信，將該節點記為xj(t)=(xj，1(t)，xj，2(t))，j∈{1，…，Nx}。錨節點(anchor)為位置已知的感測節點，同時攜帶有標籤(tag)，將該節點記為ai=(ai，1，ai，2)，i∈{1，…，Na}。在本文所述分布式網路中，每個區域僅含一個攜帶有標籤的錨節點，且將該錨節點置於區域中心，因此，錨節點個數Na等同於網路區域個數Nz。
2 定位算法
網路中的移動節點，同時攜帶有感測器和閱讀器，其在監控區域中自由運動時，既要採集來自所有感知範圍內的錨節點，上感測器發送的RSSI資訊，又要收集錨節點上標籤的感應資訊。下文首先介紹傳統的基於指紋的定位算法，然後提出結合有RFID的定位算法，透過綜合利用射頻閱讀器，和標籤的標識資訊，實現在分布式無線感測網中，更為精確有效的節點位置估計。
2.1 基於指紋的定位原理
2.2 基於RFID和WSN的分布式定位算法
在傳統的分布式網路定位中，每時刻移動節點，將分別在Nz個區域內，執行基於指紋的位置估計算法，根據每個區域的權重，對各個區域的計算結果，進行權值的再分配，從而得到估計結果。
相比於這種較為耗能和耗時的方法，本文利用射頻標籤，具有能夠快速辨識，是否處於閱讀器感應範圍的能力，將RFID技術融入分佈式網路的節點定位中。
相比於這種較為耗能和耗時的方法，本文利用射頻標籤，具有能夠快速辨識，是否處於閱讀器感應範圍的能力，將RFID技術融入分佈式網路的節點定位中。
在網路建模階段，與傳統的基於指紋資訊的節點定位方法相同，分別於Nz個區域，測量在Np.z個參考節點位置上，採集到的接收信號強度，得到Nz組指紋特徵數據庫。
在移動節點即時位置估計階段，先透過移動感測器節點，攜帶的閱讀器，對網路範圍內的射頻標籤進行感應，再與特徵數據庫實行比對。由於閱讀器與移動節點、標籤與錨節點，均分別集成於同一個節點上，將閱讀器記為rj(t)，j∈{1，…，Nx}，將標籤記為ti.z，i∈{1，…，Na}，z∈{1，…，Nz}。
假設閱讀器與標籤的最大感應距離為r，則標籤ti.z能夠被檢測的範圍，是以標籤ti.z為圓心、r為半徑的圓形區域。r的取值使得該圓形區域，完全覆蓋標籤所在的參考節點區域，如圖2所示。因此，一旦移動節點，進入某區域射頻標籤ti.z的感應範圍內，則僅啓用該區域數據庫中的測量值，與即時測量數據，進行位置比對。
在移動節點即時位置估計階段，先透過移動感測器節點，攜帶的閱讀器，對網路範圍內的射頻標籤進行感應，再與特徵數據庫實行比對。由於閱讀器與移動節點、標籤與錨節點，均分別集成於同一個節點上，將閱讀器記為rj(t)，j∈{1，…，Nx}，將標籤記為ti.z，i∈{1，…，Na}，z∈{1，…，Nz}。
假設閱讀器與標籤的最大感應距離為r，則標籤ti.z能夠被檢測的範圍，是以標籤ti.z為圓心、r為半徑的圓形區域。r的取值使得該圓形區域，完全覆蓋標籤所在的參考節點區域，如圖2所示。因此，一旦移動節點，進入某區域射頻標籤ti.z的感應範圍內，則僅啓用該區域數據庫中的測量值，與即時測量數據，進行位置比對。
綜上，當移動節點xj在網路中自由運動時，在t時刻，基於RFID和WSN的分佈式節點，定位算法流程如下所述：
(1)當移動節點進入網路覆蓋區域，節點上的閱讀器向網路中發射射頻信號，處於信號接收範圍內的射頻標籤，向閱讀器作出應答，將所有感應到的標籤的集合記為Uj(t)。
(2)當Uj(t)的數量為1時，表示僅有一個區域的標籤被感應，則僅採用該標籤所在區域的數據庫，進行位置的比對與估計。
(3)當Uj(t)的數量大於1時，表示有多個區域的標籤被閱讀器感應，則採用所有被選擇區域的數據庫信息進行位置的匹配與估計。
(4)當且僅當Uj(t)的集合數量為空時，表示沒有任何一個標籤，感應到此時的閱讀器，即移動節點不在任何一個標籤的有效感知範圍內，此時採用傳統的，基於指紋的分佈式感測器節點定位方法進行估算。
3 仿真結果
考慮一個100 m×100 m範圍的無線感測網監視區域，該區域由Nz=4個規則分布的區域組成，其中，參考節點位置，均勻地分布在各個區域。
為方便演示，在每一時刻，僅考慮一個待定位的移動節點，該簡化不影響算法的一般性。假定移動節點在網路中，四個區域內自由移動，產生運動時間為75 s的運動軌跡。移動節點同時攜帶有RFID閱讀器，錨節點攜帶有RFID標籤。
將錨節點分別放置於，四個規則劃分區域的中心。將標籤的感應範圍數值r設定為35 m，可實現各區域射頻標籤信號的全覆蓋。
為方便演示，在每一時刻，僅考慮一個待定位的移動節點，該簡化不影響算法的一般性。假定移動節點在網路中，四個區域內自由移動，產生運動時間為75 s的運動軌跡。移動節點同時攜帶有RFID閱讀器，錨節點攜帶有RFID標籤。
將錨節點分別放置於，四個規則劃分區域的中心。將標籤的感應範圍數值r設定為35 m，可實現各區域射頻標籤信號的全覆蓋。
接收信號強度RSSI的仿真值，均依據Okumura-Hata模型，分別由錨節點和移動節點，與參考節點之間的相對距離計算獲得，如式(3)所示：
圖3給出本文提出的定位算法的位置估算效果圖。圖中，三角+直線的標識代表移動節點的實際軌跡，虛線+星號的標識代表運行軌跡的估計值。
均勻分布的參考節點位置由圓圈表示，錨節點和標籤則由方形標識表示，以錨節點為圓心的虛線圓形，表示每個區域的最大標籤感知範圍。
本例中，設每個區域中，均勻分布的參考節點數目為Np.z=225，所加入噪聲的標準方差σr=0.2 dB，K近鄰域算法的數目取為5。在上述條件下，移動節點位置估計誤差為0.946 2 m。
均勻分布的參考節點位置由圓圈表示，錨節點和標籤則由方形標識表示，以錨節點為圓心的虛線圓形，表示每個區域的最大標籤感知範圍。
本例中，設每個區域中，均勻分布的參考節點數目為Np.z=225，所加入噪聲的標準方差σr=0.2 dB，K近鄰域算法的數目取為5。在上述條件下，移動節點位置估計誤差為0.946 2 m。
為進一步闡述算法的有效性，將本文所提算法與傳統的基於指紋資訊的分布式算法比較。依然考慮一個100 m×100 m監視區域，監控網路由Nz=4個規則分布的區域組成。
待測移動節點運動軌跡，如圖3中三角+實線標識所示，接收信號噪聲標準方差σr=0.2 dB，在同等節點分布條件下，仿真結果取100次試驗的平均值。
如表1所示，隨著各分區域參考節點，位置數目Np.z的變化，本文所提出方法的定位精度，總是明顯優於傳統的分布式定位結果。該方法不僅提高了，數據庫利用的準確和有效性，還明顯改善了，處於區域邊緣位置的移動節點的定位精度。
待測移動節點運動軌跡，如圖3中三角+實線標識所示，接收信號噪聲標準方差σr=0.2 dB，在同等節點分布條件下，仿真結果取100次試驗的平均值。
如表1所示，隨著各分區域參考節點，位置數目Np.z的變化，本文所提出方法的定位精度，總是明顯優於傳統的分布式定位結果。該方法不僅提高了，數據庫利用的準確和有效性，還明顯改善了，處於區域邊緣位置的移動節點的定位精度。
4 結論
本文提出了一種基於射頻辨識，和無線感測網技術的分布式節點定位算法。在分布式感測網中，基於指紋數據資訊比對方法，引入射頻辨識閱讀器和射頻標籤，利用射頻辨識技術的快速目標辨識與響應能力，預先甄別可即時用於移動節點數據比對的區域。
同時，基於區域的預先辨識與判定，在一定程度上，避免了噪聲干擾情況下，處於區域邊緣的參考位置的錯誤遴選，明顯提升了移動節點定位的精度。尤其在大規模分布式無線感測網應用中，可有效節約網路資源，提升節點工作效率。
同時，基於區域的預先辨識與判定，在一定程度上，避免了噪聲干擾情況下，處於區域邊緣的參考位置的錯誤遴選，明顯提升了移動節點定位的精度。尤其在大規模分布式無線感測網應用中，可有效節約網路資源，提升節點工作效率。
0 comments:
張貼留言