自然科學(xué)版模板

1、自然科學(xué)版模板 一種利用統(tǒng)計中值的加權(quán)RSSI定位算法XX1，XXX1，2收稿日期：由編輯填寫基金項目（沒有則不填）：基金名稱（編號）作者簡介：姓名（出生年），性別，籍貫，名族，職稱，學(xué)位，主要從事XXXX研究。(1.金陵科技學(xué)院XX學(xué)院，江蘇 南京 211169；2.XX大學(xué)XXXX學(xué)院，江蘇 南京 210094 )摘要：RSSI是無線傳感器網(wǎng)絡(luò)定位中最為常用的測距技術(shù)之一。傳感器節(jié)點一般部署在復(fù)雜的環(huán)境中，故在獲取的RSSI信號序列中可能同時存在隨機誤差和粗差，利用常用的算法難以消除混合誤差對RSSI統(tǒng)計數(shù)據(jù)的影響。文章在分析誤差特征的基礎(chǔ)上，提出了一種基于統(tǒng)計中值的加權(quán)定位算法。算法在去

2、除粗差的同時，能一定程度的平滑隨機誤差。算法提高了定位的精度，且提高了節(jié)點的覆蓋率。仿真結(jié)果表明算法有較高的定位精度和覆蓋率。關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)；定位；中值濾波；均值濾波；RSSI測距中圖分類號： 文獻(xiàn)標(biāo)識碼： 文章編號： 此行由編輯填寫A Weighted RSSI Positioning Algorithm Using Statistical Median XX1，XXX1，2(1. Jingling Institute of Technology, Nanjing 211169, China; 2. Nanjing University of Science and Technolo

3、gy, Nanjing 210094, China)Abstract: RSSI is one of the most popular methods in the location of wireless sensor networks. Since the sensor nodes are always distributed in complicated environments, random errors and out-liters possibly lie in the captured RSSI signals. It is difficult to use the norma

4、l methods to overcome the errors in RSSI statistical data. By analyzing the error features, a weighted positioning algorithm based on statistical median is proposed in this paper. The proposed method can delete out-liters, filter random errors, improve the accuracy of location and increase the cover

5、age of fraction. The simulated results show that the proposed method works well.Key words: wireless sensor network; localization; median filter; mean filter; distance measure based on RSSI無線傳感器網(wǎng)絡(luò)集傳感器技術(shù)、嵌入式計算技術(shù)、現(xiàn)代網(wǎng)絡(luò)及無線通信技術(shù)、分布式信息處理等技術(shù)于一體，它可以使人們在任何時間、地點和任何環(huán)境條件下獲取大量詳實而可靠的信息，從而真正實現(xiàn)“無處不在的計算”理念1。節(jié)點定位技術(shù)是傳感器

6、網(wǎng)絡(luò)的關(guān)鍵技術(shù)之一，在大多數(shù)的應(yīng)用中，缺乏位置信息的數(shù)據(jù)通常無法使用甚至沒有意義2。近年來，基于傳感網(wǎng)的定位技術(shù)迅速發(fā)展，從定位手段上可分為兩類：基于測距算法和非測距算法。測距算法通過測量節(jié)點間的距離或角度信息，使用三邊測量、三角測量或最大似然估計法計算為直接點的位置。而非測距定位算法無需距離或角度信息，僅依據(jù)網(wǎng)絡(luò)的連通性等信息實現(xiàn)節(jié)點的定位。利用RSSI(received signal strength indication，簡稱RSSI)信號值進(jìn)行定位是基于測距定位中最常用的技術(shù)之一，RSSI測量數(shù)據(jù)可以在每個數(shù)據(jù)交流中獲取，并不占有額外的帶寬和能量。且使用RSSI測量位置信息的硬件花費相

7、對簡單和便宜。正是因為如此，使用RSSI測量數(shù)據(jù)進(jìn)行定位，在定位研究中為熱點研究方向。傳感器節(jié)點常常部署的環(huán)境復(fù)雜的場景中，RSSI信號常受到反射、多徑傳播、非視距、天線增益等對傳播損耗產(chǎn)生明顯的改變，在獲得測距數(shù)據(jù)中不僅包含數(shù)量較多、幅度較小的測距誤差，而且還包含少量幅度較大的測距誤差（奇異點或粗差，outliters or gross errors）3-4。若不對這些誤差采取有效地抑制和處理，有時能產(chǎn)生±50%的測距誤差。因此，如何消除RSSI測距中的誤差，提高定位的精度是一個比較有意義的問題。為了提高RSSI測距精度，一般都是統(tǒng)計的方法在定位測距階段對誤差進(jìn)行處理，即多次測量數(shù)

8、據(jù)來提高數(shù)據(jù)的精確度。對統(tǒng)計的RSSI值的處理人們最為常用的統(tǒng)計均值模型5，在信標(biāo)節(jié)點采集一組n個RSSI值之后,然后求這組數(shù)據(jù)的均值。該模型可以通過調(diào)節(jié)n來平衡實時性與精確性,當(dāng)n很大時可以有效解決定位數(shù)據(jù)隨機性，但計算量也會相應(yīng)增加，且該模型在處理大擾動時效果不是很好。一些學(xué)者根據(jù)規(guī)則6:一個節(jié)點在同一位置收到一組RSSI信號中,其中必然存在著小概率事件。通過規(guī)則選取高概率發(fā)生區(qū)的RSSI值,然后再取其幾何均值,這種做法減少了一些小概率、大干擾事件對整體測量的影響,增強了定位信息的準(zhǔn)確性。但這些是假設(shè)RSSI信號的分布成正態(tài)分布，由于粗差的存在，使得RSSI信號成非正態(tài)分布，且根據(jù)統(tǒng)計學(xué)家

9、長期研究發(fā)現(xiàn)粗差存在的比例7遠(yuǎn)遠(yuǎn)大于0.3%，因此實際環(huán)境中使用規(guī)則去除粗差效果并不理想。本文在分析RSSI 信號誤差特征和統(tǒng)計學(xué)上去差算法的啟發(fā)提出了一種基于統(tǒng)計中值的加權(quán)定位算法(WLSM)，對測距階段所獲取的數(shù)據(jù)進(jìn)行了誤差去除處理，在去除粗差的同時平滑RSSI 信號值。1 RSSI測距原理RSSI是一種指示當(dāng)前介質(zhì)中電磁波能量大小的數(shù)值，單位為。接收節(jié)點可以根據(jù)接收到的信號強度,計算信號在傳播中的損耗,使用理論或經(jīng)驗的信號傳播模型將損耗轉(zhuǎn)化為距離。常用的RSSI傳播模型有8：自由空間傳播，地面反射（雙線），對數(shù)距離路徑損耗以及對數(shù)正態(tài)陰影。自由空間模型和地面反射（雙線）模型是兩種很特別的

10、模型，只有在相適應(yīng)的環(huán)境下，測量的結(jié)果才較為理想。自由空間模型常常被用于衛(wèi)星通信，而在數(shù)公里范圍內(nèi)大面積平面天線常用地面反射（雙線）模型。對數(shù)距離路徑損耗模型和對數(shù)正態(tài)陰影模型則是兩種實際的路徑損耗估計技術(shù)。它們都描述了路徑損耗對數(shù)的特征。前者是一個確定性的模型并描述了信號強度的平均特征。而后者描述了在傳播路徑上具有相同距離時，不同的隨機陰影效果。后者可用于無線系統(tǒng)設(shè)計和分析過程，從而對任意位置的接受功率進(jìn)行計算仿真。本文使用對數(shù)正態(tài)陰影模型，作為仿真模型以驗證算法的可靠性。其公式如下： ， （1）式中，為接收端與發(fā)射端之間的距離()；為參考距離() ，一般取1 m； 是接收端的接收信號功率(

11、dBm)；是參考距離點對應(yīng)的接收信號功率(dBm)；是一個均值為0的高斯隨機變量(dBm)，反映了當(dāng)距離一定時，接收信號功率的變化；n為路徑損耗指數(shù)，是一個與環(huán)境相關(guān)的值。2 算法模型描述2.1算法思路 在計算節(jié)點坐標(biāo)階段，去除粗差算法大都利用中位數(shù)代替均值，使用此方法可提高算法的抗粗差能力。受此啟發(fā)，本文提出了一種基于統(tǒng)計中值加權(quán)的定位算法，即在兩兩節(jié)點之間通信交流一段時間，并獲取一定數(shù)量RSSI數(shù)據(jù)，對數(shù)據(jù)做如下處理：在信號序列中，找到RSSI信號強度的中值，再對信號序列中每一信號強度都以此中值為基礎(chǔ)計算其權(quán)值，其中權(quán)值的計算應(yīng)該滿足：1)如果序列中某點的信號值越接近該序列中的中值，則其權(quán)

12、值也相應(yīng)地越大，如果某點為含粗差的RSSI信號，則其信號強度和該序列內(nèi)的中值相差較大，因此其權(quán)值相應(yīng)較??；2)歸一化權(quán)值。將序列內(nèi)每一點的信號值與其對應(yīng)的權(quán)值相乘再求和，作為兩節(jié)點之間的RSSI信號值。使用這種處理方法的好處有：1)以中值為基礎(chǔ)計算權(quán)值時，給包含粗大信號的RSSI值賦予非常小的權(quán)值，累加時含粗大信號的RSSI值可以忽略，濾除一部分粗大信號點，且沒有簡單刪除粗差數(shù)據(jù)；2)做累加類似于使用均值模型，可以濾除一部分隨機噪聲；3)算法適用于更加復(fù)雜的環(huán)境，從而增加了算法的適用性。2.2 算法步驟1）首先找到一段RSSI信號強度的中值。RSSI信號序列而言中值的定義為：在獲取一定數(shù)量RS

13、SI信號值后，若存在序列，先將其按數(shù)值的大小排序：，序列的中值為： ， （2）2）再求出各個RSSI信號強度值與中值的方差，公式如下：， （3）為了避免有某個RSSI信號值與中值相同，造成方差為零，則可以按下列公式未歸一化的加權(quán)系數(shù)：， （4）然后對所有通過上述公式求得加權(quán)系數(shù)求和，則歸一化加權(quán)系數(shù)，公式如下：， （5）其中，為區(qū)域內(nèi)第個RSSI信號值，可以看出，和相差越大，相對應(yīng)的加權(quán)系數(shù)越小，而當(dāng)和相等時，加權(quán)系數(shù)最大，此時響應(yīng)的RSSI值被賦予最大權(quán)重。3）將區(qū)域內(nèi)每一信號值與相應(yīng)的加權(quán)系數(shù)相乘，將求和結(jié)果作為兩節(jié)點之間的RSSI信號值輸出，使用RSSI測距公式計算出信標(biāo)點到未知位置節(jié)點

14、的距離。4）在未知位置節(jié)點獲取三個以上信標(biāo)節(jié)點的位置和距離后，利用最小二乘估計未知位置節(jié)點的坐標(biāo)位置。3 仿真實驗及性能分析3.1 仿真環(huán)境設(shè)置與分析借助MATLAB，對本算法模型進(jìn)行仿真分析，并與其它算法的定位性能進(jìn)行性能比較。實驗設(shè)置三種場景：測距信號出現(xiàn)粗差的比例分別為0%、5%和10%，100節(jié)點隨機均勻的部署在平面區(qū)域中，其中信標(biāo)節(jié)點數(shù)量為10個。RSSI信號值與距離的關(guān)系按公式（2）計算，式中衰減因子，參考距離，為服從均值為0的高斯分布的隨機數(shù)，標(biāo)準(zhǔn)差取4，粗差的大小為1.25*RSSI信號值，節(jié)點之間通信交流200次，節(jié)點的通信半徑為50m。為降低節(jié)點分布隨機性對測量結(jié)果的影響，

15、在同一大小區(qū)域內(nèi)仿真50次，每次試驗里節(jié)點都將重新隨機分布在監(jiān)測區(qū)域內(nèi)，統(tǒng)計50次定位的實驗結(jié)果，取評價指標(biāo)的均值作為評價依據(jù)。節(jié)點的定位性能直接影響無線傳感器網(wǎng)絡(luò)的可用性和應(yīng)用范圍，一般評價一個定位算法的好壞要考慮的主要有：定位精度，定位覆蓋率，分布性，自適應(yīng)性，魯棒性，穩(wěn)定性等9。本文主要分析RSSI信號中的隨機誤差和粗差對定位性能的影響，因此采用平均定位誤差、不可定位節(jié)點比例這兩個性能參數(shù)考量算法的性能。平均定位誤差定義如下：平均定位誤差（average localization error，ALE）是指區(qū)域內(nèi)所有未知節(jié)點估計位置到真實位置的歐式距離的平均誤差與通信半徑的比值。平均定位誤

16、差能夠反映定位算法的穩(wěn)定性以及定位的精度，在節(jié)點通信半徑一定時，節(jié)點的平均定位誤差越小則該算法的定位精度越高，反之亦然。， （6）其中表示第i個節(jié)點的估計坐標(biāo)位置，表示第i個節(jié)點的實際位置，n為未知節(jié)點數(shù)量，R是通信半徑。算法的不可定位節(jié)點比例（unresolved node ratio，UNR）是指定位算法運行結(jié)束后不能成功定位的未知節(jié)點總數(shù)占網(wǎng)絡(luò)中所有未知節(jié)點總數(shù)的比例，反映了算法的定位覆蓋率和魯棒性。UNP定義如下： ， （7）其中孤立點或者因為鄰居較少不能被定位的未知節(jié)點數(shù)，表示所有未知節(jié)點總數(shù)。3.2 仿真結(jié)果與分析通過100次部署仿真并統(tǒng)計結(jié)果，基于統(tǒng)計中值的加權(quán)定位算法、均值模型

17、和3模型在兩種粗差比例不同場景的平均定位誤差和可定位節(jié)點比例如表1所示：表1 三種模型在三種不同粗差比例場景下定位性能比較表（無需英文表名）算法模型均值模型3模型WLSM粗差比例（%）0%5%10%0%5%10%0%5%10%ALE（%）3.1%11.87%27%3.2%3.45%13.3%4.16%4.06%6.61%UNR（%）13.72%19.5%26.39%13.72%13.83%20.5%13.72%14.5%15.28%從上表可以看出在沒有粗差出現(xiàn)的情況下三種算法模型定位性能基本一致，定位精度相差最大為1.06%，UNR則基本一致；在有粗差出現(xiàn)的情況下3模型和WLSM定位的精度都好

18、于均值模型；在粗差比例為10%時WLSM算法的定位效果明顯好于3模型和均值模型，其ALE只高了2%左右，UNR也基本沒變；在粗差比例為5%時3模型的定位精度略好于WLSM定位算法，這是因為3模型是刪除分布大于3粗差之后再取其幾何均值，由于刪除了部分的粗差，且信號值中粗差的比例較小，其結(jié)果定位略微好于WLSM定位算法。從表中可以看出WLSM算法的定位性能較均值和3兩種模型更優(yōu)。為了更加直觀比較三種算法模型的定位性能，在50次循環(huán)部署和計算中抽取某次的定位結(jié)果誤差圖，其隨機均勻分布的節(jié)點分布如圖1所示：圖1節(jié)點分布圖（無需英文圖名）圖1中o表示未知位置節(jié)點，菱形點表示信標(biāo)節(jié)點。在節(jié)點之間進(jìn)行一段時

19、間通信交流后，根據(jù)出現(xiàn)粗差信息比例的不同，通過不同定位算法獲得估計坐標(biāo)與實際坐標(biāo)之間的定位誤差圖如圖2、圖3和圖4所示： （a） 均值模型定位誤差圖 （b）3模型定位誤差圖 （c） WLSM定位誤差圖 圖2粗差比例為0%的定位誤差圖（a） 均值模型定位誤差圖 （b） 3模型定位誤差圖 （c） WLSM定位誤差圖 圖3粗差比例為5%的定位誤差圖 （a） 均值模型定位誤差圖 （b） 3模型定位誤差圖 （c） WLSM定位誤差圖 圖4粗差比例為10%的定位誤差圖圖中三角形節(jié)點為未能成功獲得定位信息的未知位置節(jié)點；o節(jié)點則為能夠進(jìn)行定位的未知位置節(jié)點，節(jié)點拖著的“小辮子”其長度為估計位置與實際位置距離

20、。由圖中可以看出：本文提出的WLSM定位算法“小辮子”的長度較短且長度分布較為均勻，三角形節(jié)點出現(xiàn)的數(shù)量也較少。與表格中數(shù)據(jù)相符合。仿真結(jié)果表明WLSM算法不僅使得大多數(shù)的節(jié)點定位誤差較小，也大幅度的避免某個節(jié)點的大范圍的定位誤差，使得平均定位誤差更優(yōu)，定位的覆蓋率也較高。4. 結(jié) 語 XXXXXXXX.參考文獻(xiàn)：1 倪明選，李明祿，薛廣濤.無線傳感網(wǎng)的基礎(chǔ)理論及關(guān)鍵技術(shù)研究M/中國計算機學(xué)會.中國計算機科學(xué)技術(shù)發(fā)展報告2007.北京：清華大學(xué)出版社，2008:384-4122 孫利民，李建中，陳渝，朱紅松.無線傳感器網(wǎng)絡(luò)M.清華大學(xué)出版社.2005,3-253 Wang G, Fidan B

21、. Localization Algorithms and Strategies for Wireless Sensor NetworksM. New York,:Information Science Reference, 2009: 112-1154 ZHOU G D, HE T, KRISHNAMURTHY S, et al. Models and Solutions for Radio Irregularity in Wireless Sensor NetworksJ. ACM Transactions on Sensor Networks, 2006, 2(2): 221-2625 方震，趙湛，郭鵬，等.基于RSSI 測距分析J.傳感技術(shù)學(xué)報，2007，20(11)：2526-25306 朱劍，趙海，孫佩剛，畢遠(yuǎn)國基于RSSI 均值的等邊三角形定位算法J東北大學(xué)學(xué)報，2007，28(8)：1094-10977 Huber, Robust P J .