[发明专利]基于定积分结合环境参数的RSSI加权质心定位方法

说明书

本发明公开了基于定积分结合环境参数的RSSI加权质心定位方法，涉及无线传感器网络节点定位技术领域，针对加权质心定位算法中的RSSI在传输过程中带来的线性误差，以及在RSSI值处理时带来的概率误差，提出一种稳定性强，成本较低，精度更高的基于定积分结合环境参数的RSSI加权质心定位方法。该方法充分考虑到了环境因素和RSSI优化时带来的偏差，在数据处理时，就合理的根据RSSI值出现的次数为权重来修正数值，减小了信号本身在传输过程中的随机性所带来的误差，有效的提高了数据的可靠性，而结合环境影响因子的加权，能有力的提高算法的定位精度，对于实际的应用，具有极强的指导意义和很高的可行度。

技术领域

本发明涉及无线传感器网络节点定位技术领域，特别是涉及基于定积分结合环境参数的RSSI加权质心定位方法。

背景技术

无线传感网络是由多个传感器节点构成的一个自组织的网络拓扑结构，正是因为传感器节点自身具有数据融合、数据处理、发散信息等能力，使得网络中节点间能相互通信。其中定位技术在传感器网络的实际应用中，具有至关重要的作用。很多领域，如公交车电子站牌，矿井下的定位作业等等，倘若丢失了对应的位置信息，那么无线传感网络的应用将毫无意义。

现如今，根据在算法中是否需要测量节点间距离并将其融入公式，可分为：基于测距的定位算法和基于非测距的定位算法。在实际应用中普遍采用的极大似然估计法、三边测量法和三角测量法，都属于基于测距的定位算法，可以依靠到达时间(TOA)、到达角度(AOA)、到达时间差(TDOA)和接收信号强度指示(RSSI)等相关测距技术，如果是直接通过路由跳数、信标节点坐标、或者划分图形的重叠区域面积等形式来求解的，则称为基于非测距的定位算法。基于非测距的定位算法较前者来说，便于实现，操作简单，对实验设备的依赖性低。

基于RSSI的加权质心算法是实际应用中较为普遍的一种定位算法。通过锚节点与未知节点间的信号强度损耗，来确定锚节点对未知节点的影响程度。针对于这种算法的改进，有通过修正算法的加权因子来优化的，或者建立信号强度损耗与距离的数据库，利用距离来加权来优化的，但是这类优化方式提高的定位精度都很有限。

发明内容

本发明实施例提供了基于定积分结合环境参数的RSSI加权质心定位方法，可以解决现有技术中存在的问题。

本发明提供了一种基于定积分结合环境参数的RSSI加权质心定位方法，该方法包括以下步骤：

步骤1，测量待测无线传感器网络中已知参考节点之间的信号强度损耗值，通过改进的高斯分布模型筛选数据，得到信号强度损耗优化值；

步骤2，建立信号强度损耗优化值以及已知网络节点之间距离的d-r数据库，利用最小二乘法结合步骤1得到的信号强度损耗优化值，拟合出与环境相关的信道衰减指数和固定损耗参考值；

步骤3，将固定损耗参考值和信道衰减指数引入到定位算法中，得到已知节点的加权因子；

步骤4，根据所述加权因子以及已知网络节点的坐标使用改进后加权质心定位算法确定未知节点的位置。

优选地，步骤1具体包括：

利用CC2530芯片测量两参考节点之间的信号强度损耗值，测量n次的值分别为RSSI_a1、RSSI_a2、……、RSSI_an，通过高斯分布模型过滤数据：

其中，m表示的是两参考节点测量n次后所测得信号强度损耗值的平均值，σ²表示样本数据的方差，σ为样本数据的标准差；

根据不等式的判定条件，确定信号强度损耗的取值范围：