专利名称：基于rssi和lqi加权的无线传感器网络节点定位方法
技术领域：
本发明涉及无线传感器网络，具体涉及一种低计算复杂度、易于实现的基于接受 信号强度指示RSSI (Received Signal Strength Indicator)和链路质量指示LQI (link quality indicator)加权的无线传感器网络节点定位方法。
背景技术：
无线传感器网络(Wireless Sensor Networks，WSN)中的定位技术十分重要，如果
传感器测量的数据没有对应的位置信息，那么此数据几乎没有任何的实用价值。 根据定位过程中是否依靠测量距离，可以把定位技术分为基于测距的
(range-based)和无须测距的(range-free)。基于测距的定位技术通过测量节点间点到点
的距离或角度信息，使用三边测量、三角测量或最大似然估计定位法提供精度较高的节点
位置信息。无需测距的定位算法根据网络的连通性等信息使用质心算法、DV-Hop算法或近
似三角形内点测试法(ApproximatePoint-In-Triangulation Test，APIT)提供粗粒度的节
点位置信息。无需测距的定位算法所提供的粗粒度位置信息对于大多数无线传感器网络中
的应用已经足够；并且不需要基于测距的定位算法中所需要的额外硬件设备。所以无需测
距的定位技术在无线传感器网络中被广泛采用。目前，一般利用无线传感器网络中少量已
知位置的节点来获取其他未知节点的位置信息，这些已知位置的节点通常称为锚节点，未
知节点称为待测节点或未知节点。 现有的无需测距定位方法广泛使用RSSI参数。RSSI是接收信号强度指示，存在于 任何一个信源与信宿之间的数据分组中。其测距原理是在已知发射功率的条件下，在接收 节点测量接收功率，计算传播损耗，使用理论或经验的信号传播模型将传播损耗转化为距 离，该技术主要使用RF信号。它的主要误差来源是环境影响所造成的信号传播模型的建模 复杂性如反射、多径传播、非视距(Non-Line-0f-Sight，NL0S)、天线增益等问题都会对相同 距离产生显著不同的传播损耗。LQI是链路质量指示，表征接收数据帧的能量与质量。其大 小基于信号强度以及检测到的信噪比(SNR)，由MAC (media access control)层计算得到 并提供给上一层， 一般与正确接收到数据帧的概率有关。RSSI值和LQI值在ZigBee收发 模块每接收一个数据帧时都可以得到，及时反映信号强度的变化和受到的干扰的变化。LQI 的动态范围比RSSI大，有更高的分辨率。把LQI值融入距离估计算法将使基于RSSI的测 距技术有提高的空间。 因此，仅仅基于RSSI值进行测距将会使测量精度和可靠性大大下降。例如公开号
为CN101378592名称(专利申请号CN200810099378. 6)专利名称为《一种基于RSSI的无
线传感网络节点定位方法》中，其以锚节点之间的距离和信号强度信息作为参考，对移动节
点与锚节点之间的RSSI值进行校验，来修正锚节点对未知节点位置的权重，得到节点定位
坐标。但由于仅仅采用RSSI参数进行定位，其定位精度必然受到以下因素影响 1.实际应用环境比理想环境复杂得多，存在着多径干扰、绕射、障碍物等不定因
素，影响RSSI读数；
4
2.接收到的锚节点和未知节点的RSSI值会出现相等的情况，这时会认为未知节 点出现在锚节点附近位置上，而实际上却相隔较远； 3. RSSI值受到发射机功率的影响，对于无线传感器网络这种大量使用电池供电的 系统来说，电池在使用一段时间后的电压降低也会影响RSSI值；
4. RSSI的精度对于较为精确的测距来说远远不够，误差较大。 此外，由于RSSI值在距离超过一定阈值后，变化趋势很不明显，因此不能被具体 的射频芯片检测，所以其定位距离非常有限。基于以上原因，必须设计和采用新的方法，既 能够继承基于RSSI的无需测距方法硬件实现简单、获取方便、计算复杂度小的特点，也要 引入新的参量来克服上述缺点。
发明内容
本发明所要解决的技术问题是针对上述现有技术所存在的问题，提供一种定位精 度高，不易受环境影响，硬件易于实现，成本较低，计算复杂度较小的基于RSSI和LQI的无 线传感器网络节点定位方法。 本发明解决上述技术问题所采用的技术方案为 [I]引入LQI作为提高定位精度和范围的考量参数，并通过实验拟合出LQI的测距
模型。本发明通过实验数据拟合得到的LQI测距计算式如下 L(d) = L(d0)-10nlg(d/d0)+Xs ; [II]将RSSI和LQI联合处理进行锚节点的选取。 [III]将通过平均滤波器的RSSI值和LQI值进行加权组合，利用改进的加权质心
算法进行未知节点位置估计。 本发明的方法包括如下步骤 (1)、未知节点进入网络后，将发射功率调到最小值并发送定位请求L0C—REQ，在收 到锚节点的回复LOC—R印ly后，若锚节点RSSI值及LQI值符合要求则将此锚节点添加为此 次定位过程中的锚节点，否则加大未知节点发射功率并再次发送定位请求LOC—REQ，直到找 到符合定位所需的锚节点数。 (2)、当未知节点接收锚节点的信标帧数目超过某一阈值时，就认为未知节点和锚 节点的连通度良好。未知节点确定好自己周围的锚节点m个，并记录下此时锚节点的ID号， 同时将确立的锚节点信息发送给协调器Coordinator节点。 (3)、协调器Coordinator节点收到未知节点的信息后，发送信标帧与信息中的锚 节点通信。锚节点收到信标帧后，周期性地广播信标帧给协调器Coordinator节点。
(4)、协调器Coordinator节点接收到信标帧后，对同一锚节点的RSSI和LQI取统 计平均值，协调器Coordinator根据收到锚节点的RSSI值和LQI值大小，对锚节点进行排 序，建立三个集合 [I]锚节点集合Anchor_set = {a" a2，， am}; [II]锚节点对应的RSSI值集合RSSI_set = {r" r2，…rj ;巧> r2 > > rm ;
[III]锚节点对应的LQI值集合:LQI_set = {1" 12，…，1J山> 12 〉…〉lm ;
(5)、根据实验数据得到的LQI拟合公式L(d) = L(d。)-10n lg(d/d。)+Xs和RSSI 测距模型对锚节点进行优选，式中，d是发射机和接收机之间的距离，d。是参考距离，Xs是均值为零，方差为S的随机噪声变量，在RSSLset和LQI—set集合中，先选择LQI值较高 的锚节点，在这个约束条件下，从LQI值较高锚节点中再选择出RSSI值较高的锚节点n个， 得出锚节点坐标集合为 Position—set = {(x" y》，(x2， y2)，…，(xn， yn)} (6)、协调器Coordinator节点根据改进的加权质心算法得出未知节点坐标，广播
数据到汇聚节点，然后经有线网络上传给监控中心。 本发明的特点和优势在于 1、采用RSSI和LQI两个都可以从硬件寄存器中轻易得到的参数来进行定位，易于 实现，所需硬件资源很少，计算复杂度也很低； 2、区别于以往模型采用RSSI和LQI经验模型，本发明通过大量实验和数据拟合得 到了基于RSSI和LQI的新测距模型，且通过实验验证具有较好的适应性和普遍性；
3、对得到的数据进行平均值滤波，滤除不确定因素造成的参数过大或过小的情 况； 4、在锚节点选取方面，联合考虑RSSI值和LQI值，并充分利用信标帧携带控制分 组，减少通信开销； 5、区别于传统质心算法，引入加权因子，同时考虑RSSI值和LQI值，提高了算法的 可靠性和正确性。
图1 :本发明实施例中无线传感器网络节点结构示意图； 图2 :本发明实例中无线传感器网络节点定位方法的流程图； 名词解释 Coordinator :协调器节点； RSSI :接收信号强度指示； LQI :链路质量指示； L0C_Req :未知节点发出的定位请求信息； L0C—R印ly :锚节点的定位回复信息； Anchor_Threshold :符合要求的锚节点个数阈值； RSSI_Threshold :未知节点初次标定锚节点RSSI阈值。 LQI_Threshold :未知节点初次标定锚节点LQI阈值。 R_Threshold :最终标定锚节点时的RSSI阈值。 L_Threshold :最终标定锚节点时的LQI阈值。
具体实施例方式
以下结合附图实施例对本发明作进一步详细描述。
—.系统结构 无线传感器网络由许多未知位置且随机分布的待测传感器节点集合U，已知锚节 点集合A，协调器节点集合C和汇聚节点集合S组成，其中汇聚节点可以通过有线或者无线 的方式和Internet进行连接，图1是本发明的一个示例图。
6
二.锚节点的选择 根据图2所示，选择锚节点的步骤如下 1)对于任意未知节点Ui G U，将其功率S,调整到最小Pmin，广播发送定位请求L0C_ Req。对于锚节点aj G A，如果其收到定位请求LOC—Req，则发送回复LOC—R印ly给未知节点。 未知节点A从LOC—R印ly中得到发送锚节点aj的RSSI和LQI，若RSSI > RSSI_Threshold 并且LQI > LQI_Threshold，则标定a」，锚节点计数器Anchor_Count加1。如果Anchor_ Count等于Anchor—Threshold,则停止该步骤，继续第2)步。否则提高S,，继续上述过程。
2)未知节点将确定的m个锚节点aj， j = 1， 2， . . . m的地址信息作为ID存在自己 的缓存中，并将此信息发广播发送给本地协调器节点cp G C。 3)协调器节点cp收到Ui的信息后，发送信标帧与信息中的锚节点通信。锚节点 收到信标帧后，周期性广播信标帧给cp。 4) cp对收到的同一锚节点aj的RSSI和LQI取统计平均，随后对a」，j = 1， 2，. . . m 进行排序，得到 [I]锚节点集合Anchor_set = {a" a2，…，am}; [II]锚节点对应的RSSI值集合RSSI_set = {r" r2，…rj ;巧> r2 > > rm ;
[III]锚节点对应的LQI值集合:LQI_set = {1" 12，…，1J山> 12 〉…〉lm。
5)根据实验数据得到的LQI拟合公式确定LJhreshold，在RSSI_set和LQI_ set中，找寻lq > L_Threshold的锚节点，q = 1，2， m，得到集合LQI_Larger，对于任 意lt G LQI_Larger，若其RSSI值rt > R_Threshold，则其为选中的最终锚节点，其中R_ Threshold为通过经典RSSI测距模型得到的RSSI阈值。最后，得到锚节点坐标集合为
Position—set = ((x"y》，(x" y2)，…，(xn， yn)}
三.加权定位算法 对于得到的锚节点坐标，将其带入加权质心算式(&,,3^) = ^ ,(^,7,)中可得
/=
到未知节点的坐标，(xrat， Lst)为未知节点的坐标；(Xi， y》为锚节点i的坐标，根据未 知节点与锚节点的能量差值来约束锚节点对未知节点位置的影响，引入了一个加权因子 一 1/gf
Wi=^7 '式中 _其中ei为锚节点Ui与
未知节点的能量差值，rssi—vali为锚节点Ui的RSSI值，rssi为未知节点的RSSI值，LQL vali为锚节点Ui的LQI值，LQI为未知节点的LQI值。加权因子Wi表示锚节点距离未知节 点越近，对未知节点的位置坐标影响越大。这种约束关系提高了定位算法的精度和稳定性。 由于收集到的RSSI与LQI值受外界环境影响，接收到的锚节点和未知节点的RSSI、 LQI值 会出现相等的情况，在计算ei时引入一个S来克服这种问题。根据大量实验证明，S取为 uniform(0. l，O. 2)之间较为适合，其中uniform表示均匀分布。 通过以上过程，实现了基于RSSI和LQI加权的无线传感器网络节点定位方法。
四.仿真实验 在实验中，选择了一个lOmxlOm方形场地，在固定位置部署了 12个锚节点和一个 协调器Coordinator节点，然后随机放置了 16个待测的未知节点。初始时，未知节点的发射功率调整到最小_20(18111，锚节点计数器初始化为零，符合要求的锚节点个数阈值Anchor Threshold设为6个，RSSI—Threshold设定为_88dBm， LQI_Threshold设定为60dBm。然 后未知节点开始发送定位请求LOC—Req，周围锚节点接收到请求后，回复L0C—R印ly。最 终得到6个符合定位的锚节点。未知节点将6个锚节点地址信息广播发送给协调器节点 Coordinator。随后Coordinator与6个锚节点通过信标帧进行通信。Coordinator对每个 锚节点进行100次的RSSI和LQI的数据采集，根据实验数据，确定LJhreshold值为70dBm， R_ThreShold值为_85dBm。最后得到锚节点坐标集合，集合中锚节点坐标个数n为4个，用 这4个锚节点来定位未知节点的坐标。共重复进行了 8次这样的实验。
为了衡量定位的精确度，采用如下定位误差公式评价定位算法的性能 其中(xest， yest)表示加权质心算法得出的未知节点坐标，(xMal， yMal)表示未知节 点真实的坐标，N为实验的次数。 采用RSSI和LQI相结合的加权质心定位算法，计算出的各个未知节点坐标，定位 误差都保持在0. 3m以内。该算法表现出良好的精确度和稳定性能。
8
权利要求
基于RSSI和LQI加权的无线传感器网络节点定位方法，其特征在于采用RSSI测距模型与LQI测距模型相结合进行锚节点的选取和定位，该方法包括如下步骤1.1)未知节点进入网络后，通过调整功率寻找锚节点，当未知节点接收锚节点的信标帧数目超过某一阈值时，确定其周围的锚节点个数满足要求并标识，将确立的锚节点信息发送给协调器Coordinator节点；1.2)协调器Coordinator节点收到未知节点的信息后，发送信标帧与信息中的锚节点通信，锚节点收到信标帧后，周期性地广播信标帧给协调器Coordinator节点；1.3)协调器Coordinator节点接收到信标帧后，根据锚节点的RSSI和LQI值对锚节点进行排序并得到其坐标集合；1.4)协调器Coordinator节点根据改进的加权质心算法计算未知节点坐标，并向汇聚节点广播数据，通过汇聚节点经有线网络上传给监控中心。
2. 根据权利要求1所述的基于RSSI和LQI加权的无线传感器网络节点定位方法，其 特征在于所述步骤1)确定锚节点集合的方法为未知节点进入网络后，将发射功率调到 最小值并发送定位请求LOC—REQ，在收到锚节点的回复LOC—R印ly后，若锚节点的RSSI值 及LQI值符合要求则将此锚节点添加为此次定位过程中的锚节点，否则加大未知节点发射 功率并再次发送定位请求L0C_REQ，直到找到符合定位所需的锚节点数。
3. 根据权利要求1所述的基于RSSI和LQI加权的无线传感器网络节点定位方法，其特 征在于所述步骤3)中通过以下方法对锚节点进行排序3.1)协调器Coordinator节点接收到信标帧后，对同一锚节点的RSSI和LQI取统平均 值，协调器Coordinator根据收到锚节点的RSSI值和LQI值大小，对锚节点进行排序，建立^■ I朱n :[I] 锚节点集合Anchor_set = {a" a2， …，am};[II] 锚节点对应的RSSI值集合RSSI_set = {巧，r2，…rj ;巧> r2 > > rm ;[III] 锚节点对应的LQI值集合:LQI—set = {1" 12，…，1J山> 12 〉…〉lm ;3.2)根据实验数据得到的LQI拟合公式L(d) = L(d。)-10nlg(d/d。)+Xs和RSSI测距 模型对锚节点进行优选，式中，d是发射机和接收机之间的距离，d。是参考距离，Xs是均值 为零，方差为S的随机噪声变量，在RSSLset和LQI—set集合中，先选择LQI值较高的锚 节点，在这个约束条件下，从LQI值较高锚节点中再选择出RSSI值较高的锚节点n个，得出 锚节点坐标集合为Position—set = Kx丄，y》，(x2， y2)， …，(xn， yn)}。
4. 根据权利要求1或3所述的基于RSSI和LQI加权的无线传感器网络节点定位方法， 其特征在于所述步骤4)中通过以下方法获得未知节点坐标4.1)将步骤3. 2)得到的锚节点坐标集合代入改进的加权质心算法算式<formula>formula see original document page 2</formula>式中(xrat， Lst)为未知节点的坐标；(Xi， y》为锚节点i的坐标，根据未知节点与锚节 点的能量差值来约束锚节点对未知节点位置的影响，引入了一个加权因子<formula>formula see original document page 3</formula>式中<formula>formula see original document page 3</formula>ei为锚节点Ui与待测节点的能量差值，rssi—vali为锚节点Ui的RSSI值，rssi为待测 节点的RSSI值，LQI_vali为锚节点Ui的LQI值，LQI为待测节点的LQI值，加权因子Wi表 示锚节点距离待测节点越近，对待测节点的位置坐标影响越大，这种约束关系提高了定位 算法的精度和稳定性；4.2)由于收集到的RSSI与LQI值受外界环境影响，接收到的锚节点和未知节点的 RSSI、LQI值会出现相等的情况，在计算ei时引入一个S来克服这种问题，根据大量实验证 明，S取为uniform(0. l，O. 2)之间较为适合，其中uniform表示均匀分布。
全文摘要
本发明涉及一种基于RSSI和LQI加权的无线传感器网络节点定位方法。该方法的特点是一、采用RSSI和LQI两个都可以从硬件寄存器中轻易得到的参数来进行定位，易于实现，所需硬件资源较少；二、采用由实验数据拟合得到的LQI测距模型，结合RSSI测距模型，联合进行锚节点的选取；三、将通过平均滤波器的RSSI值和LQI值进行加权组合，利用改进的加权质心算法进行待测节点位置估计，并广播数据到汇聚节点，然后经有线网络上传给监控中心。本发明的定位方法定位精度高，不易受环境影响，硬件易于实现，成本较低，计算复杂度较小。
文档编号H04W64/00GK101715232SQ20091021910
公开日2010年5月26日 申请日期2009年11月20日 优先权日2009年11月20日
发明者吕宁, 庞辽军, 杨国良, 裴庆祺, 谢伟光, 陈晨, 高新波 申请人:西安电子科技大学