zigbee xbee模块定位解决方案

《zigbee xbee模块定位解决方案》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Zigbee定位解决方案设想一下，您冲进购物中心，急切地想为您的另一半选购他(她)称心如意的生日礼物。您很自然地掏出手机或PDA来解决如何选购生日礼物的问题。此时，您的移动手持终端设备将显示出购物中心的导购图，并在图上标明需前往的采购区。移动手持终端设备上还将随时随地显示出您可能会感兴趣的商品。射频(RF)技术有望使上述设想成为现实。有些ZigBeeRF设备中内嵌的定位引擎可以与室内GPS系统相媲美，其内嵌的定位引擎使用ZigBee网络的RF基础设施来计算事物或人所处的位置。与GPS相比，定位引擎在单芯片RF收发器中与MCU集成在一起，成本不及GPS硬件的1/10，

2、功耗也只是GPS硬件的一小部分。该种定位引擎既可用于室内，也可用于室外，而且只要有现成的ZigBee网络，就无需安装移动的接收天线。其典型的应用包括：·遥控开/关房屋中所有房间的灯具;·跟踪码头仓库的集装箱起运情况;·跟踪网站的设备。另外，当新设备接入网络时，该定位引擎能够确定其物理位置，因此，它还能用于简化无线网络的设置。后台设备大多数无线传感器网络都要求具备一种确定网络节点位置的方法。因此在设备安装期间，需要弄清楚哪些节点相互之间直接进行数据交换，或者确定哪些节点直接与中央数据采集点进行数据交换。当通过基于软件的计算方法来确定网络节点位置时，就需要考虑到市场化解

3、决方案(marketsolution)。这些具体的计算方法是：节点首先读取计算节点位置的参数，然后将相关信息传送到中央数据采集点，对节点位置进行计算，最后，再将节点位置的相关参数传回至该节点。这就是典型的数据密集型计算，并且需要配置一台PC或高性能的MCU。这种计算节点位置的方法之所以只适用于小型的网络和有限的节点数量，是因为进行相关计算所需的流量将随着节点数量的增加而呈指数级速度增加。因此，高流量负载加上带宽的不足限制了这种方法在电池供电网络中的应用。针对上述问题，CC2431采用了一种分布式定位计算方法。这种计算方法根据从距离最近的参考节点(其位置是已知的)接收

4、到的信息，对节点进行本地计算，确定相关节点的位置。因此，网络流量的多少将由待测节点范围中节点的数量决定。另外，由于网络流量会随着待测节点数量的增加而成比例递增，因此，CC2431还允许同一网络中存在大量的待测节点。本文所提供的结果是根据对ZigBee网络的测量得出的，然而，这些测量结果同样适用于基于IEEE802.15.4协议构建的更简单的网络。定位引擎技术定位引擎根据无线网络中临近射频的接收信号强度指示(RSSI)，计算所需定位的位置。在不同的环境中，两个射频之间的RSSI信号会发生明显的变化。例如，当两个射频之间有一位行人时，接收信号将会降低30dBm。为了补偿

5、这种差异，以及出于对定位结果精确性的考虑，定位引擎将根据来自多达16个射频的RSSI值，进行相关的定位计算。其依据的理论是：当采用大量的节点后，RSSI的变化最终将达到平均值。在RF网络中，具有已知位置的定位引擎射频称为参考节点，而需要计算定位位置的节点称为待测节点。要求在参考节点和待测节点之间传输的唯一信息就是参考节点的X和Y坐标。定位引擎根据接收到的X和Y坐标，并结合根据参考节点的数据测量得出的RSSI值，计算定位位置。将定位技术纳入网络协议一些采用定位引擎的应用可能要求放置若干个参考节点，以作为基础设施设置不可或缺的一部分。ZigBee技术能够实现对家庭、办公

6、以及工业等应用的无线控制。随着ZigBee设备在楼宇基础设施中的安装数量不断增多，ZigBee将会在家庭和办公自动化方面拥有更为广阔的应用前景。典型的办公场所都会配置ZigBee设备，通过各办公室和会议室中的温度传感器、控制温度调节装置以及A/C导管。同时，每个房间还会安装由ZigBee控制的灯具开关和设备，而这些设备又易于作为定位引擎的参考节点。将ZigBee射频作为ZigBee协议栈上的参考节点所需的代码容量通常小于1Kb。定位引擎从3~16个参考节点采集数据，并使用这些数据计算定位位置。如果定位引擎从16个以上的节点接收到数据时，它则会将接收到的参考节点位置进

7、行分类，然后采用16个参考节点中信号最强的RSSI值。扩大覆盖范围定位引擎的覆盖范围为64m×64m，然而，大多数的应用要求更大的覆盖范围。扩大定位引擎的覆盖范围可以通过两种方法来实现：*提高参考节点的输出功率，同时降低定位引擎计算结果的精度;*在一个更大的范围布置参考节点，并利用最强的信号进行相关参考节点的定位计算。由于第二种方法能够在定位引擎扩大覆盖面的同时不牺牲定位精度，因此更为可取。具体的工作原理是：网络中的待测节点发出广播信息，并从各相邻的参考节点采集数据，选择信号最强的参考节点的X和Y坐标。然后，计算与参考节点相关的其他节点的坐标。最后，对定位引擎中