基于RSSI校正的无线传感器网络定位算法研究

《基于RSSI校正的无线传感器网络定位算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

声明本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：当坐笠日期：趁j蕴≤旦芏旦关于学位论文使用权的说明本人完全了解太原理工大学有关保管、使用学位论文的规定，其中包括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复制手段复制并保存学位论文；⑧学校可允许学位论文被查阅或借阅；④学校可以学术交流为目的，复制赠送和交换学位论文；⑤学校可以公布学位论文的全部或部分内容(保密学位论文在解密后遵守此规定)。签名：逝坐笠日期：丝堡垒』旦芏望导师签名：一邀壹墓EiI苛I：刃f婢臼丫回 太原理工大学硕士研究生学位论文基于RSSI校正的无线传感网络定位算法研究摘要随着科学技术的发展，无线传感器网络得到了越来越广泛的应用，尤其是在交通管理、环境监测、安全生产、智能家庭以及医疗设备等领域。而节点位置对于这些应用来说极其关键，只有搞清楚了传感器节点的位置，我们才能知道“某一特定的事件发生在什么区域”，进而做出决策并采取措施，没有位置信息的监测数据是毫无意义的，如：车辆跟踪、森林环境监测、煤矿事故、人员搜救等等。因此，精确的定位技术对于无线传感器网络的应用来说有着重要的意义。本文首先介绍了无线传感网络中现有的一些典型的定位算法，并对它们各自的优缺点进行了简单的分析。根据定位过程中是否需要测量实际节点间的距离，定位算法可以分为基于测试距离的定位和距离无关的定位，目前，测距方法主要包括TOA(TirneofArrival)、TDOA(TimeDifferenceofArrive)、AOA(AngleofArrival)、RSSI(ReceivedSignalStrengthIndicator)等。其中，RSSI是利用理论或经验模型将信号在空气中的传输损耗转换为距离，所以RSSIi!iI,q距不需要添加任何额外的硬件设备，节约成本，简单易行，因而得到了广泛的应用，成为目前研究的热点。本文针对基于RSSI测距的加权质心定位算法中存在的一些缺陷，结合无线传感器网络的特点，从测距和定位两个方面展开了研究。首先，在测距阶段，基于RSSI测距的加权质心定位算法没有充分利用信标节点之间的信息来校正信标节点到未知节点的距离，从而使RSSI测距值存在很大的误差。其次，在权值选取阶段，该算法也没有体现出不同的信标节点对未知节点的影响力，针对这些缺陷，本文对其进行了改进，提T 太原理工大学硕士研究生学位论文出了一种基于RSSI校正的加权质心定位算法，新算法在测距阶段将信标节点之间的距离和信号强度信息同时考虑在内对RSSI测距值进行校正，充分利用了网络环境中的已知信息；在权值选取阶段采用一种新方法，充分考虑了信标节点对未知节点的影响力，仿真结果表明改进后的算法定位精度得到了明显提高。但是本人在后来的研究中发现这种新算法还存在不足之处，于是本文又提出了一种基于RSSI校正的修正算法。仿真结果表明，修正后的算法有效提高了定位精度，降低了定位误差。关键词：无线传感器网络，定位算法，RSSI校正，RSSI钡I]距值，加权质心 太原理工大学硕士研究生学位论文RESEARCHONWIRELESSSENSoRNETWORKLOCALIZATIONALGORITHMBASEDONRSSICORRECTIONABSTRACTWiththedevelopmentofscienceandtechnology,thewirelesssensornetworkhasbeenmorewidelyused，especiallyinthefieldoftrafficmanagement，environmentalmonitoring，productionsafety,smarthomeaswellasmedicalequipment，etc．andthenodelocationwascrucialfortheseapplications，onlyclearthelocationofthesensornode，wecouldknowthat”whereaspecificeventoccurred”，andthenmadedecisionsandtookmeasures，themonitoringdatawithoutlocationinformationwasmeaningless，suchas：vehicletracking，forestenvironmentmonitoring，coalmineaccidents，searchandrescuepersonnel，andSOon．Therefore，aprecisepositioningtechnologyhadimportantsignificancefortheapplicationofwirelesssensornetworks·Thispaperfirstintroducedsomeexistingtypicalpositioningalgorithminwirelesssensornetworks，andtheiradvantagesanddisadvantagesweresimplyanalyzed．TheexistingWSNlocalizationalgorithmmainlywasdividedintorange．basedlocalizationandrange—freelocalization，basedonwhethertomeasuIletheactualdistancebetweennodesintheprocessoflocating．Atpresent，therangingmethodmainlyincludedTOA(TimeofArrival)、TDOA(TimeDifferenceofArrive)、AOA(AngleofArrival)、RSSI(ReceivedSignalStrengthIndicator)etc．Amongthem，RSSIconvenedthesignaltransmissionlossesinIII 太原理工大学硕士研究生学位论文theairasthedistanceusingtheoreticalorempiricalmodel，SOtheRSSIrangingdidnotneedtoaddanyadditionalhardware，savingcost，simple，thusitwaswidelyused，andbecamethehotspotofcurrentresearch．Thispapercardedouttheresearchfromtwoaspectswhichwererangingandlocalization，aimingatthedefectsexistinginweightedcentroidlocalizationalgorithmbasedontheRSSIranging，andcombiningthecharacteristicsofwirelesssensornetworks．Firstofall，intherangingstage，weightedcentroidlocalizationalgorithmbasedontheRSSIrangingdidnotmakefulluseoftheinformationbetweenbeaconnodestocorrectthedistancebetweenbeaconnodeandunknownnode，SORSSIrangingvaluehadagreaterror．Secondly,Inthestageofweightselection，thealgorithmdidnotreflecttheinfluenceofdifferentbeaconnodesonunknownnode．Aimingatthesedefects，aweightedcentroidlocalizationalgorithmbasedonRSSIcorrectionwasproposed．Inrangingstage，thenewalgorithmcorrectedRSSIrangingvalue，bytakingthedistanceandthesignalstrengthinformationbetweenbeaconnodesintoaccountatthesametime，Itmadefulluseoftheknowninformationinthenetworkenvironment；Inthestageofweightselection，thenewalgorithmfullyconsideredtheinfluenceofthebeaconnodeonunknownnodebyusinganewmethod，thesimulationresultsshowedthattheimprovedalgorithmhassignificantlyimprovedthepositioningaccuracy．However,somedeficiencieswerefoundinthenewalgorithminlaterstudies，SOamodifiedalgorithmbasedOilRSSIcorrectionwasproposed．TheIV simuIationresultsshowedthatthemodifiedalgorithmhaseffectivelyimprovedthepositioningaccuracyandreducedthepositioningerrors．KEYWORDS：Wirelesssensornetwork，localizationalgorithm，RSSIcorrection，RSSIrangingvalue，weightedcentroid．V 太原理工大学硕士研究生学位论文VI 太原理工大学硕士研究生学位论文摘要目录ABSTRACI．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．，，．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．II目录．．．．．，．．．．，．．．．．．．．．．．．⋯．．⋯⋯⋯．．⋯．．．⋯⋯⋯．．．⋯．．．．．，．．⋯Vll第1章绪论．．．．．．⋯．．．．．．．．．．．．．．．．．．．．．．．．．．⋯．．⋯．⋯⋯⋯⋯⋯⋯．⋯，．11．1引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一11．2课题研究的背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯11．3本文的主要内容及组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2第二章无线传感器网络概述．．．．．．．．．⋯．．．⋯．．．⋯⋯．．⋯⋯．．．⋯．．．．．．．．⋯．．52．1无线传感器网络的起源、发展和现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯52．2无线传感器网络的结构和特点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯62．2．1无线传感器网络的体系结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯62．2．2无线传感器网络的特点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯92．3无线传感网络的应用领域⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．112．4无线传感器网络的关键技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．122。5无线传感器网络面临的挑战⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．152．6本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．16第三章无线传感器网络节点定位技术．．．．．．．⋯．．．．．．．．．．．．．．⋯．．．．．．．．．．．．．．．．．．173．1基本概念及术语⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．173．1．1基本概念⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一173．1．2基本术语⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一183．2定位算法分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．183．3计算节点位置的基本方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．203．4典型的定位算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一223．4．1基于距离的定位算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯～223．4．2距离无关的定位算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一253．5无线传感器网络定位算法的评价指标⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．283．6本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯29VII 太原理工大学硕士研究生学位论文第四章基于RSSI校正的加权质心定位算法，．．．．．．．．．．⋯．⋯⋯．⋯．⋯⋯．．．．⋯．．314，l无线信号传播损耗模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。314．1．1自由空间传播模型(FreeSpacePropagationModel)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯314．1．2双线地面反射模型(GroundReflection(Two—Ray)Model)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．324．1．3对数距离路径损耗模型(Log—DistancePathLossModel)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．324．1．4对数正态阴影模型(Log—NormalShadowingModel)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．334．2基于RSSI测距的加权质心定位算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯334．3基于RSSI校正的改进算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯344．3．1基于固定信标节点间距离的校正模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯344．3．2权值的修正⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．354．4算法步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯-364．5仿真与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．364．6结i仑⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯39第五章基于RSSI校正的加权修正算法⋯⋯⋯⋯．．．．⋯．．．⋯．．．．．．⋯．．．．．，．．⋯415．1修正算法的改进原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．415．2测距阶段的数学模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．415．3算法步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．425．4仿真实验与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．435．5结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4S第六章总结与展望．．．．⋯⋯⋯⋯⋯．．．．⋯．．．，．．．⋯．．．．．．．．．．．．．．⋯⋯⋯．．476．1论文总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．476．2下一步工作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．48参考文献．．．．．．．．．．⋯．．．．．．．⋯．⋯．．．．．．．．．⋯．．．．．．．．．．．．．．．．⋯．．．．⋯．．．．．．49致谢．．．．．．．．．．．．．．．．．．．．．．⋯，，⋯⋯．⋯⋯．．．，．．．．．．．．．．．．．．．．，．．．．．．．．⋯．．53攻读硕士期间发表的学术论文．．⋯．．．．．．．．．．．．．．．．．．．．⋯⋯⋯．⋯⋯．⋯．．．．⋯．．55VIII 太原理工大学硕士研究生学位论文1．1引言第1章绪论无线传感器网络(WirelessSensorNetwork，WSN)被认为是继互联网之后的第三次信息产业革命浪潮。它涉及到多门学科，涵盖了传感器、嵌入式以及无线通信等多种技术，是目前倍受关注的热点研究领域。无线传感器网络一个新兴的网络，它由海量的微型节点以自组织方式组建而成，这些高度集成化的传感器节点能够感知、采集各种环境信息，并通过多跳路由的方式把信息传至用户，从而实现了信息世界和自然世界的融合。作为一门新兴技术，无线传感器网络改变了人与自然的交互方式，它延伸了人类的感觉器官，通过它人类可以更方便地感知物理世界，从而更好地改造物理世界、促进社会的发展。无线传感器网络具备鲁棒性好、容错能力强、覆盖区域广、监测精度高等优点，在工农业控制、军事国防、环境监测11圳、智能家居15】、医疗保健畔1、工商xlk[9-10]交通运输fJll、反恐抗灾112-131等许多重要领域而具有十分广阔的应用前景。2003年，美国《技术评论》杂志论述未来新兴十大技术时，无线传感器网络被列为第一项未来新兴技术114】。同年，美国《商业周刊》未来技术专版，论述四大新技术时，无线传感器网络也列人其中【15】。美国《今日防务》杂志更认为无线传感器网络的应用和发展，将引起一场划时代的军事技术革命和未来战争的变革。2004年(IEEESpectrum)杂志发表一期专集：传感器的国度，论述无线传感器网络的发展和可能的广泛应用。可以预计，无线传感器网络的发展和广泛应用，将对人们的社会生活和产业变革带来极大的影响和产生巨大的推动。1．2课题研究的背景和意义在无线传感器网络中，位置信息对一个传感器节点所采集的数据来说至关重要，对于大多数应用而言，必须明确传感器节点的位置才能够详细说明“在什么位置或区域发生了特定事件”，没有位置信息的监测消息是毫无意义的【16j。位置信息不但可以提供监测事件的位置，还可以实现对监测目标的动态跟踪，预测目标的前进轨迹、提高路由效 太原理工大学硕士研究生学位论文率等【17】。因此，为了能够更好地发挥传感器节点的监测作用，就需要获取传感器节点的位置信息。定位技术作为无线传感器网络的关键技术之一，具有非常重要的地位和研究价值。它分为两大类：一类是无线传感器网络对自身节点的定位，另一类是对外部目标的定位，其中，前者是后者的基础，本文主要研究无线传感器网络的节点自定位技术。无线传感网络中基于RSSI的质心定位算法是一种基于测距的定位算法。该算法的基本原理如下：己知发射节点的发射信号强度，接收节点根据收到信号的强度，计算处信号的传播损耗，利用理论或经验模型将传输损耗转换为距离，再利用已有的算法计算出节点的位置。因为无线传感器节点本身就具有通信和测量功率的功能，因此无需增加额外的硬件设备，节约成本、简单易行，是一种廉价、低功率的测距技术，因此得到了广泛的应用。但是无线传感器节点周围的环境往往比较复杂，RSSI值容易受到反射、非视距、天线增益、多径传播等环境因素的影响，这样就会使得定位产生较大的误差。后来有学者针对这一缺点提出了基于RSSl测距的加权质心定位算法，该算法在权值选取阶段利用距离和的倒数作为权值118】，定位精度有所提高，但是它仍然存在一些缺陷，例如：在测距阶段，该算法没有充分利用环境中的已知信息来校正距离，从而使RSSI测距值存在很大的误差；在权值选取阶段，该算法也没有体现出不同的信标节点对未知节点的影响力，本文针对这些缺陷进行了改进，提出了一种基于RSSl校正的加权质心定位算法，并通过仿真实验对两种算法的性能进行比较，结果表明改进后的算法定位精度得到了明显提高。但是它还存在一些不足之处，比如在测距阶段该算法只是简单的对距离值求算术平均，并没有考虑到不同的信标节点对未知节点的影响力不同，于是本文又对上述算法进行了修正，并进行了仿真对比实验，实验结果表明，修正后的算法有效提高了定位精度，降低了定位误差。1．3本文的主要内容及组织结构本文各章节内容安排如下：第一章简要介绍课题的研究背景以及论文的整体构架。第二章对无线传感网络进行概述。分别介绍了无线传感器网络的起源、发展和现状，以及它体系结构、特点及应用，最后探讨了无线传感器网络中的关键技术和所面临挑战。第三章对无线传感网络中的定位技术进行了综述，分别介绍了实现定位过程的基本2 太原理工大学硕士研究生学位论文步骤、定位算法的现状和分类，并对定位算法的分类方法以及评价指标进行了说明，最后介绍了几种典型的定位算法。第四章先是介绍了四种无线信号传播损耗模型，并分别阐述了他们各自的优缺点以及应用范围，紧接着介绍了基于RSSI测距的加权质心定位算法，并指出了该算法存在的一些缺陷，针对这些缺陷，本章对其进行了改进，提出了一种基于RSSI校正的加权质心定位算法，并按照算法的流程对两种算法进行了仿真对比，最后，对仿真结果进行了分析总结。第五章针对第四章提出的算法在测距阶段存在的不足之处进行了修正，提出了一种修正的算法，并对两种算法进行了仿真对比实验。第六章总结了本文的研究工作，指出了目前的研究工作中所存在的问题，并对无线传感网络定位技术未来的研究方向以及广阔的应用前景做出了展望。3 太原理工大学硕士研究生学位论文4 太原理工大学硕士研究生学位论文第二章无线传感器网络概述2．1无线传感器网络的起源、发展和现状二十世纪七十年代起源了无线传感器网络技术的基本思想。1978年，在卡耐基梅隆大学成立了由美国国防部高级研究计划署(DARPA)组织建立的分布式传感器网络工作组并展开对其的研究，这被人称为无线传感器网络的雏形119】。在之后的八九十年代，对无线传感器网络的研究主要集中在军事领域，从九十年代中期开始，对该网络的研究扩展到美国和欧洲等发达国家和地区。1994年，美国ROCKWELL研究中心开始进行了芯片组网并可访问的WINS(WIRELESSINTEGRATEDNetworkSENSORS)项目。1995年，“国家智能交通系统项目规划”由美国交通部提出，将传感器技术、数据通信技术、计算机技术融合并用于管理地面交通。2001年，“灵巧传感器网络通信”计划由美国陆军提出，之后不久，又提出了“无人值守地面传感器群”项目；2002年5月，美国Sandia实验室与美国能源部合作研究出传感器网络系统；2005年美国多家研究中心、各个高校都加大了对下一代安全可靠、可编程的传感网络技术和系统的研究；这些努力都大大加快了无线网络技术的研究应用。此外，日本、英国、德国、加拿大等国家也都加入并开展了对无线传感网络的研究。2004年，日本成立“泛在传感器网络”研究会。欧盟发布了多处涉及对无线传感网络研究的第六个框架计划。世界著名的公司如Chipcon、Philips、Ericsson、Siemens、NEC、TI等公司也都加入了对无线网络技术的研究。在我国对无线传感网络方面的研究启始于1999年中国科学院的一个报告《知识创新工程点领域方向研究》。2001年成立微系统研究与发展中心专门进行无线传感网络的研究。之后，众多与此技术相关的课题都被列入国家自然科学基金项目。2006年的国家科技发展规划纲要中将智能感知技术与自组织网络技术同时列入信息技术的重要方向。我国的中科院上海微系统所、中科院软件所、中科院电子所、中科院自动化所、清华大学以及太原理工大学等院校科研单位也都积极展开了对无线传感器网络技术的研究工作1201。5 太原理工大学硕士研究生学位论文2．2无线传感器网络的结构和特点2．2．1无线传感器网络的体系结构无线传感器网络包括管理节点、汇聚节点和传感器节点。传感器节点一般都是通过飞机等工具随机散播在目标区域，自组织构成网络，它们探测到数据信息之后，先进行预处理，然后再通过多跳中继的方式传至汇聚节点，最后通过卫星或者Intemet传至管理节点。用户可以利用管理节点来操作整个网络121】。无线传感器网络的典型结构如图2—1所示；‘名一X0。-ZZLj≯"．-d／／i歪厂’≤”一～2荻一。一y量i7：≥i■∥一＼：t肆氏／．．。、＼＼．r∥，／、基站≠k，、～．：矿／／。。～‘、一、-，7＼，一‘甄联网藏翌掇：、＼、，厂／一⋯～1t～⋯一．访词终端，、、，、。，、}、＼。?‘i，。、／。?正弋．爻?。L。图2—1无线传感器网络体系结构Fi配-1ArchitectureofWirelessSensorNetworks传感器节点体系结构如图2-2所示，分为能量供应(即电源)模块、无线通信模块、处理器模块和传感器模块四部分【2l】。其中，负责感知采集物理信息，并通过模数转换将物理信号变为数字信号的模块为传感器模块，它由传感器和模数转换器组成；负责控制、协调、存储和处理数据的模块为处理器模块，它由处理器和存储器组成；负责无线通信、数据收发、交换控制信息的模块为无线通信模块；为节点提能量的模块为电源模块。此外还可对传感器节点进行升级，根据实际需要增加其他功能模块。节点分布应当适当密集，保证通讯顺畅。6 太原理工大学硕士研究生学位论文传感器模块处理器模块无线通信模块l匿刚慝剖r仁竺H!)怔困i能量供应模块图2—2传感嚣节点体系结构Fi92-2Architectureofsensornode传感器节点因为成本的限制，各种能力都非常有限，为了确保汇聚节点能够收到传感器节点采集到的信息，传感器节点必须密集分布。无线传感器网络赋予传感器节点双重功能，他们分别是采集信息和路由转发，也就是说每个传感器节点不仅要采集自己感知到的数据信息，还要转发其他节点采集到的数据，在整个监测活动中，各个传感器节点要相互协作，共同完成任务。汇聚节点的体系结构如图2—3所示【221，分为通信模块，射频收发模块、存储单元和中央处理单元四部分。其中，中央处理单元的主要功能是处理传感器节点采集的数据，同时完成一些控制功能；射频收发模块的功能与传感器节点类似，用于接收其他传感器节点发送过来的数据，以及发送对传感器节点的控制配置信息：为了能够给用户传输采集到的数据信息，汇聚节点还必须配有通信模块，例如GPRS(GeneralPaeketRadioService，通用无线分组业务)等，这样用户就可以通过手机终端或者个人电脑来监测传感器采集到的数据信息。传感器节点采集或者转发的数据信息通过射频收发模块输送到中央处理单元，中央处理单元先把这些数据信息存储到存储单元，然后再进行处理，最后再通过负责无线通信的通信模块如GPRS模块传送给用户，用户通过终端设备就可以观察到采集到的数据。反过来，用户下达的命令(比如控制配置信息)经过无线通信模块传输给中央处理单元，经过中央处理单元处理之后再通过射频收发模块下发给网络中的传感器节点。汇聚节点的存储、通信和处理能力都要比传感器节点强大很多，它通过协议转换连接传感器网络与外部网络，实现传感器网络与管理节点之间的通信。7 太原理工大学硕士研究生学位论文图2—3汇聚节点体系结构Fi92-3Architectureofsinknode图2—4WSN网络协议栈-Fi92—4WSNnetworkprotocolstack无线传感器网络的协议栈如图2—4所示，它包括物理层、数据链路层、网络层、传输层和应用剧20l。此外，还包括移动管理平台、任务管理平台和能量管理平台。传感器节点在这些管理平台的控制与调配下能够协同工作，共享资源、转发数据并能够执行多任务‘231。各层协议功能如下：(1)物理层的功能主要是收发数据并调制信号。(2)数据链路层主要负责差错控制、媒体访问控制、帧监测和数据成帧、。(3)通常情况下，大部分传感器节点采集的数据都需要通过中间节点的转发才能传至汇聚节点，因此网络层的主要功能是生成并选择路由。(4)传输层的主要功能是传输并控制数据，保证传输质量。8 太原理工大学硕士研究生学位论文(5)应用层结构上主要包括一些基于监测任务的软件，它主要解决一些应用上存在的共性问题。各管理平台作用如下：(1)能量管理平台考虑怎样使用并分配能源才能使能源的利用率达到最大化。(2)移动管理平台的主要功能是维护各个传感器节点到汇聚节点的路由信息。(3)任务管理平台的主要作用是调度和平衡用户下发的监测任务。2．2．2无线传感器网络的特点目前一些常见的无线网络有蓝牙、红外、无线局域网、蜂窝移动电话网、Adhoc网络等，在这些网络中，无线传感器网络与Adhoc网络最为相似，因为它们都不需要固定基础设施，都是通过自适应组网、多级跳变传输，且都能适应拓扑结构的变化，但同时无线传感器网络又具有自己的一些特点：1．传感器节点体积小、成本低随着科学技术的发展，传感器节点中各个模块的集成度变得很高，因而具有体积小的优点，这也符合大规模应用的要求。另一方面，无线传感器网络中传感器节点数目众多，为了降低网络成本就必须要求传感器节点造价低廉。2．大规模网络实际应用中，监测区域通常需要部署大量的传感器节点，这样做的目的是为了获取更加精确的数据信息，大规模网络主要包括两层含义：一层是指监测区域有限，但节点却分布得非常密集。另一层是指传感器节点分布的地理区域非常广阔，例如我们通常会在原始大森林大量播撒数以万计的传感器节点，起到森林防火和环境监测的作用。传感器网络的这种大规模性具备很多优点，比如：覆盖面广，盲区较少，这是因为传感器节点数目庞大；监测精度高，这是因为传感器节点普遍采用分布式处理；获取的信息信噪比高，这是因为可以从不同的视角获得信息；系统具有很强的容错性能，这是因为网络中存在大量的冗余节点。3．节点能量有限，能力有限无线传感器网络一般都会部署在环境非常危险的地方，而且传感器节点一般都是由纽扣电池供电，电源容量非常小，所以一旦电池能量耗尽，就无法为传感器节点更换电池或者补充能量，这也就意味着传感器节点从此废弃或者失效，因此节能对于无线传感9 太原理工大学硕士研究生学位论文器网络来说极其重要。传感器节点包括无线通信模块和处理器模块，处理器模块又包括存储器和处理器，这些部件的通信能力有限，计算能力非常弱、存储空间也很小，因为它们受到成本、体积、功率和能量等方面的限制。4．以数据为中心无线传感器网络是一个以数据为中心的网络，我们通常只对传感器节点所采集的数据感兴趣。因此我们在设计无线传感器网络的时候必须以数据信息的感知、处理和管理为中心，把网络技术和数据库技术紧密结合在一起，从而使无线传感器网络成为一个以数据为中心的网络系统。5．自组织网络传感器节点一般都是通过飞机等工具播撒的，因此它们的位置是随机分布的，这就要求传感器节点之间能够相互协作，以自组织的方式组成网络‘241。6．动态性强在无线传感器网络的应用中，不断地有旧节点失效或者新节点加入，从而使传感器网络的拓扑结构发生动态的变化，这就要求无线传感器网络必须具备自适应性，能够适应这种动态变化【241。7．可靠性高无线传感器网络中的传感器节点一般都会通过飞机被随机布撒在环境恶劣或者危险的区域，想通过人工来维护是不切实际的，因此传感器节点必须具备高强壮性和容错性。8．多跳路由传感器节点的通信能力很弱，只能和附近的节点通信。倘若想要和更远距离的节点通信，则必须经过中间节点的转发，也即我们通常所谓的路由，这样每个节点既可以发送自己采集的信息，也可以转发别的节点采集的信剧241。9．各异性物理世界的物理量千差万别、种类繁多，不同的应用所关注的信息不同，因此对无线传感器网络设计的要求也千差万别，其网络协议、硬件平台和软件系统一定会存在相当大的差异。虽然不同的应用都会有一些相似之处，但是在开发过程中我们更关注无线传感器网络的差异。高效的目标系统都是贴近应用的，因此为每一个具体的应用量身定10 太原理工大学硕士研究生学位论文做一套目标系统是无线传感器网络的一个鲜明特点。2．3无线传感网络的应用领域无线传感器网络的应用前景非常广阔，可以广泛应用在军事、灾难救援、空间探索等领域。它的应用对人类生活的方方面面都产生了重大影响，这主要体现在以下的这几个方面口51。(1)军事领域由于无线传感器网络自组织能力强，可以快速部署，并且具有很强的隐蔽性、容错性等优点，使得它非常适合应用于军事领域。在恶劣的战场环境中，我们可以通过炮弹或者飞机直接将大量传感器节点投放到敌方阵地，这些节点之间可以通过自组织的方式形成网络，这样我们就可以利用无线传感器网络对战场情况进行实时监控，及时获取有利于我方作战的重要信息【251。(2)灾难救援’j有些地方在遭遇重大自然灾害之后，本地区的通信网络或者计算机网络可能会瘫痪，给我们的抗灾救援工作带来很大的困难，在这种关键时刻，无线传感器网络就起到了重要作用，因为它不需要借助任何固定的网络设施，并且能够迅速的以自组织的方式形成通信网络，这样借助无线传感器网络我们就可以及时有效的对受灾地区实施救援工作【2l】。(3)环境监测和预报系统无线传感器网络也可被用于生态环境监测，例如：对空气、河流、森林等进行监测。还可用于研究鸟类和昆虫类的种群复杂度等。在预报系统方面，无线传感器网络可用于监测森林火灾、河水水位、降雨量、土壤水分以及煤矿井下的瓦斯浓度等，并在最短的时间内将监测信息发送给有关部门，做好预防工作，防止森林火灾、山洪、泥石流、瓦斯爆炸等灾难的发生。(4)医疗护理无线传感器网络还可以被应用在医疗卫生领域。例如：我们可以在高血压或者心脏病患者的身上安装一些测量血压或心率的传感器节点，这样医生或者病人家属就可以通过无线传感网络收集到的信息随时了解病人的状况，当病人遇到突发情况，就可以在第一时间展开抢救。 太原理工大学硕士研究生学位论文(5)空间探索探索银河系之外的各种行星，寻找适合我们人类生存的类地球一直以来都是我们人类梦寐以求的理想。随着科技的发展，我们离这个梦想越来越近了。今天科学家们可以借助航天器把传感器节点播撒在外星球表面，这些传感器节点通过自组织的方式形成网络，并且可以和地面进行通信，这样我们就可以通过传感器节点返回的数据信息对外星球表面进行长期监测，这也是到目前为止我们人类研究出的最可行的探测方案。美国宇航局的JPL实验室研制出的无线感应网(Sensorwebs)经在佛罗里达宇航中心周围的环境监测项目中进行了测试和完善，该项目就是为未来探测火星做技术准备【26】。(6)智能家居无线传感器网络也可以应用到我们的家庭里面，例如我们可以在家具或者家电里面嵌入传感器节点，他们相互之间通过自组织的方式形成无线传感网络之后，再连接到Intemet上，这样就形成了一个智能家居系统，我们可以通过移动终端远程遥控家电。例如：在炎热的夏天，我们可以在下班回家之前提前半个钟头打开家里的空调，也可以通过远程遥控电话机查收电话留言，通过遥控电视机提前选择好电视节目，还可以通过遥控微波炉、电饭锅等厨房设备完成热菜、煮饭等功能。可见，无线传感网络让我们的生活方便、舒适了。(7)其他应用在一些环境恶劣或者人类无法到达的自然区域，对设备的监控和维护一直都是个难题，比如：石油管道的维护，单靠人工排查几乎无法完成，但无线传感器网络的出现恰恰解决了这一难题，我们可以通过无线传感器网络来实时监控设备的安全状况；同时，无线传感器网络也可以应用在交通安全领域，例如可以通过它来监控车辆，包括智能交通控制和车辆跟踪与控制；另外，在物流管理、公共安全等领域无线传感器网络也很受推崇。2．4无线传感器网络的关键技术无线传感器网络是一门多学科交叉的新型网络，其中涉及到很多关键技术，下面我们逐一进行介绍。(1)节点定位技术在无线传感器网络中，当传感器节点监测到某个事件发生时，我们最关心的是该事12 太原理工大学硕士研究生学位论文件发生在什么位置，因为只有准确监测到事件发生的位置，用户才能进一步做出正确决策，并采取相应的措施。但是传感器节点要想准确无误的监测出某个事件发生的位置，就必须首先确定出自己的准确位置，因此，节点自定位技术对于无线传感器网络的检测活动来说非常关键。(2)无线通信技术无线传感器网络中的传感器节点由于功率的限制，通信范围很有限，其通信半径一般只有几十米到几百米，只能和自己邻居节点直接通信，因此无线传感器网络是一种低功耗短距离通信的网络。如何在有限的通信能力下高质量的传输并处理数据信息是摆在广大科研工作者面前的一道难题。IEEE802．15工作组制定的IEEE802．15．4标准是一项针对低速率个人局域网的通信标准，这种低速率无线个人局域网的特点是功率有限、成本低廉、吞吐量灵活、网路结构简单，该标准定义了物理层(PHY)和介质访问层(MAC)，它把低成本、低速率和低功耗作为设计目标，传输速率的下限可以低至9．6kbiVs，不支持传输语音。这些都非常符合无线传感器网络的特征，因此，现在国际上的很多权威机构在研究无线传感器网络时，都把它作为无线通信平台。(3)系统功耗无线网络技术的应用范围大多是环境情况非常复杂的区域，传感器节点的能量供应部分电源一般选用的是微型电池，电量存储并非很大，一旦能量耗尽，想通过人工来替换电池几乎是不可能的，这就使得节能问题变得异常重要。为了节约能量、使传感器节点的工作时间尽可能的增加，必须解决的首要问题便是低功耗。根据协议，系统有大量能量消耗在MAC层中，设计时应采用睡眠和侦听交替进行。同时，不仅要降低单个传感器节点的功耗，而且要解决整个网络的低功耗。(4)网络安全协议由于传感器节点的存储空间有限、计算能力非常弱，因此很多复杂、有效且成熟的网络安全协议和算法都不能直接拿来使用，这就需要我们根据无线传感器网络的特点开发出专用于无线传感器网络的安全协议。作为任务型网络的无线传感器网络不仅要传输数据，而且还要对数据进行采集和融合，此外还要对各项任务进行协调控制。由于无线传感器网络节点数目庞大，分布区域广阔，缺乏人工的监控和维护，信息在传输过程中很可能会遭到窃听、篡改、恶意代码等安全威胁，特别是在一些重要的应用场合，例如：战场监测等军事领域，网络的安全问题就显得异常重要。因此如何保证传输过程的的安13 太原理工大学硕士研究生学位论文全性和机密性，就成为无线传感器网络今后的重点研究方向之一。(5)数据融合技术数据融合技术是无线传感器网络中的一项关键技术，通过这项技术我们可以实现节能。它主要是通过剔除网络中冗余的数据信息来减少网络的通信量，从而有效地利用能源。在无线传感器网络中，传感器节点分布密集，互相之问协作感知，因此邻居节点所采集到的数据信息在一定程度上很相似，这样节点采集到的数据就有很大冗余，如果把这些数据都传给用户，就会产生非常大的通信开销，消耗过多的能量，而且这些原始数据中有很多都是用户不需要或者不关心的，这样就造成了很多不必要的浪费，因此我们可以先利用节点的储存能力和计算能力对采集的数据进行处理，去除冗余信息，只保留对用户有用的信息，另外，为了防止部分节点因为失效而丢失信息，需要对多份数据信息进行提炼综合，这种处理方式就是数据融合。通过数据融合能够节省整个传感器网络的能量，提高信息的准确度，同时也能提高数据传输的效率。通过数据融合技术可以减少整个不必要的通信开销，节省整个传感器网络的能量，提高了信息的准确度，同时也提高了收集数据的效率，从而延长了整个网络的生存周期。但是数据融合技术也面临着一系列的挑战，例如：多数据流的同步、网络时间的延迟、网络带宽的限制、网络的动态特性和无线通信的不可靠性等。(6)网络拓扑控制网络拓扑控制是无线传感器网络的核心技术之一。在保证网络的连通度和覆盖度的情况下，如何去除传感器节点之间多余的通信链路让网络拓扑结构更合理、更高效，一直以来都是摆在科研工作者面前的一道难题。拓扑控制包括两方面的内容，分别是：层次型拓扑结构的形成和传感器节点的功率控制。为了最大限度地降低网络的功耗，层次型拓扑控制采用分簇结构。而传感器节点的功率控制则是通过调节无线传感器网络中每个节点的发射功率，均衡处于节点单跳范围之内的邻居节点的数量。一个好的网络拓扑结构，能提高网络中MAC协议和路由协议的效率，为时间同步、节点定位和数据融合等技术打好基础，能够节省传感器节点的能量，从而延长网络的寿命。(7)传感器节点的设计传感器节点设计的一个重点就是面向无线传感器网络的嵌入式操作系统开发。传感器节点高度的模块化和密集的并发性对操作系统的设计者来说是一个严峻的挑战。14 太原理工大学硕士研究生学位论文(8)时间同步时间同步技术也是无线传感器网络的一项关键技术，它在节点的休眠、多跳传输等方面保障了无线传感器网络的协同工作。无线传感器网络中的每个传感器节点都有自己的本地时钟，但是由于电磁波干扰、温度变化等因素的影响，不同节点的晶体振荡器频率之间存在偏差，这时我们会想到利用传统网络的时问协议，但是受到体积、价格和能量等因素的约束，传统网络的时间协议并不能适用于无线传感器网络，因此就需要我们设计出一种新的时间同步机制来满足传感器网络的需求。2002年8月，无线传感器网络中的时间同步机制首次被正式提出，从此引起了广大学者的广泛关注。在上述诸多关键技术当中，节点定位技术是重中之重，它是其他一些关键技术的基础，比如：目标跟踪、数据融合、数据管理、网络安全等都需要用到定位技术。本文将在后续章节详细对其进行阐述。2．5无线传感器网络面临的挑战无线传感器网络给人类生活带来了巨大改变，它推动了科技的进步和社会的发展，但同时也面临着一系列的挑战，下面我们对这些挑战逐一进行介绍。(1)低能耗传感器节点通常都是由微型电池供电，而此类电池的容量非常有限，一旦电池能量耗尽节点就作废了，因为无线传感器网络一般都被部署在环境恶劣或者危险的地区，因此无法通过人工去给节点更换电池，而且传感器节点分布密集，数目庞大，通过人工更换电池也是很不现实的，这就要求我们在设计各种算法和协议的时候，必须把节能问题放在首要位置，使每个节点的能耗降到最低，最大程度的延长整个网络的生存周期。(2)实时性无线传感器网络面临的另一个重要挑战就是实时性问题。现在很多应用都提出了这方面的要求。当无线传感器网络中发生某一事件时，传感器节点必须在第一时间做出反应，准确得定位出该事件发生的位置，然后在最短的时间把位置信息发送给用户，这样用户才能在第一时间做出决策并采取相应的措施，这就要求我们在设计各种算法和协议的同时，尽量做到简单高效，因为只有这样才能提高无线传感器网络的实时性。(3)低成本无线传感器网络分布区域广阔、节点数目庞大，节点的成本也会影响整个网络的成15 太原理工大学硕士研究生学位论文本，因此，我们在设计节点的硬件结构和软件算法时，要尽量做到简单高效，使传感器节点微型化。另外，降低网络管理和网络维护的开销，可以在很大程度上降低整个网络的成本，这就要求传感器网络具有强大的自动配置能力和自我修复能力。(4)安全性传感器节点的能量有限，计算和通信能力也非常弱，因此要最大程度的降低各种开销，但是这样一来又给无线传感器网络的安全带来了严重的威胁，因此如何在保证传感器网络安全的前提下用最少的能量完成数据传送任务是我们今后研究的一个重要课题。(5)协作性在无线传感器网络中，像目标跟踪、目标识别这些技术单靠一个节点是无法完成的，这就需要多个节点之间互相协作，通过某种算法交换数据信息，然后再对数据进行过滤、讲过和汇总等操作，最后以事件的形式传送给用户，在这个过程中，某些节点可能会因为耗能过快而失效，因为我们在设计网络协议和通信协议的时候一定要本着简单、高效的原则，最大程度的降低节点的能量消耗。2．6本章小结本章主要对无线传感器网络进行概述，先是详细介绍了无线传感器网络的发展历程及其结构和特点，接着对无线传感网络的应用领域和关键技术做了详细阐述，最后列举了无线传感器网络所面临的一系列挑战，这些都为后续章节中定位算法的研究奠定了基础。16 太原理工大学硕士研究生学位论文第三章无线传感器网络节点定位技术为了执行各种监测任务，通常会通过飞机等把传感器节点随机播撒到需要监测的区域，这些节点以自组织的方式构成无线传感器网络，它们无法事先知道自己的位置，因此需要对自身进行定位。传感器节点通常都采用分布式定位，在该技术中，未知节点同少量己知节点之间存在一种相互关系，它们根据这种关系来确定自己的位置，这个过程就被称作节点自定位【z丌。节点的位置信息对于整个无线传感器网络的监测过程来说极其关键，因为只有清楚了事件发生的准确地点，用户才能进一步做出正确决策，并采取相应的措施。因此，对于无线传感器网络来说，节点定位技术是一项非常关键的技术。传感器节点的通信能力很差，并且能量很有限，因此对定位算法的要求非常高128|。通常情况下要求定位算法具备自适应性、鲁棒性和能量高效等特点。3．1基本概念及术语3．1．1基本概念无线传感器网络节点具有体积小，数量大，分布广的特点，如果为每个节点都装配GPS是不现实的，因此定位装置只能装备给少数的节点，此类节点就叫做信标节点，其余的节点叫做未知节点。在图3—1中，信标节点为M，未知节点为S。通过与信标节点进行无线通信，未知节点可获得定位信息，并在此基础上利用某种定位算法算出自己的位置129]。图3-1传感器网络中的信标节点和未知节点Fi醪-1。B蔓aeonnodes细dthelmknoWnnodesinSensornetworks17 太原理工大学硕士研究生学位论文3．1．2基本术语和；下面我们介绍一下定位技术中常用的一些术语。信标节点——坐标己知的节点；未知节点——坐标未知的节点；邻居节点——与某个传感器节点相隔一跳距离的所有节点；信标节点密度——信标节点的数目与总节点数的比值：跳数——两个传感器节点相隔的最少跳段数；跳段距离——从一个传感器节点到另一个传感器节点所经过的所有跳段的距离总基础设施——可以协助传感器节点定位的固定设备，比如GPRS；到达时间——信号从发射节点传送到接收节点经过的总时间；到达时间差——传输两种速率不同的信号所用的到达时间的差值；接收信号强度指示——节点接收到的信号的强度值；到达角度卜传感器节点自身的轴线和它接收到的信号之间的角度值：视线关系——两个传感器节点间可以直接通信，不存在任何障碍物；非视线关系——两个传感器节点之间因为存在障碍物而不能直接通信；通信半径—在发射功率不变的前提下，传感器节点所能达到的通信距离的极限值；连通——两个传感器节点之间能够互相通信；连通度——一个传感器节点周围的邻居节点总数；覆盖率——已经定位成功的传感器节点数量与所有的待定位节点数量的比值。定位误差——节点的估算位置和的实际位置之间的偏差。3．2定位算法分类在无线传感器网络中，定位算法通常有以下几种分类。1．基于距离的定位算法和距离无关的定位算法基于距离的定位算法和距离无关的定位算法是根据定位过程中是否需要测量节点之间的距离或角度来划分的。前者根据测得的距离值求出未知节点的坐标；后者则是利用某种数学或者几何关系估算出未知节点的位置，不需要测量实际距离或角度，而所以18 太原理工大学硕士研究生学位论文对传感器节点的硬件要求比较低【301，但是这种算法要求网络具有良好的连通性。以上两种定位算法均要求有较短的时延和较高的定位精度。2．集中式定位算法和分布式定位算法它们的差别在于网络的计算方式不同。在集中式定位算法中，有一个功能非常强大的中心节点，该节点先收集其他所有节点的定位信息，然后利用这些信息对所有节点的坐标进行集中计算，最后再通过广播发送给网络中的每一个节点f3l】，中心节点具有非常强大的通信、计算和存储能力，因此该算法的定位精度很高，但是实时性和连通性很差，由于所有的节点都要通过中心节点实现定位，而中心节点附近的节点作为信息传递的桥梁，通信负担自然会非常大，因此很容易过快地消耗完能量而导致失效，这样就会中断整个网络的传输；而分布式定位算法是所有节点同时、独立完成各自的定位，因此，该算法能够实时定位，具有通信效率高的优点。3．递增式定位算法和并发式定位算法递增式的定位算法通常是先对信标节点附近的节点进行定位，然后再定位距离较远的节点。它最大的缺陷是定位过程中会积累测量误差，定位精度低；而并发式的定位算法是对全部节点同时定位，因此它不会积累误差，定位精度更高【321。4．基于信标节点的定位算法和非基于信标节点的定位算法这两种算法划分的主要依据是是否以信标节点作为参考进行定位，．基于信标节点的定位算法中，各节点都以信标节点为参考进行定位，最后产生整体绝对坐标系统；非基于信标节点的定位算法只关心节点间的相对位置，在该算法中，所有未知节点都参考自己的位置定义一个坐标系，并把周围的节点都纳入进来，这样就会得到很多个相邻的坐标系统，把它们转换之后进行合并就形成了一个整体相对坐标系统【321。5．绝对定位算法与相对定位算法绝对定位算法与相对定位算法的主要差别在于参考物的不同。前者使用相同的参考物形成一个绝对坐标系统。用该算法对同一个节点多次进行定位，得到的节点位置坐标不变。后者使用不同的参考物产生一个相对坐标系统。绝对定位有时候可以转化为相对定位。绝对定位受移动节点的影响很小，并且能够给各个节点提供唯一的坐标命名，因此它的应用领域更广[291。而相对定位则可以实现部分路由协议，比如某些基于地理位置的路由。6．粗粒度定位算法和细粒度定位算法19 太原理工大学硕士研究生学位论文粗粒度定位算法和细粒度定位算法的区别主要在于定位过程中所采集的信息粒度的大小。粗粒度定位算法是通过和信标节点的接近程度来度量的。细粒度定位算法则是依靠信号强弱来度量。7．三角测量、场景分析和接近度定位三角测量和接近度的定位与粒度定位原理很类似。场景分析有所区别，它是利用场景的特点来估计坐标。通常情况下，很容易获得被监测的场景，并对其进行对比。这种方法的优点是能耗小、保密性强。缺点是必须提前做好场景数据库，一旦场景改变，则需要重新建立数据库。3．3计算节点位置的基本方法在基于距离的定位算法中，未知节点在测得到信标节点的距离或者角度之后，一般通过以下三种方法计算自己的位置。(1)三边测量法图3-2三边测量法原理图Fi93—2Trilaterationprinciplediagram如图3．2所示，彳G。，儿)、B(Xb，Yb)、c(x。，虬)为三个信标节点，它们与未知节点D的距离分别为以、吒、d。，如果我们假设未知节点D的坐标为G，少)例。则有以下公式：厄iF而了=d。瓜iF而=吃(3—1)氐．c再而i：dc由式(3一1)我们能够求出未知节点D的坐标为：20 太原理工大学硕士研究生学位论文[；]=[；g：二羹；i2乏二羔习～【《一x；2+露2一尤2++彰dc2一刃2]c3—2，|-yJ。12阮一t)2抚一M列l《一x；+露一尤+彰一刃j¨一纠(2)三角测量法如图胃所示琢k；一y。)、Bk，Y。)、CCx：,力为三个信标节点_2ADB，ZADC，ZBDC分别为未知节点D相对节点A、B、C的角度，假设未知节点D的坐标为b，y)‘321。图3-3三角测量法原理图Fi93-3Triangulationprinciplediagram倘若弧段AC在AABC内，则节点A、C和ZADC就能够唯一确定一个圆，假设圆心为qk。，Yo．)，半径为1，则口=刨D1c=(2万一2劁删，且存在以下公式：厄i再而=‘胍i再而=‘(3埘(z。一xc)2十(y。一y。)2=2‘2—2^2COS由式(3—3)我们就可以计算出圆心q的坐标以及半径‘。同理，对于A、B和么ADB我们可以求出相应的圆，bo，bD2，Y。：)和半径吃，对B、CZBDC也一样能求出圆心o，b吼，Yo,)和半径r3。最后再利用三边测量法，通过点qbq，Y。，)，02(X02，,J，岛)，03Xo,，地)就可以求出未知节点D点的位置坐标。(3)最大似然估计法如图3-4所示，G，，Y。)、G：，Y：)、G，，Y，)、⋯、G。，Y。)分别为1、2、3等n个信标节点的坐标，且它们到未知节点D的距离分别为d。、以、d3-""以，假设未知节点D的坐标为，1 太原理工大学硕士研究生学位论文G，y)‘331。则有以下公式：l“一x)2+∽一y)2=d?{；Xn—x)2+抚一y)2=d?从第一个方程开始依次减去最后一个方程，得f#一K2—2“一％h+衍一Y：一2“一以b=矸一d：{；l吒2一，一x：一2k一。一Xnh+J，毛一％2—2(yn一．一儿砂=《。一d：式(3—5)可表示为线性方程：AX=b，其中：(3—4)(3—5)A《硝冀¨x耋2乏2麓2。≥2强2豺2bx：嘲A：l；jl，：I1^1一々十t¨一．中“一，_“】．1，x：I^II2k-1--Xn)2◇¨一以)I【．x三，一《+正·一露+钟一砟·j【-yj使用标准的最小均方差估．、⋯"⋯I：1,⋯z，I⋯⋯⋯--+。占i、D的坐标为x：0r一彳)-1爿r6C图3-4最大似然估计法原理图Fi鲈．-4Maximumlikelihoodestimationprinciplediagram3．4典型的定位算法3．4．1基于距离的定位算法在基于距离的定位过程中，常用的测距方法有TOA、TDOA、AOA、RSS]等，相应的定位算法也可以分为以下四种，下面我们逐一进行介绍【341。1、基于TOA的定位算法 太原理工大学硕士研究生学位论文该算法是一种基于信号到达时间的定位算法，在该算法中，信号的传播速度是己知的，这样我们只要测得信号的传播时间就可以求出节点之间的距离，然后再利用三边测量法或者极大似然估计法就可以计算出节点的位置。如图3-5所示，传感器节点的定位部分主要由CPU模块、扬声器模块、无线电模块和传声器模块四部分组成。假设发射端和接收端在时间上是同步的，一旦声波信号通过发射端的扬声器模块发送出去，接受端就会立即被无线电模块通过无线电同步消息通知，此时接收端就会记录下声波信号的发送时间，一段时间之后，接受端的传声器模块会监测到声波信号，此时接收端就会记录下信号的到达时间，进而计算出声波的传播时间，然后再根据声波的传播速度求出距离。假设未知节点能够计算出到多个(三个或三个以上)信标节点的距离，那么它就可以利用极大似然估计法或者三边测量算法计算出自己的位置。我们之所以采用声波信号进行传输，是因为它速度慢，对硬件要求低，可以节约成本。该算法有很高的定位精度，但对硬件方面要求非常严格。图3-5声波测距图示Fi93·5Soundrangingdiagram2、基于TDOA的定位算法如图3-6所示，发射端同时发射两种不同速度的无线信号，它们的传播速度分别为C1、C：，相应的到达时间分别为为T1、T2，则我们可以计算出发射端和接收端之间的距离为旺一互)×S，其中，s：』￡2_。当未知节点计算出距离三个以上信标的距离时，c】一c2就可以利用三边测量法或者极大似然估计法计算出自己的坐标。23 太原理工大学硕士研究生学位论文发射端接收端T图3—6TDOA定位原理图示Fi93·6TDOAPositioningprinciplediagram该算法定位精度较高，但是同TOA技术一样对硬件方面要求很高，因此成本较高，功耗也较大。3、基于AOA的定位算法这是一种基于信号达到角度的定位算法，如图3—7所示，发射端通过扬声器模块发射信号，信号达到接收端之后，接受端通过传声器阵列测得信号的到达角度，进而求出和发射端之间的相对角度，当求出和三个发射端的相对角度之后就可以利用三角测量法求出自己的坐标。此算法也具有较高的定位精度，但是很容易被环境影响，另外它需要附加更多的硬件，成本较高，功耗也比较大。图3—7AOA定位图示Fi93—7AOALocationdiagram4、基于RSSI的定位算法这是一种基于接受信号强度指示的定位算法，它通过经验模型或者理论模型把信号在传输过程中的损耗转变成距离，然后再利用三边测量法或者极大似然估计法计算出自己的坐标。经验模型：在实际定位时，我们可以筛选出均方差最小的几个点，这些点构成一个多边形，节点的位置就是这个多边形的质心。也可以通过多次测量信号强度，最后对它，4 太原理工大学硕士研究生学位论文们取平均值，这就是经验模型。该模型定位精度较高，但是必须提前知道信号强度和位置的关系，建立放映二者关系的数据库，当节点位置变化时时这个数据库就需要重新建立。理论模型：信号在传播过程中必然会受到墙壁等障碍物的阻挡，信号强度必然会大幅度衰减，这就给测量带来影响，为了考虑这种影响，我们可以建立一个传输距离和信号衰减之间的关系式，如式(3—6)。接收端通过式(3—6)可以计算出到发射端的距离，当求出到三个以上发射端的距离时，就可以通过三边测量法或者最大似然估计法求出自己的坐标。荆却。，-10nlg(窘{糍嚣洚6，式中，do表示参考距离；d表示发射端和接收端之间的距离；尸p)表示接收端接收到的发射端发送的信号强度；地)表示接收端接收到的d。处发送的的信号强度；n表示路径损耗与路径长度的比值，它跟实际环境有关；nW代表发射端和接收端之间的墙壁数目；C代表信号最多能够穿过多少个墙壁；WAF表示信号衰减因子，它也跟实际应用环境有关【35】。RSSI定位技术不需要附加额外的硬件，成本较低，实现起来比较容易，但是它很容易受到环境的影响，定位精度比较低。3．4．2距离无关的定位算法距离无关的定位算法利用某种几何或数学关系估算出未知节点的位置，不需要测量未知节点和信标节点之间的距离。典型的距离无关的定位算法主要有以下几种。1、质心定位算法质心定位算法是利用几何关系来估算未知节点的位置，应用这种算法的前提是要有良好的网络连通性。在该算法中，信标节点每隔一段时间就会地向周围节点广播分组数据，分组数据包括节点ID和坐标等。在规定的时间内，如果某个信标节点发送的分组数量超出了未知节点提前设置的阈值，我们就认为二者已经连通，统计出所有跟未知节点连通的信标节点，它们之间构成一个多边形，未知节点就处于这个多边形的质一il#Ol。2、DV—Hop定位算法25 太原理工大学硕士研究生学位论文由于传感器节点的能量有限，导致它的通信距离非常受限制，因此就需要通过一种手段来协助它完成数据的传输，而多跳路由恰恰就是这么一种行之有效的方式，在这种方式中传感器节点只与它周围的邻居节点交换信息，这就是DV—Hop定位算法。该算法利用网络的连通性进行估算，而不需要测量未知节点和信标节点之间的距离。DV—Hop算法是一种基于距离矢量的定位算法，它的主要定位步骤由3个阶段组成：(1)测定跳数阶段所有节点都使用距离矢量交换协议来测定它们距离各信标节点的跳数，并记录在相应的信息表格当中。(2)距离校正阶段某个信标节点在测得距离其他信标节点的跳数并获取它们的坐标之后，就可以通过(3—7)式来计算平均每跳距离，然后采用泛洪方式在整个网络中广播这个校正值【301。孑：y巫丑互丑俘7)“I-k，，。其中，根ij习‘百_了了指的是信标节点f，，之间的距离，i*j，ku指的是信标节点衍Ⅱ，之间的最d,霉Jg数。(3)节点位置确定阶段未知节点测得到多个(三个或者三个以上)信标节点的距离时，就可以通过三边测量或者最大似然估计法计算出自己的位置‘361。如图3—8所示，已知三个信标节点A、B、C，并且知道他们之间的跳数以及跳段距离。以信标节点B为例，我们能求出网络中的单跳距离平均为：(50+80)／(2+5)=18．57。然后B就向周围广播这个平均值，未知节点s接收到这个平均值之后就能计算出到三个信标节点A、B、C的距离分别为3x18．57、2x18．57、3x18．57。这样未知节点S的坐标就可以通过三边测量法测得pT／。该算法定位精度高，但是通信量大、对节点密度要求高、并且要求无线传感器网络节点具有各向同性。DV—Hop定位算法的原理图如下图3-8所示。26 太原理工大学硕士研究生学位论文图3—8DV—Hop定位算法原理图Fi93—8DV-Hoplocalizationalgorithmprinciplediagram3、凸规划算法我们可以把传感器网络模型看作是一个凸集，只需要变换一下思维，把传感器节点之间的通信连接当做是一种几何约束即可，这样定位问题就变成了凸约束的优化问题，接下来我们就可以通过线性规划的方法得到一个最优解，这个最优解就是未知节点的坐标【291。该算法的原理如图3—9所示，假设未知节点能够和三个信标节点A、B、C建立通信连接，则可以确定其位于以A、B、c为圆心，以r(通信半径)为半径的三个圆的重叠区域(即：图中的阴影部分)，根据重叠区域我们可以画出一个矩形区域，未知节点就处于这个矩形区域的质心。这种算法的特点是约束条件越小定位就越精确。4、APIT算法图3-9凸规划算法原理图Fi93-9Convexprogrammingalgorithmprinciplediagram27 太原理工大学硕士研究生学位论文APIT(approximatepointintriangulationtest，近似三角形内点测试法)算法是通过不断缩小包含未知节点的区域来确定节点坐标。它的具体原理如下：首先找出多个包含未知节点的三角形区域，它们的交点构成一个多边形，未知节点就处于这个多边形的质心【3¨。该算法的优点是性能稳定，定位精度高，对信标节点的分布要求较低，但前提是网络要有良好的连通性。3．5无线传感器网络定位算法的评价指标我们通常根据下面一些指标来评价一个定位算法的性能。(1)定位精度定位精度是众多评价标准中首要的也是最重要的一个指标。它是指定位误差和节点通信半径的比值‘501。(2)规模规模是指定位算法应用领域的大小，不同的算法应用的规模不同，视实际需要而定。(3)节点密度节点密度是指网络中平均每个节点周围有多少个邻居节点，又称作网络的平均连通度。从它的定义我们可以看出，节点密度越大，网络的连通度就越好，定位效果自然也就越好。但是增大节点密度会增加通信量，这势必会给网络通信造成严重冲突，更重要的是会提高成本。定位精度与节点密度成正比，例如DV．Hop定位算法就是一个典型的例子，它只有在传感器节点密集部署的前提下才能精确地估算出节点位置信息。(4)信标节点密度信标节点一般都是通过GPS来定位或者人工提前指定位置。信标节点密度能够影响很多定位算法的性能，这些算法要求我们在部署信标节点时，一定要按照均匀并且密集的原则。尽管信标节点密度对于定位精度来说很重要，但是信标节点通常是由人工提前部署的，受自然环境的限制人工部署通常会遇到很多不便，因此大面积的部署信标节点是不可能的；其次，GPS设备非常昂贵，如果采用GPS对信标节点进行大面积定位会增加网络成本，这对于无线传感器网络部署来说很不现实。因此，信标节点密度也是评价定位算法性能的一个关键指标。(5)覆盖率28 太原理工大学硕士研究生学位论文覆盖率指的是可定位的未知节点数目占全部未知节点的比例。受实际环境的限制，虽然我们尽可能地密集部署，但是总有一些未知节点无法定位，或连通度非常低(小于3．0)。因此，我们在设计定位算法时，尽可能达到精确定位所有未知节点。(6)容错性以及自适应性定位算法的设计一般都是以理想条件为前提，但是在实际应用中，往往因为以下几方面的因素使定位结果产生很大的误差。这些因素包括：(1)网络设备的限制，例如：物理损伤、节点电池耗尽、完全遮蔽等，从而导致节点或局部网络失效，进而造成整个网络瘫痪。(2)定位算法自身的限制以及定位环境的影响，比如：信号衰减、通信盲点、多径传播、非视距等因素。(3)由于硬件方面的限制以及环境的影响导致测量误差增大，因此我们设计出来的定位算法必须具备很强的自适应性和容错性，不仅要能够适应复杂多变的环境，而且还要能够弥补硬件方面的不足【3踟。(7)功耗功耗是一个非常关键的指标。这主要是因为无线传感器节点一般都会被部署在人类根本无法到达的恶劣的环境中，并且节点电池一般都是一次性的，容量非常有限，一旦电量耗尽就无法通过人工进行更换，所以我们不仅要提高定位精度，还要节约使用能量，延长网络的生存周期。因此，功耗是我们在设计算法的时候必须考虑的一个重要问题。上述各项指标之间是相互制约的，在提高一个同时可能会降低另一个，因此我们必、jm须具体情况具体分析，根据不同的应用进行权衡，设计出最适合的方案。3．6本章小结本章首先介绍了一下定位算法的分类以及它们的分类依据，其次，详细介绍了计算节点位置的基本方法和几种典型的定位算法。最后，列举了几个主要的评价定位算法性能的指标，并提出了改善方法。29 太原理工大学硕士研究生学位论文30 太原理工大学硕士研究生学位论文第四章基于RSSI校正的加权质心定位算法节点定位技术一直以来都是无线传感器网络中的一项关键技术，而基于接收信号强度指示的定位技术又是目前的研究热点，它的优点是不需要添加额外的硬件，操作简单，容易实现，这使得基于RSS]澳J距的定位算法在实际中的应用非常广泛1393。但是在实际定位过程中，这种方法很容易受周围环境的影响，从而导致测量误差比较大。针对这个问题，有人提出了基于RSSI钡t]距的加权质心定位算法，该算法在权值选取阶段利用距离和的倒数作为权值118l，定位精度有所提高，但是它仍然存在一些缺陷，例如：在测距阶段，该算法没有充分利用环境中的己知信息来校正距离，从而使RSSI钡d距值存在很大的误差；在权值选取阶段，该算法也没有体现出不同的信标节点对未知节点的影响力，本文针对这些缺陷进行了改进，提出了一种基于RSSI校正的加权质心定位算法，并通过仿真实验对两种算法的性能进行比较，结果表明改进后的算法定位精度得到了明显提高。并且算法复杂度和网络开销也维持在合理的范围之内。4．1无线信号传播损耗模型最常用的无线信号传播损耗模型主要有以下四种：自由空间传播模型(FreeSpacePropagationModel)，地面反射(双线)模型(GroundReflection(Two--Ray)Model)，对数距离路径损耗模型(Log--DistancePathLossModel)以及对数正态阴影模型(Log--NormalShadowingModel)。4．1．1自由空间传播模型(FreeSpacePropagatiOFtModeI)自由空间传播模型适用于理想的通信环境，即：接收端和发射端之间完全无阻挡，两者之间只有一条无障碍的直线路径。假设发送节点和接收节点之间的距离为d，则接收节点接收到的功率为：删=器汁1)其中，只为发射功率，单位为W或者mW,G,为发射天线增益，G，为接受天线增益，L为系统损耗因子，且L≥1，当L=I时，表明系统中的硬件没有损耗。五为波长，单31 太原理工大学硕士研究生学位论文位为m。自由空间传播模型的通信范围是以发射节点为中心的一个圆形区域，只有当接受节点处在这个圆内时才能够接收到发射节点发送的信号。否则，将会丢失数据包。4．1．2双线地面反射模型(GroundRefIecton(Two—Ray)ModeI)自由空间模型只考虑了信号的直线传播，并没有考虑到信号碰到障碍物之后出现反射的情况，因此自由空间模型在实际应用中很受局限。为了弥补自由空间模型的这种缺陷，有人提出了双线地面反射模型，它的传输模型也是一个理想圆，不同的是该模型同时考虑了直线传播路径和地面反射路径，此模型在远距离传输时比自由空间模型预测得更精确【401。假设发送节点和接收节点之间的距离为d，则接收节点接收到的功率为：Pp)：掣(4-2)其中，曰为发射功率，单位为w或者mW,啊为发送天线的高度，Gf为发射天线增益，hr为接收天线的高度，G，为接受天线增益，L为系统损耗因子，且L≥l。相比而言，自由空间传播模型更适用于短距离传输，而地面反射(双线)模型在远距离传输时效果会更好。4．1．3对数距离路径损耗模型(Log—DistancePathLossModeI)这两种传播模型都是以理想环境为前提，然而在实际应用中，信号传播会受到绕射、多径效应、障碍物阻挡等因素的影响，这样就会导致无线信号的传播损耗与理想模型计算值相比有很大误差。为了更贴合实际应用就提出了对数距离路径损耗模型，它准确描述了路径损耗随距离增长而呈现出对数衰减的特征，该传播模型为：厂，、瓦0枷】-瓦p。)【dBl+lOn，lod孚I(4-3)＼“o／其中，瓦p)为到接收端的所有可能路径损耗的平均值，单位为dB：瓦瓴)为在参考距离d。处的所有可能路径损耗的平均值，单位为dB，它可由式(4—1)计算得出；d为发送节点和接收节点之间的距离，单位为m；do为参考距离，一般取do=1m；刀。为路径损耗指数，通常是在具体环境中通过实际测量得来的经验值。刀。的取值范围一般在2—6之间，表4．1列出了不同环境下的路径损耗指数疗。的取值情况。32 太原理工大学硕士研究生学位论文表4-1路径损耗指数的几个典型值Table4-1Severaltypicalvaluesofpathlossindex4．1．4对数正态阴影模型(Log—NormaShadowingModeI)对数距离路径损耗模型没有考虑在距离不变的情况下，由于周围环境的差异而导致接受到的信号能量不同。而具有统计特性的对数正态阴影模型弥补了这一缺陷，该模型指出对于任意的距离值路径损耗是一个服从正态对数分布的随机变量。因此，对数正态阴影模型在无线传感器网络中得到了更广泛的应用。本文主要采用对数正态阴影模型，即Shadowing模型。它由两部分组成：第一部分为损耗模型，公式为：掣：f旦]”(4-4)丽一【、万／J其中，a0(一般取1m)为参考距离，P(d。)为在参考距离d。处接受的信号强度，尸臼)为在距离d处接受到的信号强度，n为路径损耗指数，取值范围为2～6，一般情况下它的取值与障碍物的数目成正比。第二部分咒是一个对数正态随机变量，即以dB作为计量单位时它满足高斯分布㈤。它主要反映了在距离不变的情况下，接收能量是随机变化的。完整的Shadowing模型为：[制]鲫叫⋯g㈡眠m勖4．2基于RSSl测距的加权质心定位算法基于RSSI测距的加权质心定位算法在测距阶段，利用式(4—5)求出距离d．它以给定距离民(一般取1m)和接收信号强度砸。)作为参考；在定位阶段，为了体现不同交点对未知节点的影响力，为每一个交点坐标增加了权值14l】。算法基本原理图如图l33 太原理工大学硕士研究生学位论文所示，O。、O：、03为三个信标节点，以、如、如分别为未知节点P到3个信标节点D，、O：、q的测试距离，b。，Y。lb口．y。lGc，Yc)为3个圆的交点A、B、C的位置坐标，则未知节点P的估计坐标可用公式(4-6)来求取：。=等生等哔—da+—dB十i鬲+百瓦(4—6)羔4+18+丝蜘=等生等哔—da+—da+一dB+de+丽图4-1三边测量实际图Fi94-1Theactualfigureoftrilateration4．3基于RSSl校正的改进算法基于RSSI测距的加权质心定位算法在测距阶段没有考虑到信标节点之间的距离和信号强度对测距值的影响，使得RSSI测距值存在很大的误差；并且该算法对于权值的选取也存在一些问题，它没有突出权值中d。和d口的主导地位关系，例如当dA>以时，与dA相关的信标节点离该顶点的距离更远，在权值中应该起到次要作用，但是却起到了主要作用，掩盖了应该起主要作用的d。。而本文提出基于RSSI校正的加权质心定位算法针对上述问题进行了修正。4．3．1基于固定信标节点间距离的校正模型在测距阶段，由shadowing模型的第一部分：错=(丢)”计算得到以信标节点哆为参考从未知节点M到信标节点尽的距离：34 太原理工大学硕士研究生学位论文d?：互粤(4—7)P”式中：弓表示信标节点q接收到信标节点尽的信号强度平均值(单位roW)，只表示未知节点M接收到信__俅---印-14--点j9I的信号强度平均值(单位mW)，‰为信标节点E和色之间的距离【421。假设艘‘表示信标节点q接收到信标节点忍的RSSI平均值(单位dBm)，RSSI，表示未知节点M接收到信标节点墨的RSSI平均值(单位dBm)。则RSSI平均值(单位dBm)和信号强度平均值(单位roW)的转换关系如下：．R．．．．S．S—／{—／P=1010(4-8)Ⅳ堕生只=1010(4-9)再假设信标节点尽的通信半径内有N个信标节点，则未知节点M到信标节点j5I的距离吐可以表示为∥对于所有j的平均值H”，即：∑∥d。=冬(4—10)Ⅳ4．3．2权值的修正在定位阶段，采用更近邻居质心定位算法【431对传统加权质心定位算法的权值进行修正。从图4．1中可以看出，每组交点中有一个交点对待定位节点的影响力更大，例如交点B和D，交点B更接近待定位节点。B和D为圆1和圆2的交点，它们与信标节点a的距离分别为岛和％，比较k、％与信标节点c到待定位节点距离磊的差的绝对值的大小，如果l岛～吃I≤Ik一呜I，那么选取交点B，如果l厶一呜J≥I如一吗I，那么选取交点D。同上，利用相同的计算方法从另两组交点C和E，A和F中分别选取一个交点，最后得到3个影响力相对更大的交点，分别对它们的横坐标和纵坐标求加权平均就得到未知节点的坐标。假设M。、M：、坞分别为3个交点的权值，下面以坞为例进行说明(M。和肘：计算方法相同)。35 太原理工大学硕士研究生学位论文k刊轧刊纵札刊：必札刊(4—11)未知节点的估计坐标可以用公式(9)来求取，即：’．一工B×^毛+％×M2+■×M4MI+M!十M、。，一YB×M3七ycxM!+yAxM、jP—M＼+Ml+M、其中，交点A、B、C为选取的3个影响力更大的点。4．4算法步骤(4-12)对于上述改进算法的具体实现，按如下步骤进行：(1)将区域划分为若干个相邻的等边三角形，将信标节点分别置于三角形的顶点，信标节点周期性地向周围发射定位信号。。(2)未知节点接受到信息后记录下每一个信标节点的RSSI值，当接受到50个RSSI值后取均值，作为接受到的RSSI值。(3)根据RSSI测距算法得到它们距未知节点的距离。(4)用本章提出的基于RSSI校正的加权质心定位算法进行定位，求出定位坐标。(5)计算定位误差e=√G—x)2+(y—y)2。(6)对落在三角形内的所有未知节点的定位误差求和eSHITI。(7)计算平均定位误差e(N为随机生成的未知节点中落在等边．average=e．sum／N三角形内的点的个数)(8)计算平均定位误差率e_average_percent=e_average／L(L为等边三角形的边长)4．5仿真与分析采用MATLAB对此进行仿真，仿真环境为200m*180m。为了简单起见，让信标节点位于等边三角形顶点。A，B，C为三个选定的信标节点，节点坐标己知，分别为A=【0，0】；B=【5t，5t幸sqrt(3)】；C=[10+t，O】；其中，t为正整数，从1变化到20。未知节点通过Maflab7．12．0自带的随机生成函数生成，随机分布在该区域内，总共生成53个未知节点。另外在仿真实验环境中加入了均值为0，方差为11．8的高斯噪声，用它来代替实际环境中的多径传播、反射等因素带来的影响。路径损耗指数11设为2。最后 太原理工大学硕士研究生学位论文通过Shadowing模型按照上述算法步骤对两种算法进行仿真比较，比较结果如下图所示：三蛭剥>-x坐标(m)图4—2传统加权质心定位算法的节点定位误差分布图Fi94-2Nodelocalizationerrormapoftraditionalweightedcentroidlocalizationalgorithm三蛭引>-图4—3本文加权质心定位算法的节点定位误差分布图Fi94—3NodelocalizationerrormapofWeightedcentroidlocalizationalgorithminthispaper37 太原理工大学硕士研究生学位论文图4-4两种定位算法的平均误差率Fi94-4Theaverageerrorrateoftwolocationalgorithm图4-2、图4—3分别为两种算法的节点定位误差分布图，节点定位误差是指节点的实际位置与预测位置的距离。图中，五角形和圆圈分别表示信标节点和未知节点的实际位置，星号代表未知节点的预测位置。图4-2是传统的基于RSSI测距的加权质心定位算法的节点定位误差分布情况，图4—3是本章提出的基于RSSI校正的改进算法的节点定位误差分布情况。比较图4—2和图4—3可以看出，利用本文算法计算出的大部分节点位置与实际位置偏差比较小，而用传统的基于RSSI测距的加权质心算法预测出的节点位置与实际位置偏差比较大。图4—4表示两种定位算法的平均误差率，从图中我们可以更加清晰地看出，本文算法的平均误差率明显低于传统的基于RSSI测距的加权质心算法。表4．2从平均误差率的样本均值和样本方差两个方面对两种算法的性能进行了比较。表4-2两种算法的性能比较Table4·2Performancecomparisonofthetwoalgorithms两种算法平均误差率的样本均值平均误差率的样本方差基于RSSI测距的加权质心定位算法0．00470．0076基于RSSI校正的加权质心定位算法0．00210．0048从表中数据可以看出，本章提出的基于RSSI校正的加权质心算法相对于传统的基于RSSI测距的加权质心算法，平均误差率大约降低了55．32％，样本方差大约降低了36．84％，也就是说节点的定位精度提高了一倍，并且数据稳定性也提高了很多，由此可见，本章提出的算法明显优于传统算法，这主要是因为基于本章算法在测距阶段充分利38 太原理工大学硕士研究生学位论文用了信标节点之间的己知信息，这样得出的测距值更加精确，在定位阶段选取了更加合适的权值，充分体现了不同距离的信标节点对未知节点的影响力大小不同。虽然改进算法在一定程度上增加了算法复杂度及开销，但是却大大提高了定位精度和数据的稳定性。4．6结论本章首先介绍了最常用的四种无线信号传播损耗模型，分别阐述了他们各自的优缺点以及应用范围。最后本文采用在无线传感器网络中应用最广泛的对数正态阴影模型，即Shadowing模型。紧接着介绍了基于RSSI；贝t]距的加权质心定位算法，并指出了该算法存在的一些缺陷，比如：在测距阶段没有充分利用信标节点之间的信息来校正信标节点到未知节点的距离，权值的选取也没有体现出不同的信标节点对未知节点的影响力。针对这些不足之处，本文对其进行了改进，提出了一种改进的基于RSSI校正的加权质心定位算法，该算法在测距阶段充分利用了信标节点的信息对RSSIi贝!]距值进行校正，权值的选取采用更近邻居质心的方法，充分考虑了不同信标节点对未知节点的影响力大小不同，实验表明改进后的算法定位精度得到了明显提高。39 太原理工大学硕士研究生学位论文 太原理工大学硕士研究生学位论文第五章基于RSSI校正的加权修正算法在上一章中，我们提出了一种基于RSSI校正的加权质心定位算法，与传统的基于RSSI测距的加权质心定位算法相比，该算法明显提高了节点的定位精度，但是该算法还存在一些不足之处，比如在测距阶段，距离的计算还不完善，本章对其进行了修正，提出了一种基于RSSI校正的加权修正算法，并对两种算法进行了仿真对比实验，结果表明，修正算法定位精度更高，有效降低了误差。5．1修正算法的改进原理基于RSSI校正的加权质心定位算法在测距阶段，先是通过式(4—7)计算出以未知节点周围所有的信标节点为参考时的距离值，然后再通过式(4—10)对这些距离值求算法平均，得到最后的距离值。这种方法没有充分考虑到每个信标节点对未知节点的影响力大小，因为有的信标节点距离未知节点比较近，二者的周围的环境很相似，这样它对未知节点的影响力就会比较大，因此我们在对距离求平均的时候就应该给它赋以较大的权值，以突出它对未知节点的影响力。针对这个问题，本章对原算法的测距阶段进行了修正。修正算法的主要思想是通过信标节点之间的RSSI值与未知节点接收到的RSSI值的差值来推测信标节点与未知节点的接近程度，根据接近程度的大小给参考不同的信标节点计算出来的距离值分别赋予不同的权值，然后求加权平均，用这样的方法测得的距离，充分考虑到了每个信标节点对未知节点的影响力，计算更加科学，因此得到了可信度更高的距离信息。5．2测距阶段的数学模型假设MG，M)，Ⅳ2。k，奶)，Ⅳ3代，乃)，⋯，Ⅳ卅Xm，％)分别为in个参考节点，N。G。，Y。)是未知节点，并作以下定义：dF：节点Ⅳf和N，之间的距离；弓：节点N，接收至I⋯⋯⋯,-14-点M的信号强度；41 太原理工大学硕士研究生学位论文RSSI口：节点N，接收到的来自节点Ni的信号强度的RSSI值表示：则RSSl口(单位dBm)和弓(单位roW)的转换关系如下：竺墅尸=10m(5一I)U嘛知节点Ⅳu和参考节点Ⅳ·加的关系为讥根据式(4-4)删得矿Pl__u[鲁]，帆：埠，同理可叭：埤，吐。：埠～巾TdlmPlm；。由蚵E。二弓。i鼻。i舅。一11以得到：—RSS—112RSSIt_3盟d。。=警，d。。：警，吐。：等，⋯，c，。。：等。1010”10Io”1010”1010n假设RSSl,2，RSSI,3，．．-，冗．跚。中有t-1个与RSSI,。不相等的值，他们分别为兄孓羁2，RSSl,3，⋯，R-孓鞋，O≤砌。贝0：—RSS—,112—RSS—Jt3盟瓦=盟型≠盟型≮告警(5-2)【、爿·+爿：⋯+A,-ijlo10”其中，爿t2两碉1，彳z2两两1，．．’，4，两两1再把吐。和剩余的m-t个与RSSII。相等的RSSI。。(f=t+l，t+2，．．-研)所对应的距离值求算术平均，这样求得的距离值就是未知节点虬和参考节点Ⅳl之间的距离。5．3算法步骤对于上述改进算法的具体实现，按如下步骤进行：(1)将区域划分为若干个相邻的非等边三角形，将参考节点分别置于三角形的顶点，参考节点周期性地向周围发射定位信号。(2)未知节点接受到信息后记录下每一个参考节点的RSSI值，当接受到50个RSSI值后取均值，作为接受到的RSSI值。(3)根据RSSI测距算法得到它们距未知节点的距离。42 太原理工大学硕士研究生学位论文(4)用本章提出的基于RSSI校正的加权修正算法进行定位，求出定位坐标。(5)计算定位误差已=√G—x)2+◇一】，)2。(6)对落在三角形内的所有未知节点的定位误差求和eslim。(7)计算平均定位误差e_average=e—sum／N(N为随机生成的未知节点中落在三角形内的点的个数)(8)计算平均定位误差率e_average_percent=e_average／L(L为两个参考节点之间的距离)5．4仿真实验与分析采用MATLAB对此进行仿真，仿真环境为200m*180m。为了简单起见，让参考节点位于三角形项点。A，B，C为三个选定的参考节点，节点坐标己知，分别为A=『0，O】；B=【6*t，11+t】；C=【lO*t，O】；其中，t为正整数，从1变化到20。未知节点通过Matlab7．12．0自带的随机生成函数生成，随机分布在该区域内，总共生成76个未知节点。另外在仿真实验环境中加入了均值为0，方差为11．8的高斯噪声，用它来代替实际环境中的多径传播、反射等因素带来的影响。路径损耗指数n设为2。最后通过Shadowing模型按照上述算法步骤来对两种算法进行仿真比较，比较结果如下图所示：x坐标(m)图5—1原算法的节点定位误差分布图Fi95-1Nodelocalizationerrormapoforiginalalgorithm43 太原理工大学硕士研究生学位论文图5-2修正算法的节点定位误差分布图Fi95·2Nodelocalizationerrormapofmodifiedalgorithmx10‘3图5—3两种定位算法的平均误差率Fi95—3Theaverageerrorrateoftwolocationalgorithm图5-1、图5-2分别为两种算法的节点定位误差分布图。图中，五角形和圆圈分别表示信标节点和未知节点的实际位置，星号代表未知节点的预测位置。图5—1是原算法的节点定位误差分布情况，图5—2是修正算法的节点定位误差分布情况。比较图5—1和图5-2可以看出，利用修正算法预测出的节点位置与实际位置偏差比较小。图5—3表示两种定位算法的平均误差率，从图中可以看出，修正算法的平均误差率整体上要低于原 太原理工大学硕士研究生学位论文算法。表5．1分别从平均误差率的样本均值和样本方差两个方面对两种算法的性能进行了比较。表5-1两种算法的性能比较Table5-1Performancecomparisonofthetwoalgorithms两种算法平均误差率的样本均值平均误差率的样本方差修正算法0．00220．0051原算法0．00170．0037从表5．1中的数据可以看出，相对于原算法，修正算法平均误差率的样本均值大约降低了22．73％，样本方差大约减小了27．45％，因此，修正后的算法具有更高的定位精度，而且数据更稳定，这主要是因为修正算法在测距阶段采用-J'力n权平均，充分考虑了不同信标节点对未知节点的影响力大小不同，相对于原算法的算术平均，这样的计算方法更加科学，权值分配更加合理，求出来的距离值可信度更高。5．5结论上一章提出的基于RSSI校正的加权质心定位算法在测距阶段没有考虑到每个信标节点对未知节点的影响力，而是利用算术平均求得距离，这样计算出来的距离还不是很准确，本章针对该算法的不足之处，对其进行了修正。修正算法在测距阶段将信标节点之间的RSSI值与测得的RSSI值做差，然后将差值的倒数作为权值对参考不同信标节点计算出来的距离值进行加权求和，最后求出加权平均值，将加权平均值作为最终的距离估计值。这样做充分考虑了每个信标节点对未知节点的影响力，计算方法更加科学。文章最后对两种算法进行了仿真对比实验，实验结果表明修正算法有效降低了定位误差，提高了测距精度和定位精度。45 太原理工大学硕士研究生学位论文46 太原理工大学硕士研究生学位论文6．1论文总结第六章总结与展望本文首先对无线传感网络做了一个整体概述，然后详细阐述了无线传感网络中的定位技术，分别论述了实现定位过程的基本步骤、定位算法的现状和分类，以及分类方法和评价指标。接下来介绍了基于RSSI测距的加权质心定位算法，并指出了该算法存在的一些缺陷，比如：在测距阶段没有充分利用信标节点之间的信息来校正信标节点到未知节点的距离，权值的选取也没有体现出不同的信标节点对未知节点的影响力，针对这些缺陷，本人对其进行了改进，提出了一种基于RSSI校正的加权质心定位算法，改进算法在测距阶段将信标节点之间的距离和信号强度信息同时考虑在内对RSSI测距值进行校正，权值的选取采用更近邻居质心的方法，充分利用了信标节点的信息，在本章最后对两种算法进行了仿真对比，实验结果表明改进后的算法定位精度得到了明显提高。但是本人在后来的研究中发现第四章提出的这种算法还存在不足之处，比如在测距阶段，我们以未知节点周围的每个信标节点为参考分别可以计算出一个距离值，但该算法只是简单的对这些距离值求算术平均，并没有考虑到每个信标节点对未知节点的影响力大小，这样计算出来的距离值并不是很准确，因为每个信标节点对未知节点的影响力不同，距离未知节点比较近的信标节点对未知节点的影响力就比较大，因此我们在对距离求平均的时候就应该给它赋以较大的权值，以突出它对未知节点的影响力，反之亦然。信标节点与未知节点之间距离的远近我们可以通过RSSI的差值来判断。因为假设某个信标节点距离未知节点比较近，那它所处的环境跟未知节点所处的环境就会很类似，从同一个发送节点接收到的RSSI值也就会比较接近，相应的RSSI的差值就会比较小。距离的权值我们可以采用RSSI差值的倒数，确定了权值，我们就能够对以不同信标节点为参考求出来的距离值进行加权求和，最后求出加权平均值，并将其作为最终的距离估计值。这就是本人在第五章中所采取的的修正算法，这样做充分考虑了每个信标节点对未知节点的影响力，计算方法更加科学。为了验证这种科学性，本人在第五章最后对两种算法进行了仿真对比实验，实验结果表明修正算法有效降低了定位误差，提高了测距精度和定位精度。47 太原理工大学硕士研究生学位论文6．2下一步工作由于本人的理论水平和经验非常有限，论文中还存在很多不足之处需要进一步深入和完善：(1)虽然本文提出的算法与传统的基于RSSI测距的加权质心定位算法相比，在定位精度上有所提高，但同时也在一定程度上增加了算法复杂度及网络开销，这样无形中就增大了无线传感器节点的能量消耗，缩短了无线传感器网络的生存周期。因此如何在提高定位系统的精度的同时又不增加算法复杂度及网络开销将是今后研究的一个重要方向。(2)本文的仿真实验中所用的信标节点数目比较多，这样一方面浪费资源，提高网络成本，另一方面会造成信标节点相互之间的干扰。但是信标节点太少又会导致未知节点定位不准确，因此如何在保持定位精度不变的情况下减少信标节点数目将成为今后研究的一个重点。(3)本文主要是在对数正态阴影模型，即Shadowing模型下进行的仿真实验，并且仿真环境比较简单，跟实际应用环境还是有很大的差异，而RSSI定位技术却是和实际的应用环境紧密相关的，因此下一步如果有条件的话可以通过搭建实际的无线传感器网络环境，对本文中的定位算法效果进行实际验证。48 太原理工大学硕士研究生学位论文参考文献[1]陈利虎．无线传感器网络实验平台的研究[M]．国防科技大学出版社，2004．【2]D．Steere，A．Baptist,a,D．McNamee，C．Pu，etc．ResearchChallengesinEnvironmentalObservmionandForecastingSystems【c】．In：ProceedingsofACM／IEEEMOBOCOMConference，Boston，Aug2000：292-299．【31R．L．Moses，D．Krishnarnurthy,R．PaHerSon．Anauto·calibrationmethodforunattendedgroundsensors【C】．ICASSP,May2002：2941-2944【4]CerpaA，ElsonJ，EstrinD，etc．Habitatmonitoring：applicationdriverforwirelesscommunicationstechnologyfC】．ProceedingsofACMSIGCOMMWorkshoponDataCommunicationsinLatinAmericaandtheCaribbean，CostaRica．2001：3-5[5]蒋承延，吴思远，陈伟．基于无线传感器网络的智能家居系统[J]．微计算机信息，2007，13：205—207．：【61a．V：U．Ph锄iKumar,A．M．Reddy、‘D．Janakiram．Distributedcollaborationforeventdetectioninwirelesslsensornetworks【C】．MPAC，2005：235—237．【7]H．Bat，M．Atiquzzaman,D．Lilja．WirelessSensorNetworkforAircraftHealthMonitoringIC]．In：ProceedingofBroadBmandNetworks．Oct2004：748—750[8]郑凯．基于Zi曲ee无线传感器技术的心电监护网络的研究[D]．吉林大学：2009[9]白占元，徐皑冬．基于无线传感器网络的工程机械姿态控制系统[c]．2007仪表、自动化及先进集成技术大会论文集(二)，2007：86—89．【lOlK．Lorincz,M．Welsh．MoteTrack：ARobust,DecentralizedApproachtoRF—BasedLocationTracking【C】．In：ProceedingsofInternationalWorkshoponLocationandContex—Awareness，Berlin，Germanys州nger-VerlagPress，2005：63—82【IllL．Q．Zhuang,K．M．Gob,J．B．Zhang．Thewirelesssensornetworksforfactoryautomation：Issueandchallenges【C】．ProceedingofEmergingTechnologies&FactoryAutomation’07，2007，9：141—148．【121D．Wu,L．Bao，M．Du，etc．DesignandEvaluationofLocalizationProtocolsandAlgorithmsinWirelessSensorNetworksUsingUWB．Performance【C]．ComputingandCommunicationsConference(iPCcc)，Austin，Texas，USA，7-9Dec，2008：18-25．【131L．Girod，D．Estrin．Robustrangeestimationusingacousticandmultimodalsensing【C】．In：Proceedings49 太原理工大学硕士研究生学位论文ofIEEEInternationalConferenceIntelligentRobotsandSystems(IROS’01)，V01．3，Muai，Hawaii，USA，2001：1312—1320．【14]10EmergingTechnologiesThatWillChangetheWorld．TechnologyReview,2003，1(1)：22-49．[15]孙利民，李建中，陈渝．无线传感器网络[m]．北京：清华大学出版社，2005，88—89．[16]李白莉，徐玉斌，李俊吉．改进DV—Hop定位算法在随机传感器网络中的研究[J]．太原科技大学学报，2011，32(2)：85—88．【17]Chuan-MingLiu，ChuanHsiuLee，Li—ChunWang．Distributedclusteringalgorithmsfordata-gatheringinwirelessmobilesensornetworks．JournalofParallelandDistributedComputing,2007，67(11)：1187—1200．[18]陈维克，李文锋，首珩，等．基于RSSI的无线传感器网络加权质心定位算法[J]．武汉理工大学学报，2006，20(12)：2695—2700．[19]李晓延．浅谈无线传感器网络[J]．今日电子，2006．9：57—59．[20]周海奇．无线传感器网络低功耗自适应集簇分层路由协议的研究与改进[D]．长沙：湖南师范大学，2009．[21]杨洁．基于公钥认证机制的无线传感器网络及其性能分析[D]．西安：西安电子科技大学，2006．[22]刘明，毛莺池．高效节能的传感器网络数据收集和聚合协议[J]．软件学报2005，12(16)：2106—2117．[23]周佐华．无线传感器网络能量感知的低功耗路由算法[D]．武汉：华中科技大学，2007．[24]孔卫．事件驱动型无线传感器网络技术研究[D]．重庆：重庆大学，2007．[25]简伟．超高速毫米波无线传感通信系统[D]．北京：北京邮电大学，2011．[26]张中华．基于RSSI校正的无线传感器网络质心定位算法[D]．济南：山东大学，2011．【27]YedavalliK，KrishnamachariB，RavulaS，etc．EeoloealiZation：ASequenceBasedTechniqueforRFLocalizationinWirelessSensorNetwork．IEEE2005：38．45．【28]AsreJ，ClareL．Anintegratedarchitectureforcooperativesensingnetworks【J】．IEEEComputerMagazine．2000，33(5)：106—108．[29]于建水．基于AOA和TDoA的无线传感器网络三维联合定位算法[D]．济南：山东大学，2009．[30]王瑛辉．无线传感器网络定位技术的研究[D]．兰州：兰州理工大学，2008．[313端木庆敏．无线传感器网络节点定位算法研究[D]．长沙：国防科学技术大学，2006．[32]赵军．无线传感器网络定位机制的研究[D]．西安：西安电子科技大学，2007．[33]宋玉梅．无线传感器网络节点定位技术研究与实现[D]．成都：电子科技大学，2008．50 太原理工大学硕士研究生学位论文[34]曹生岭．基于信号差异的自适应分布式室内定位算法的研究[D]．哈尔滨：哈尔滨工业大学，2008．[35]胡文鹏．一种基于RSSI的无线传感器网络定位算法的设计与实现[D]．长春：吉林大学，2009．[36]王晟．无线传感网络节点定位与覆盖控制理论及技术研究[D]．武汉：武汉理工大学，2006．[37]袁风鹏．无需测距的无线传感器网络定位算法研究[D]．上海：上海交通大学，2010．[38]何青春．无线传感器网络定位算法研究[D]．北京：北京邮电大学，2011．[393赵飞．基于RSSI的无线传感器网络定位算法研究[D]．南京：南京邮电大学，2011．[40]朱登科．基于RSSI的无线传感器网络测距和定位技术研究[D]．长沙：国防科学技术大学硕士，2010．[41]于慧霞．WSN中基于RSSI的加权质心定位算法的改进[M]．北京：电子测试，2012．29—30．[42]冯爱丽：乔钢柱：曾建潮．基于信标节点间距离的改进RSSI定位算法[M]．太原：太原科技大学学报，2012．7-8．[43]杨毅，张冬，杨晓冬．基于RSSI的增强型更近邻届质心定位算法[J]．微计算机信息，2010，26(9-3)：124—125，51 太原理工大学硕士研究生学位论文52 太原理工大学硕士研究生学位论文致谢时光荏苒、岁月如梭，转眼问三年的研究生生活已经接近尾声，回首自己这三年来的学习生活，我受益颇多，当然这些都离不开我的良师益友对我的帮助，在此，对帮助过我的老师和同学们表示最诚挚的感谢。首先我想感谢一下我的导师张雪英教授，本文是在张老师的细心指导下完成的。从一开始的课题方向的选择到论文最后的审查修改，整个过程都注入了张老师大量的精力和心血。张老师尽管平时政务缠身，但还是坚持每周都给我们丌例会，听同学们汇报最近的学习情况，并给大家一一指导。就这样从研--N研三，整整三年从不问断，张老师这种高度的责任心和一丝不苟的工作作风深深感动了我们每一个学生，并让我受益终生。不仅是在学习方面，在生活方面，张老师也给了我们无微不至的关怀，她不仅教会了我们如何做学问，更教会了我们如何为人处事。在此成文之际，谨向张老师表达我最真挚的感谢和最美好的祝福。此外，我还想感谢一下王峰老师和白静老师，他们在学习和生活上同样给了我很大的帮助，在此表示衷心的感谢。感谢陈桂军、王茂峰、李岩、任鹏辉、庞陟儒、薛浩、王亚男、任永梅、张卫等实验室的兄弟姐妹们，你们在学习上和生活上都给了我很大的帮助，和你们在一起朝夕相处的三年时光是我这一生最快乐的时光，这段时光将成为我人生最美好的回忆。另外，我想在这里感谢一下我的父母，感谢你们20多年来对我的养育之恩，感谢你们对我在学习和生活上的支持，你们就是我不断前进的动力。是你们在我遇到困难和挫折的时候不断地给予我信心和鼓励，你们就是我坚强的后盾，没有你们就没有我今天的成绩!最后，感谢各位专家能够在百忙之中抽出时间审阅我的论文。53 太原理工大学硕士研究生学位论文54 太原理工大学硕士研究生学位论文攻读硕士期间发表的学术论文尚少锋，张雪英，王峰．一种基于RSSI校正的加权质心定位算法[J]．科学技术与工程，2013，13(10)：230—234．55