摘 要：在无线传感器网（WSN）中，传感器节点的位置感知对于采集数据信息器提供有价值的环境信息十分必要。 接收信号强度指示器（RSSI）技术不需要额外的硬件并且适用于室内与室外。RSSI具有一定的局限性，如高随机性导致的褪色和阴影，这使得建立RSSI值和距离之间的确切关系的困难。本文提出使用分层技术创建数据库来估计两个节点之间的距离，并根据这个数据库，完成对节点位置的估算。
关键词：WSN；RSSI；位置估计；距离估计
前言
众多的数据挖掘算法和技术为无线传感器定位提供了可能性。最基本的技术是使用接收信号强度作为定位的判断方法。在无线网络中，利用无线信号去完成节点的位置估计是最有效的解决方案。这种解决方案可以被用于室内和室外环境，并且只会增加额外的软件配置而不需要多余的硬件环境。RSSI被认为是无线传感器网络定位算法中一个极其重要技术。RSSI指标及其相关寄存器一般内置于无线芯片中。大多数基于RSSI的定位实验使用的是CC2420[1]，CC1000[2]。本文中使用了AT86RF230芯片。
实验主要任务重复测量在室内室外不同环境下不同距离的亮点之间的RSSI值。距离估计数据库将考虑衰减因子的障碍、功率水平的节点和天线的方向的影响。此外，使用这个数据库，在同一平面的移动节点的位置估计使用N-三角位置测量法定位法。
1．实验方法
1.1RSSI模型和问题
从理论上说，无线信号的能量从信号源逐渐衰减，因此，无线信号的传输应该能够利用接受信号的能量来计算节点之间的距离。所有的节点都有无线信号，RSSI能够用于计算距离定位。
在计算RSSI过程中，有以下问题需要考虑
（1）即便是在发送者和接收者之间没有位置变化，RSSI值通常也是不固定的甚至可能出现大的偏差，这种偏差可以通过反复的测量消除哪些不正确的值。
（2）如何设备未完成校正，即便相关的信号强度在不同的设备上会测量出不同的值。同样，这种收发器的实际发射功率存在多径衰落的差异。
（3）组合中的障碍与多径衰落的存在。在这种情况下，间接路径的信号衰减是高于直接的路径，可能导致得出一个比真实值更长得距离。
1.2RSSI 测量
在实际实验中用于测量RSSI的无线传感器节点是IRIS节点。这RF接收器使用RF-CMOS 2.4 GHZ 高性能无线接收器（AT86RF230).
AT86RF230芯片在实际实验中用于测量RSSI的无线传感器节点是IRIS节点。这RF接收器使用RF-CMOS 2.4 GHZ 高性能无线接收器（AT86RF230).
AT86RF230芯片带有敏感度为-91dBm的RSSI指示。芯片有两个主要的寄存器记录接收信号强度。
a. RSSI_VAL 寄存器存储5bit RSSI值，从这个寄存器中获取的RSSI值是一个整数值，节点需要把它转换为dBm格式。
prf = RSSI_BASE_VAL+3(RRSI)
Prf是一个dBm的RF输入功率，RSSI_BASE_VAL=-91dBm，RSSI从寄存器中过渡区的一个1-28之间的数值。
b.能量检测，ED寄存器存储的是RSSI平均值，它的范围是0-84，也需要转换为dBm格式
Prf in dBm =ED-91
通过读取RSSI相关寄存器的值，信号强度被计算出来，ED值通过计算RSSI值和距离关系得到。随着电池供电的改变RSSI值随着改变，因此，电池电压也与每个数据包一起传输。
2.实验步骤
实验包括两个部分，距离估计和位置估计，距离估计是开发数据库RSSI值计算距离。位置估算是开发的数据的有效性。假设在2.4GHz范围内的室内和室外环境没有干扰源。
2.1距离估计
这一步将使用IRIS两个数字和一个基站。一个称作为参考节点，一个称作为移动节点。移动节点以R/sec速度向相关节点移动。移动节点在每一个增量R时传递一个带有节点ID和电池电压的包给相关节点。用5cm的R测量距离为2m的一个范围。因此，在一个方向上的参考节点收集了40包和在40点测量40个RSSI的值。
每个包得的RSSI的值和接收的电池电压传输给BS，然后连接到PC机，记录所有的数据。在找一步骤中，实验执行先后执行60次。实验环境如下所示：
a）室内没有障碍物
b）室内有障碍物
c）室外
所有的实验和数据曲线拟合在一起绘制成RSSI与距离关系图。使用数据库来分析拟合曲线的分割直线度。
2.2位置估计
参考节点放置已知的、对称的位置上。集中定位方法适合位置估计。在初始化过程中，所有的参考节点在他们的范围内朝着移动节点转发自己的位置。移动节点推导出接收信号RSSI的值，并和坐标一起转发给基站。移动节点真正的坐标通过使用N-三角测量算法来计算出来。
步骤1： N个参考节点对称的分布在一个平面内，坐标表示为{（x1,y1）,(x2,y2),...,(xn,yn)}。
步骤2： 让移动节点m与位置节点（x,y）在M参考节点的范围内。记录M个坐标的值，BVM 和RSSI值，来自这些M个参考节点的RM并转发给基站。
步骤3： 如果BVM<2.3：滤掉RSSI的值。
步骤4： BS利用从距离估计数据库中得到的RM计算移动节点到M相关节点的距离DM。
步骤5： M和m形成了所有三角形的顶点。
步骤6： 计算Mi-Mj
步骤7： Dmi和Dmj使用三角理论，然后去计算移动节点（x,y）坐标
步骤8： 获得M移动节点的M坐标
步骤9： 最终M坐标给出最终的移动节点坐标（x,y）
步骤10：参考节点的设置是预定的，那么数据库应该根据Mi节点的下降类别选择。
步骤11： 一次实验测量每个参考节点的10RSSI 值，重复步骤3-10四次。
在试验中，四个IRIS节点放在一个举行平面（如图1），使用不懂的节点计算移动节点的位置。
图1 实验平面
在这个步骤中，N=4，M=4 按上面的算法，计算X和Y值。位置估计的精度依赖于距离估计的精度。由于将在距离估计不准确，错误被列入上述的数学公式，从而导致更多的位置估计错误。
3.实验结果分析
3.1距离估计
在本节中，我们提出了一个分析的结果，这是在实验分两个阶段取得的实验数据。这两个部分，一部分是在室内实验室，另一部分是在实验大楼外侧沿着车辆比较少的路段进行。
一般情况下，RSSI值随着距离、障碍物类型，天线方向和发射功率等有关系，试验中，相同天线方向条件下，反复观察。显然，电池电量将下降在试验中，并导致发射功率的改变。
图2 室内测关系图
室内环境中，其中的60个观测值是在没有任何障碍中获得，其他的60个值是在有静态障碍或者移动障碍环境中中获得的。图3显示的
是两种测量的均值曲线。从这些曲线中可以看出，RSSI值下滑与障碍物存在有关系。在这两个测试中，RSSI值的变化随着电池电压变化而变化。IRIS节点操作消耗在2AA电池，节点接收到的最大电压大约2.8V，节点操作所需的最低电压是2.0V。因此，电池电压范围为2.8-2.0V。当电池电压下降到2.3V以下时，RSSI信号值明显下降，这些值将会从数据库中过滤掉。
相同的实验在室外同样进行，60个观测均值图 如图3所示，室外观测延伸到45m，图4显示RSSI值波动特征。
图 3 室外45 M分段平均价值图
从室内和室外可以观察结果可以解释为在室外环境中，波动越小，障碍物引起的多路径衰落和阴影效影响就越少。
3.2位置估计
位置估计实验在位于在200*200矩形平面内的四个参考节点中进行。根据N-三角自适应算法，计算图1中包含一个移动节点和他规定范围内的所有参考节点的四个三角形。在算法迭代过程中，三个位置坐标得到了在某一移动节点的位置，最后一次迭代的坐标则是移动节点的位置，实验结果可以看出，最终的移动节点的位置更接近于实际位置坐标。
4. 结论：
RSSI值很容易受到干扰和信号衰落影响的。通过增加实验次数，减少干扰源，使用不同的校正算法可以减少误差。如果距离估计的误差较小，那么位置估计的结果相对精确，为了更进一步精确测量值，可以采用自适应滤波对RSSI值进行过滤，并将大量的障碍物衰减因子存入数据库中。本实验只是一个实验室模型，但是，核心代码可以适用于任何规模平面。
参考文献
Mohit Saxena,Puneet Gupta, Bijendra Nath Jain, Experimental Analysis of RSSI-based Location Estimation in Wireless Sensor Networks, 3rd International ICST Conference on Communication,January 2008.
