一种利用模糊决策的无线传感器网络节点定位方法

1.本发明涉及无线传感器网络技术领域，更具体的，涉及一种利用模糊决策的无线传感器网络节点定位方法。


背景技术：

2.无线传感器网络(wsns)被称为本世纪极具影响的21项技术之一，属于计算机、通信和数学等多个学科的交叉性前沿领域。它是一种由布置在监测区域内的多个具有一定功能的传感器节点通过数据收集、数据传输等方式所形成的自组织数据处理网络。通过网络中传感器节点的密集部署，可实现数据的收集量化、数据聚合和数据传输操作。无线传感器网络作为一种现代智能网络，已被广泛应用于军事、物联网、环境监测、现代交通(如近两年的共享单车等)、便捷快递、现代医疗、工业、空间探索等多个领域，发展前景十分广阔。在大量无线传感器网络的应用中，收集到的数据若没有对应的位置信息将使得数据失去价值。因此，定位技术是无线传感器网络研究领域的热点之一。
3.在无线传感器网络中，定位算法都可以分为顶层的距离估计和底层的位置估计两个阶段。其中顶层的距离估计方法是测距和无测距定位算法的主要差异之处。根据是否需要通过硬件手段直接测量收发机之间的距离，无线传感器网络的定位算法可以分为无测距(range-free)和测距(range-based)两种类型。无测距定位算法是利用网络的连通性来估计节点之间的距离，根据估计距离的方式不同，主要可以分为分别是基于几何约束(geographical constraint based)、基于跳进(hop progress based)以及基于机器学习(machine learning based)的定位算法。基于测距的定位算法大部分需要在收发机之间安装特定的硬件设备，利用这些硬件，通过接收信号的物理特征来估计收发机之间的距离。
4.无测距定位技术通过节点之间的数据包跳数或几何约束来估计节点之间的距离，其定位的硬件成本和功耗小，易于实现。但是定位精度较差，适用于开阔室外环境。相较于无测距定位技术，基于测距的定位算法中未知节点和锚节点之间的距离信息是通过节点之间信号强度，角度，信号到达时间等物理量测量值得到的，距离信息更贴近实际值，因而定位精度更加准确，但是所需硬件成本较高。
5.下面介绍一些现存的具有代表性的测距定位方法，如图1所示，是基于测距的节点定位方法；
6.在基于测距的定位算法中，aoa(angle of arrival)，即到达角定位算法，其基本流程如下：计算得到锚节点1到待定位节点之间连线与基准方向的夹角α1，作出一条射线l1；同样地，计算出锚节点2到待定位节点之间连线与基准方向的夹角α2，可以作出一条射线l2。l1与l2的交点就是待定位节点的位置。aoa定位通过两直线相交确定位置，不可能有多个交点，避免了定位的模糊性。但是为了测量电磁波的入射角度，接收机必须配备方向性强的天线阵列，设备复杂度高。
7.toa(time of arrive)，即到达时间定位算法，其基本流程主要如下：锚节点向待定位节点发送一个带有发送时间戳t1的数据包，待定位节点接收到这一数据包后返回一个
ack数据包，锚节点接收到待定位节点的ack数据包，记录下当前时间t2，根据(其中c为光速)求得节点之间的距离，进而确定未知节点的坐标。toa算法为了一次定位，每个锚节点和待定位节点之间要进行两次通信，这种定位的优势在于其实现的便捷性，只需要有几个摆放在不同位置的锚节点和一个待定位节点便可进行定位。其缺点也较明显：首先是定位速度较低；其次，由于每次通信的质量无法保证，而一对锚节点-待定位节点又无法做自我的校准，精度会受到影响。
8.tdoa(time different of arrive)，即信号到达时间差算法的测距方式是通过两个不同锚节点接收待定位节点发送数据包的时间差来计算待定位节点和两个锚节点之间的距离差值。利用四个锚节点，就能求得三组这样的距离差，进而确定待定位节点的坐标。相较于toa定位算法，tdoa的优势首先在于一次定位的通信次数显著减少，其次由于是用时间差而非绝对时间进行测距，其精度也比toa高出一些。其缺点在于：tdoa系统中各个锚节点的时钟必须严格同步，由于这种定位本质上是依赖于光速的，所以1ns的固有时钟误差便可以造成30cm的固有距离误差，要打造一个节点间距比较大的精确同步系统成本比较高昂。
9.rssi(receive signal strength indicator)，即接收信号强度指示算法依据无线电波或声波在介质中传输，信号功率是随传播距离衰减的原理。根据信标节点已知信号的发射功率和节点接收的信号功率，通过信号与距离之间的衰减模型rssi＝a-10n
·
log d(a可以看作信号传输1m远时接收信号的功率，n是反映信道条件的环境衰减因子，d是节点之间的距离)，就可以计算出节点间的距离。与toa和tdoa测距方式相比，rssi定位算法对时间系统的要求不高，且不受发送延迟、天线延迟等因素的影响，无需额外的硬件即可利用对接收无线信号的强度判断来推到收发节点间的距离。因此硬件成本、软件成本以及时间成本都相对较低；同时，rssi是蓝牙协议栈的一部分，发射端硬件设计简单，功耗低，rssi信号方便获取。rssi定位算法的缺点在于定位精度受环境因素的影响较大。其测距精度受障碍物、天气、非测距信号等诸多因素的影响。举例来说，若收发双方存在障碍物(特别是金属障碍物)时，电磁波的能量会被衰减，同时无线信道多径衰落也会造成的信号能量不稳定导致距离计算误差较大，进而影响定位精度。
10.基于测距的定位算法所使用的物理量是rssi，信号与距离之间的衰减模型
11.rssi＝a-10n
·
log d
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
12.是一个经验公式，其中的参数a和参数n分别是反映节点发射功率和信道条件的经验参数，当经验参数不能较好地反映实际的信道情况时，根据该公式计算出来的距离数据误差就会增大，从而影响定位精度。传统的rssi定位法的定位误差主要在计算节点间距离时，在较大区域内选取同一经验参数n进行距离计算，没有考虑以下因素对信道条件的影响。
13.(1)节点与墙体的距离
14.节点与墙体之间的距离越近，接收信号受到多径效应的影响就越严重。多径效应是指电磁波经不同路径传播后，各分量场到达接收端时间不同，按各自相位相互叠加而造成干扰，使得原来的信号失真，或者产生错误。比如电磁波沿不同的两条路径传播，而两条路径的长度正好相差半个波长，那么两路信号到达终点时正好相互抵消了(波峰与波谷重
合)。以图2为例，其中传播路径1是指节点1发射的信号直接到达节点2，不经过反射；传播路径2是指节点1发射的电磁波传播时遇到墙体发生反射后到达节点2。无线信号在传播过程中，信号强度会随传播距离的增大而减小。当节点2离墙体较近时，传播路径1和传播路径2的距离相差不大，故节点2接收到的两路信号强度几乎一样，倘若两条路径的长度正好相差(2k 1)λ，k＝0，1，2，
…
(λ是电磁波信号波长)，那么两路信号正好抵消，节点2接收到的信号减弱；倘若两条路径的长度正好相差(2k 2)λ，k＝0,1,2,
…
，那么两路信号正好叠加，节点2接收到的信号增强。而当节点2离墙体较远时，路径2的长度相对于路径1较大，此时节点2接收到的信号强度主要由路径1这一路分量决定，此时的多径效应对节点接收信号强度的影响不明显。传统的rssi定位算法没有考虑锚节点离墙体较近时多径效应的影响，选用的经验参数n值不能很好地反映锚节点离墙体较近时的信道情况，故而在距离计算时会造成较大误差，影响定位精度。
15.(2)障碍物的阻挡
16.电磁波在传播途中遇到障碍物(特别是金属障碍物)时，需要用外面的电场和磁场感应出介质里面的电场和磁场。能量会产生衰减。以图3为例，在其他条件相同的情况下，很好地拟合实际的信道条件，造成距离计算的误差，影响定位精度。
17.(3)节点之间的距离
18.从图4可以看出，实际测量的rssi值的特性曲线并不平滑。整体来看，随着节点间距离的增加，rssi值逐渐衰减，但当两节点之间的距离较远时，rssi值波动较大，经验公式不能很好地拟合rssi值与节点间距离的关系，传统的rssi定位法没有考虑节点间距离对测距准确度的影响，当两个节点间距较大时，通过rssi值计算出来的距离就会和实际值有较大偏差，从而影响定位精度。
19.(4)节点密集程度
20.同一型号的节点其发射信号的频率都在同一段频段内，当两个节点信号频率之间是临频或者是倍频关系，就有可能会出现相互干扰的情况，节点越密集这样的干扰就越显著。干扰严重时，节点间无法正常通信或通信距离很短。传统的rssi定位算法没有考虑节点密集程度对测距准确度带来的影响，当某个节点附近的节点密集程度较大时，通过rssi值计算出来的距离就会和实际值有较大偏差，从而影响定位精度。
21.综上所述，实际环境中多种因素会影响信道条件，传统的rssi定位算法没有考虑到不同节点所在位置附近环境的信道条件是不一样的，在经验公式中选用相同的n值对rssi-d关系进行拟合，导致在待定位节点处依据某些锚节点rssi值计算得到的距离数值与真实值偏差较大，影响定位精度。


技术实现要素：

22.本发明为了解决以上传统的rssi定位算法存在的不足与缺陷的问题，提供了一种利用模糊决策的无线传感器网络节点定位方法，其能有效的提高定位精度。
23.为实现上述本发明目的，采用的技术方案如下：
24.一种利用模糊决策的无线传感器网络节点定位方法，所述的方法包括如下：
25.对至少一个影响信道条件因素进行量化，得到对应的量化函数；
26.确定一个未知节点所能联通的锚节点的数量m；并结合每个锚节点的影响信道条
件因素的量化函数，计算每个锚节点的评分；
27.根据两个不同距离锚节点接收到的rssi值计算得到参数a，其中参数a表示节点发射功率；
28.选取m个锚节点中评分最高的s个锚节点，并计算s个锚节点彼此之间的第一距离，根据所述的第一距离、参数a代入信号与距离之间的衰减模型，得到s个第一信道衰减参数n1；其中0＜s≤m；
29.对所述的s个锚节点的评分进行归一化处理，并结合s个第一信道衰减参数n1，计算得到第二信道衰减参数n2；
30.利用待定位节点处接收到的锚节点的rssi值，并根据所述的参数a、第二信道衰减参数n2代入所述的信号与距离之间的衰减模型，计算得到待定位节点与锚节点的第二距离；
31.根据所述的第二距离，利用传统三边定位法确定待定位节点的坐标，完成定位。
32.优选地，所述的影响信道条件因素包括节点与墙体的距离、节点附近的阻挡物、节点之间的距离、节点密集程度几种中的一种或多种。
33.进一步地，所述的节点与墙体的距离的量化函数如下：
[0034][0035]
式中，(x，y)表示锚节点的坐标；xm表示定位区域的横最大长度，ym表示定位区域的纵最大长度。
[0036]
进一步地，所述的节点附近的阻挡物的量化函数如下：
[0037][0038]
式中，k表示待评价锚节点能联通的邻近锚节点个数；ni表示待评价锚节点和第i个邻近锚节点之间的信道衰减参数n值；μ(ni)表示k个n值的平均值。
[0039]
进一步地，所述的节点之间的距离的量化函数如下：
[0040][0041]
式中，rssi(d
x
)为待定位节点处接收到锚节点的rssi值；rssi(dm)为两个节点在距离为10m时的rssi值；rssi(d0)为两个节点在距离为1m时的rssi值。
[0042]
进一步地，所述的节点密集程度的量化函数如下：
[0043][0044]
优选地，根据各个影响信道条件因素的重要性，设置权重矩阵；结合影响信道条件因素的量化函数，计算每个锚节点的评分，具体如下：
[0045]
pi＝br
it
[0046]
式中，b表示权重矩阵，ri表示第i个锚节点的影响信道条件因素矩阵，0＜i≤m，m表示未知节点所能联通的锚节点的数量；pi表示第i个锚节点的评分。
[0047]
优选地，选取评分最高的s＝3个锚节点，记作a，b，c，分别对应评分为pa，pb，pc；
[0048]
所述的第二信道衰减参数n2的计算公式如下：
[0049][0050]
式中，ga，gb，gc分别由pa，pb，pc进行归一化处理得到，ga gb gc＝1；
[0051]nab
表示锚节点a与锚节点b的第一距离d
ab
得到第一信道衰减参数；n
ac
表示锚节点a与锚节点c的第一距离d
ac
得到第一信道衰减参数；n
bc
表示锚节点b与锚节点c的第一距离d
bc
得到第一信道衰减参数。
[0052]
一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时，实现利用模糊决策的无线传感器网络节点定位方法的步骤。
[0053]
一种计算机可读存储介质，其上存储有计算机程序，所述的计算机程序被处理器执行时，实现利用模糊决策的无线传感器网络节点定位方法的步骤。
[0054]
本发明的有益效果如下：
[0055]
本发明利用模糊数学中模糊决策的思想，对至少一个影响信道条件因素进行量化；对一个待定位节点所能联通到的锚节点进行评分，选取评分前s个锚节点，依据评分前s个锚节点的rssi值计算得到一个相对更能拟合实际情况的n值，然后在经验公式rssi＝a-10n
·
log d中利用此n值进行距离计算以提高测距精度，然后利用三边定位法对待定位节点的位置坐标进行计算，实现对待定位节点精准定位。
附图说明
[0056]
图1是现有的一些基于测距的节点定位方法。
[0057]
图2是节点与墙体距离带来影响的示意图。
[0058]
图3是障碍物阻挡带来影响的示意图。
[0059]
图4是节点间距离带来影响的示意图。
[0060]
图5是本发明利用模糊决策的无线传感器网络节点定位方法的流程图。
[0061]
图6是实施例1根据邻近锚节点判断阻挡物的示意图。
[0062]
图7是实施例1三边定位法确定节点坐标的示意图。
[0063]
图8是实施例1仿真节点分布及模拟定位的示意图。
[0064]
图9是实施例1定位误差随信噪比变化的示意图。
[0065]
图10是实施例1定位误差随通信半径变化的示意图。
[0066]
图11是实施例1节点布置的示意图。
[0067]
图12是实施例1实物定位结果的示意图。
具体实施方式
[0068]
下面结合附图和具体实施方式对本发明做详细描述。
[0069]
实施例1
[0070]
本实施例提出的利用模糊决策的无线传感器网络节点定位方法所使用的物理量是rssi，信号与距离之间的衰减模型：
[0071]
rssi＝a-10n
·
log d
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0072]
是一个经验公式，其中，参数a表示节点发射功率，参数n表示信道条件的经验参
数；当经验参数不能较好地反映实际的信道情况时，根据公式(1)计算出来的距离数据误差就会增大，从而影响定位精度。传统的rssi定位法的定位误差主要在计算节点间距离时，在较大区域内选取同一经验参数n进行距离计算，没有考虑影响信道条件因素对信道条件的影响。
[0073]
基于此，本实施例提出一种利用模糊决策的无线传感器网络节点定位方法，如图5所示，所述的方法包括如下：
[0074]
对至少一个影响信道条件因素进行量化，得到对应的量化函数；
[0075]
确定一个未知节点所能联通的锚节点的数量m；并结合每个锚节点的影响信道条件因素的量化函数，计算每个锚节点的评分；
[0076]
根据两个不同距离锚节点接收到的rssi值计算得到参数a，其中参数a表示节点发射功率；
[0077]
选取m个锚节点中评分最高的s个锚节点，并计算s个锚节点彼此之间的第一距离，根据所述的第一距离、参数a代入信号与距离之间的衰减模型，得到s个第一信道衰减参数n1；其中0＜s≤m；
[0078]
对所述的s个锚节点的评分进行归一化处理，并结合s个第一信道衰减参数n1，计算得到第二信道衰减参数n2；
[0079]
利用待定位节点处接收到的锚节点的rssi值，并根据所述的参数a、第二信道衰减参数n2代入所述的信号与距离之间的衰减模型，计算得到待定位节点与锚节点的第二距离；
[0080]
根据所述的第二距离，利用传统三边定位法确定待定位节点的坐标，完成定位。
[0081]
在一个具体的实施例中，所述的影响信道条件因素包括节点与墙体的距离、节点附近的阻挡物、节点之间的距离、节点密集程度几种中的一种或多种。可以只考虑节点与墙体的距离、节点附近的阻挡物、节点之间的距离、节点密集程度几种中的一种或多种组合，任意一种组合都属于实施例的保护范围。本实施例以同时结合节点与墙体的距离、节点附近的阻挡物、节点之间的距离、节点密集程度四种作为影响信道条件因素进行阐述。
[0082]
在一个具体的实施例中，根据背景技术可知，节点离墙体越近，电磁波传播受到多径效应的影响就越强，接收到的rssi值波动就越大，此时的rssi值不能很好地拟合经验公式(1)曲线，计算得到的节点间距离与实际值误差也相对较大。本实施例中认为在其他条件相同的情况下，离墙体越远的锚节点越“好”，根据锚节点的坐标，给出节点与墙体的距离的量化函数如下：
[0083][0084]
式中，(x，y)表示锚节点的坐标；xm表示定位区域的横最大长度，ym表示定位区域的纵最大长度。
[0085]
在一个具体的实施例中，当在节点之间存在障碍物时，节点接收到的信号强度相较于没有障碍物的条件下会降低，此时的rssi值不能很好地拟合经验公式(1)曲线，利用直线距离内存在阻挡物的锚节点的rssi值计算得到的距离与实际值相比会有较大误差。本实施例中认为在其他条件相同的情况下，附近环境越“开阔”(阻挡物少)的锚节点越“好”。本实施例定位方法所能得到的信息只有锚节点的坐标和锚节点信号的rssi值，因此，评价一
个锚节点在“附近有无阻挡物”这一因素上的“好坏”，需要通过其临近锚节点的信息来间接判断。如图6所示，图中所有锚节点的位置坐标均已知，假设待评价锚节点能接收到邻近5个锚节点的信号。根据待评价锚节点接收到的临近锚节点1的rssi值，结合经验公式(1)可以求得这一路径上的信道衰减参数n1，同理可以求得n2，n3，n4，n5。在其他条件相同的情况下，若这五个值相差不大，则可认为待评价锚节点附近的环境变化不大，若五个值相差较大，则有很大可能在待评价锚节点附近存在障碍物导致待评价锚节点周围的信道环境不一致。根据待评价锚节点邻近锚节点rssi值求得的信道衰减参数n值，给出的节点附近的阻挡物的量化函数如下：
[0086][0087]
式中，k表示待评价锚节点能联通的邻近锚节点个数；ni表示待评价锚节点和第i个邻近锚节点之间的信道衰减参数n值；μ(ni)表示k个n值的平均值。
[0088]
在一个具体的实施例中，由图4可以看出实际测量的rssi值的特性曲线并不平滑。整体来看，随着节点间距离的增加，rssi值逐渐衰减，但当两节点之间的距离较远时，rssi值波动较大，经验公式(1)不能很好地拟合rssi值与节点间距离的关系，通过rssi值计算出来的距离就会和实际值有较大偏差，本实施例认为在其他条件相同的情况下，与待定位节点距离越近的锚节点越“好”。随着节点间距离的增加，rssi值逐渐衰减，因此，根据接收到的锚节点rssi值，给出的节点之间的距离的量化函数如下：
[0089][0090]
式中，rssi(d
x
)为待定位节点处接收到锚节点的rssi值；rssi(dm)为两个节点在距离为10m时的rssi值；rssi(d0)为两个节点在距离为1m时的rssi值。
[0091]
在一个具体的实施例中，背景技术中已经阐述了节点密集程度对测距精度产生的影响，在其他条件相同的前提下，认为锚节点附近的其他锚节点数目越小越“好”。因此，根据锚节点处能联通的其他锚节点数，给出的节点密集程度的量化函数如下：
[0092][0093]
在一个具体的实施例中，确定未知节点所能联通的锚节点数目，本实施例假设一个未知节点所能联通的锚节点数目为m个，对其中第i个锚节点，计算其四个影响信道条件因素，记：
[0094]ri
＝[f
1i
，f
2i
，f
3i
，f
4i
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0095]
根据各个影响信道条件因素的重要性，设置权重矩阵，表示如下：
[0096]
b＝[0.2，0.3，0.4，0.1]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0097]
结合影响信道条件因素的量化函数计算第i个锚节点的评分pi＝br
it
，同理计算m个锚节点的评分p1，p2，
…
，pm，记作：
[0098]
g＝[p1，p2，
…
，pm]
ꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0099]
式中，b表示权重矩阵，ri表示第i个锚节点的影响信道条件因素矩阵，0＜i≤m，m表示未知节点所能联通的锚节点的数量；pi表示第i个锚节点的评分。
[0100]
在一个具体的实施例中，在公式(1)中，参数a和参数n都是经验参数，需要在实际环境中测量，计算以拟合实际环境。其中，参数a反映的是信号发射功率，与信标节点本身性
能相关，故先进行预实验计算参数a：
[0101][0102]
式中，rssi(d1)为距离节点d1处接收到的rssi值；rssi(d2)为距离节点d2处接收到的rssi值；d1和d2可以是小于节点通信半径的任意两个不同大小的距离，比如可以选取d1＝1m，d2＝2m。
[0103]
在一个具体的实施例中，对计算得到m个锚节点的评分由高到低依次排列，选取评分最高的s＝3个锚节点，记作a，b，c，分别对应评分为pa，pb，pc。由于锚节点的坐标已知，故可以计算锚节点ab、ac、bc之间的第一距离d
ab
，d
ac
，d
bc
。本实施例所述的s也可以是4、5等等。
[0104]
将计算第一距离d
ab
和式(9)算得的参数a代入式(1)的信号与距离之间的衰减模型可以得到第一信道衰减参数n
ab
，同理可以求出第一信道衰减参数n
ac
，n
bc
。
[0105]
对所述的3个锚节点的评分pa，pb，pc进行归一化处理分别对应得到ga，gb，gc，其中ga gb gc＝1，据此计算所述的第二信道衰减参数n2，具体计算公式如下：
[0106][0107]
式中，n
ab
表示锚节点a与锚节点b的第一距离d
ab
得到第一信道衰减参数；n
ac
表示锚节点a与锚节点c的第一距离d
ac
得到第一信道衰减参数；n
bc
表示锚节点b与锚节点c的第一距离d
bc
得到第一信道衰减参数。
[0108]
在一个具体的实施例中，在计算得到参数a和第二信道衰减参数n2后，可以利用待定位节点处接收到的锚节点a的rssi值rssa，结合公式(1)计算得到待定位节点与锚节点a的距离da，同理可以计算得到db和dc。如图7所示，然后利用传统三边定位法确定待定位节点的坐标，也即以锚节点a的坐标为圆心，da为半径作圆a，同理作圆b和圆c，三个圆的交点即是待定位节点坐标。由此完成对待定位节点进行精准定位。
[0109]
为了验证本实施例中针对无线传感器网络的节点定位方法的有效性，进行了仿真实验。实验环境的计算机配置：cpu为core(tm)i7-8700k，内存为16g，操作系统为windows 10，使用matlab编程。具体实验参数设置为：首先在一个200m
×
200m的正方形区域内生成包含总共100个节点(其中锚节点40，未知节点60)的网络，在本实施例的仿真分析中，考虑了两个变量，分别是节点的通信半径和信噪比。节点的传输半径从20m到50m不等，信噪比从1到10不等。
[0110]
为了体现节点间距离对节点接收信号rssi值的影响，对所有锚节点信号增加了一个与距离相关的随机噪声以模拟两节点相距较远时rssi值波动增大的情况：
[0111][0112]
式中，d表示两节点的距离，xm表示定位区域的最大长度。
[0113]
为了体现多径效应对节点接收信号rssi值的影响，对所有锚节点信号增加了一个与相距墙体长度相关的噪声：
[0114]
noise
multipath
＝ad×
rand
ꢀꢀꢀꢀ
(12)
[0115]
式中，d表示锚节点与墙体的距离，a表示常系数，仿真时设置为0.8。
[0116]
为了体现节点密集程度对节点接收信号rssi值的影响，对所有锚节点信号增加了一个与联通节点数相关的噪声：
[0117][0118]
为了体现阻挡物对节点接收信号rssi值的影响，对随机部分锚节点信号增加了一个随机噪声以模拟待定位区域部分存在障碍物的情况：
[0119]
noise
obstacle
＝a
×
rand
ꢀꢀꢀꢀ
(14)
[0120]
式中，a为常系数。
[0121]
如图8是仿真实验中节点的分布情况，锚节点和未知节点都随机分布。
[0122]
1)在锚节点数目一定，节点通信半径一定，信噪比变化的条件下计算得到的定位结果对比如图9；从图9可以看出，随着信噪比的增大，三种算法的定位误差都呈下降趋势，本实施例所述的定位方法在信噪比1到10的条件下的定位误差都比传统算法和twc定位算法小。
[0123]
2)在信噪比大小一定，锚节点数目一定，节点通信半径变化的条件下计算得到的定位结果对比如图10所示，从图10可以看出，在snr＝8db的条件下，三种算法的定位误差随节点通信半径的变化不大。因为三种算法的最基本思想是利用三个及以上的锚节点的rssi值求得待定位节点与锚节点之间的距离，需要得到至少三个锚节点的rssi值才能唯一确定待定位节点的坐标。故当r＝20m时，待定位节点不能接收到三个及以上的锚节点rssi信息，所以三种方法都不能确定待定位节点的坐标。当r＝25m时，待定位节点接收到了三个锚节点的rssi值，三种算法都可以确定位置。r＝25m时本实施例所提定位方法相对r＝30m之后的误差较大，因为此时只能接收到三个节点的rssi值，而其中有某个节点评分较低，但也只能采信该节点的信息用于距离计算，故相对定位误差较大。当r继续增大，对节点定位精度的影响已不是主要因素，主要还是受信噪比影响。所以后面三种算法的定位误差都较平缓。从图10可以看出，在多个通信半径下，本实施例所提定位方法相对其他两种算法在定位精度上都有优势。
[0124]
综上，可以认为，通过仿真实验证明了本实施例所提定位方法相较于现有技术在定位精度上有优势。
[0125]
在仿真实验检验算法可行性及对比本实施例所提定位方法与现有算法性能之外，还对本实施例所提定位方法进行了实物检验。采用搭载nrf52810/cc2640r2f蓝牙芯片(蓝牙版本ble4.2，接收灵敏度-96dbm)的信标节点，在实际环境中利用本实施例所提定位方法进行实际节点定位。
[0126]
如图11所示，在20m
×
12m大小的实验室环境中，较为平均地布置7个蓝牙信标作为锚节点，能接收蓝牙信标rssi值的手机作为待定位节点。在matlab上建立模拟坐标系。利用手机软件接收各个节点的rssi值，分别用传统rssi定位方法和本实施例所提定位方法对数据进行处理计算。
[0127]
两种方法定位结果如图12所示，可以看出，使用本实施例所提定位方法计算得到的待定位节点坐标值比使用传统rssi定位法得到的坐标更接近待定位节点的实际位置。传统rssi定位法的定位误差是0.7652m，本实施例所提定位方法定位误差是0.3538m。通过实物检验也可以证明本实施例所提定位方法在定位精度上有相当优势。
[0128]
本实施例所提定位方法对参与定位的锚节点进行选取，定位时采信更能拟合经验公式的锚节点的rssi值，提高定位精度。对影响信道条件因素进行了数学上的量化，可以在
一定程度上直观地反映出节点所处区域的信道环境。改进了传统rssi定位算法中经验参数的计算方法，使信道衰减参数n更能反映节点所处区域的信道环境。
[0129]
实施例2
[0130]
一种计算机系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时，实现的步骤如下：
[0131]
对至少一个影响信道条件因素进行量化，得到对应的量化函数；
[0132]
确定一个未知节点所能联通的锚节点的数量m；并结合每个锚节点的影响信道条件因素的量化函数，计算每个锚节点的评分；
[0133]
根据两个不同距离锚节点接收到的rssi值计算得到参数a，其中参数a表示节点发射功率；
[0134]
选取m个锚节点中评分最高的s个锚节点，并计算s个锚节点彼此之间的第一距离，根据所述的第一距离、参数a代入信号与距离之间的衰减模型，得到s个第一信道衰减参数n1；其中0《s≤m；
[0135]
对所述的s个锚节点的评分进行归一化处理，并结合s个第一信道衰减参数n1，计算得到第二信道衰减参数n2；
[0136]
利用待定位节点处接收到的锚节点的rssi值，并根据所述的参数a、第二信道衰减参数n2代入所述的信号与距离之间的衰减模型，计算得到待定位节点与锚节点的第二距离；
[0137]
根据所述的第二距离，利用传统三边定位法确定待定位节点的坐标，完成定位。
[0138]
实施例3
[0139]
一种计算机可读存储介质，其上存储有计算机程序，所述的计算机程序被处理器执行时，实现的步骤如下：
[0140]
对至少一个影响信道条件因素进行量化，得到对应的量化函数；
[0141]
确定一个未知节点所能联通的锚节点的数量m；并结合每个锚节点的影响信道条件因素的量化函数，计算每个锚节点的评分；
[0142]
根据两个不同距离锚节点接收到的rssi值计算得到参数a，其中参数a表示节点发射功率；
[0143]
选取m个锚节点中评分最高的s个锚节点，并计算s个锚节点彼此之间的第一距离，根据所述的第一距离、参数a代入信号与距离之间的衰减模型，得到s个第一信道衰减参数n1；其中0《s≤m；
[0144]
对所述的s个锚节点的评分进行归一化处理，并结合s个第一信道衰减参数n1，计算得到第二信道衰减参数n2；
[0145]
利用待定位节点处接收到的锚节点的rssi值，并根据所述的参数a、第二信道衰减参数n2代入所述的信号与距离之间的衰减模型，计算得到待定位节点与锚节点的第二距离；
[0146]
根据所述的第二距离，利用传统三边定位法确定待定位节点的坐标，完成定位。
[0147]
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。