[发明专利]一种基于RSSI测距的空气质量监测点网络定位的方法

说明书

技术领域

本发明涉及一种空气质量监测网络定位的方法，具体是一种基于RSSI测距的空气质量监测点网络定位的方法。

背景技术

无线传感器网络(wireless sensor networks，WSN)由数量众多的低功耗小型或微型传感器节点组成，能够自组网络，通过部署在环境监测区域内的节点感知并与其他节点通信，协作处理信息的采集、无线传输以及指令控制等功能。无线传感器网络自组织性强，展开迅速，具有很强的抗毁性能和长寿命结构设计，在环境空气质量监测领域具有广泛的应用前景。其低成本低功耗的优势引起了不少研究者的广泛关注，因此也已展开了相关的应用研究。空气质量监测系统能够实时提供空气质量有关信息，预报空气质量变化趋势，通过量化空气污染程度，便于分析和制定有效的防治污染措施。节点位置信息对空气质量监测网络的监测工作至关重要。空气质量监测的覆盖程度通常与部署的传感器节点数量成正比，因此考虑使用移动节点对环境空气质量进行动态和随机监测，不仅可以减少监测点数量以节省成本，而且能够最大程度地实现大范围监测来保证监测性能和质量。

鉴于GPS受定位成本和功耗尤其是恶劣的定位环境的限制，只能寻求其他的定位方法如通常采用的定位机制加定位算法的做法。该方法的前提是无线网络中的部分节点位置数据已知(称为锚节点)，且监测节点能够进行无线通信，在定位时，采用一定的定位机制，设计定位算法来计算或估计出未知位置的监测节点的位置。依据计算位置坐标时是否需要距离数据，定位算法有所谓非测距算法和测距算法之分。非测距算法由于原理上的不完善和精度有限而较少使用。测距算法有TOA、AOA和RSSI等，通过测量节点间的距离、到达角或信号强度，经过坐标计算即可得到节点位置信息。RSSI测距方法功耗和成本低，但单独使用相对误差较高，目前常通过采用多次测量和循环定位求精等方法来减小定位误差。

建立路径损耗模型是进行RSSI测距的前提，接着便是确定模型参数，有文献对此过程做了详细描述。考虑非视距(NLOS)传播的影响，在建模时考虑了NLOS，因此进一步减少了测距误差。在建模时通过获取动态模型参数，既减小了基于RSSI的测距误差，又提高了定位精度。在分析RF信号传播模型基础上，基于RSSI对测距进行了改进，提高了测距精度。虽然提高了测距精度，但是现在的这种方式仍需求出路径衰减指数，从而使计算复杂化，不能快速地得出监测点的位置信息，不利于实际使用。

发明内容

针对上述现有技术存在的问题，本发明提供一种基于RSSI测距的空气质量监测点网络定位的方法，无需求出路径衰减指数，能快速准确的得出监测点的位置信息。

为了实现上述目的，本发明采用的技术方案是：该种基于RSSI测距的空气质量监测点网络定位的方法，在多个监测节点中对部分节点的位置进行标定，标定已知的节点为锚节点，其具体步骤为：

Ⅰ、获取RSSI值：通过无线通信获取各个监测节点的RSSI值；

Ⅱ、建立RSSI测距模型：由于空气质量监测系统处在公共场所中，建筑物结构内部人员和设施密集，且存在流动和分布不均匀情况，加上监测环境多径、绕射以及障碍物等因素，无线信号传输趋于各向异性，因此采用对数正态分布无线传播模型建立RSSI测距模型，其表达式为：

其中d₀为信号传播参考距离，单位为m；d为节点之间的测量距离，单位为m。P_r(d)是距离为d时节点接收到的信号强度，单位为dBm；n是与监测环境有关的路径损耗因子；P_t代表节点无线信号发射强度，单位为dBm；测量噪声N_σ为服从N_σ的高斯随机变量；PL(d₀)为无线信号经传播距离d₀后的信号强度损耗，单位为dB，可由信号传播的自由空间模型获得，即

其中G_t是节点发射天线增益，单位为dBi；G_r为节点接收天线增益，单位为dBi；L是系统损耗系数；λ是RF信号波长，单位为m；

在网络中节点z_i通信范围内，设其邻居节点z_j到z_i的测量距离为d，则z_i处的无线信号接收强度为P_r(d)，令

P_r(d₀)＝P_t-PL(d₀) (3)

由式(1)可知