中心議題：

• 探討無(wú)線(xiàn)傳感器網(wǎng)絡(luò )中基于RSSI的節點(diǎn)距離

解決方案：

• 利用BP神經(jīng)網(wǎng)絡(luò )
• 通過(guò)對樣本的預處理

引言

隨著(zhù)無(wú)線(xiàn)傳感器網(wǎng)絡(luò )研究的不斷深入，應用已經(jīng)逐漸成為人們關(guān)注的焦點(diǎn)。各種在特定應用背景下的研究層出不窮，如環(huán)境監測、目標跟蹤、安全監控等領(lǐng)域。位置信息對傳感器網(wǎng)絡(luò )的監測活動(dòng)至關(guān)重要，事件發(fā)生的位置或獲取信息的節點(diǎn)位置是傳感器網(wǎng)絡(luò )節點(diǎn)監測消息中包含的重要信息，了解傳感器節點(diǎn)位置信息不僅可以獲取路由信息，而且可以進(jìn)行節點(diǎn)定位等。測距的誤差在很大程度上決定了目標定位及跟蹤的誤差。常用的定位方法必須測量節點(diǎn)間的距離，一般測距方式有紅外線(xiàn)、GPS、超聲波和接收信號強度指示器(RSSI)等。

紅外線(xiàn)、GPS和超聲測距都需要額外的硬件，增加了節點(diǎn)的硬件成本和尺寸。GPS和紅外線(xiàn)測距誤差較大，而利用超聲方法測距很精確，測距誤差只有10 cm，但是受氣溫、濕度等的影響較大，不適合在室外使用?；赗SSI的定位無(wú)需額外硬件，利用對接收無(wú)線(xiàn)信號的強度判斷，推導收發(fā)節點(diǎn)間的距離，計算接收無(wú)線(xiàn)信號強度是商用無(wú)線(xiàn)收發(fā)芯片具備的功能?；赗SSI的測距提供了最廉價(jià)的定位方法，而且節點(diǎn)沒(méi)有添加任何部件?；诔暤臏y距雖然定位精度較高，但是需要添加硬件、增加節點(diǎn)成本和尺寸。所以，基于RSSI的測距是無(wú)線(xiàn)傳感器網(wǎng)絡(luò )定位較常采用的方法。首先對RSSI進(jìn)行預處理，再通過(guò)預測模型預測距離的值，不但提高了基于RSSI的測距精度，而且實(shí)現了低成本的測距。

1 BP網(wǎng)絡(luò )的模型結構與算法

BP網(wǎng)絡(luò )是神經(jīng)網(wǎng)絡(luò )中采用誤差反傳算法作為其學(xué)習算法的前饋網(wǎng)絡(luò )，通常由輸入層、輸出層和隱含層(一層或多層)構成。層與層之間的神經(jīng)元采用全互連的連接方式，通過(guò)相應的網(wǎng)絡(luò )權系數w相互聯(lián)系，每層內的神經(jīng)元之間沒(méi)有連接。圖1所示為具有一個(gè)隱含層的BP網(wǎng)絡(luò )模型。其中：LA為BP神經(jīng)網(wǎng)絡(luò )的輸入層，LB為隱層，LC為輸出層，Wir為隱層與輸入層的權值，Vrj為輸出層與隱層的權值。
2 實(shí)驗平臺及數據的預處理

2．1 RSSI值獲取

實(shí)驗在空曠的無(wú)障礙物的廣場(chǎng)進(jìn)行?；赥iny()S系統，以克爾斯博的Iris節點(diǎn)為實(shí)驗平臺，0號節點(diǎn)為固定節點(diǎn)，用于接收數據。發(fā)送和接收節點(diǎn)均使用短桿狀天線(xiàn)，節點(diǎn)放置高度為2 m左右。固定0號節點(diǎn)，移動(dòng)發(fā)射節點(diǎn)。經(jīng)過(guò)大量的實(shí)驗分析得出，RSSI在10 m的范圍內隨著(zhù)距離的增加變化比較明顯，而10 m以后，RSSI值隨距離變化不明顯。如果測量距離超過(guò)10 m，則測距的精度得不到保證，所以此實(shí)驗的測試范圍限定在0～10 m。實(shí)驗人員拿著(zhù)移動(dòng)節點(diǎn)，從固定節點(diǎn)處沿著(zhù)直線(xiàn)均勻走動(dòng)，當走到10 m處停止接收數據，記錄整個(gè)連續移動(dòng)過(guò)程的實(shí)驗數據。

3個(gè)工作人員分別拿著(zhù)移動(dòng)終端在0～10 m的范圍內勻速前進(jìn)，得到的RSSI值與距離的關(guān)系如圖2所示。
[page]
由圖2可以看出，不同的人員拿著(zhù)移動(dòng)終端前進(jìn)，RSSI與距離的關(guān)系曲線(xiàn)基本一致，說(shuō)明RSSI值與距離的關(guān)系符合一定的衰減規律。

在相同的實(shí)驗平臺下，在0～10 m的范圍內，每間隔0．2 m或者0．3 m記錄RSSI值，每個(gè)距離均接收100個(gè)左右的數據包，對RSSI先進(jìn)行均值處理，然后得出RSSI值與距離的關(guān)系曲線(xiàn)如圖3所示。

對比圖2和圖3得出，停頓走比連續走時(shí)的RSSI值與距離的關(guān)系曲線(xiàn)更平滑，衰減更慢。因為連續走的時(shí)候，信號會(huì )受到人身體走動(dòng)或者旁邊干擾物的影響，出現不同程度的突變。為了確保距離預測值的精度，因此以停頓測量的數據作為測試樣本。

2．2 RSSI值濾波處理

   實(shí)驗獲取的RSSI值與距離的關(guān)系曲線(xiàn)還不夠平滑，為了使樣本的質(zhì)量更高、訓練效果更好，先對RSSI值進(jìn)行濾波處理，分別進(jìn)行限幅濾波處理、遞推平均濾波處理和限幅平均濾波處理。圖4為3種濾波方式的比較。
由圖4可以得出，限幅平均濾波的效果最好，因此以限幅濾波后的數據作為訓練樣本。

3 BP網(wǎng)絡(luò )模型的建立

以限幅濾波后的數據作為訓練樣本。以RSSI作為輸入，以距離作為輸出，一般的預測問(wèn)題通過(guò)單隱層的BP網(wǎng)絡(luò )實(shí)現，這里也是單隱層。

(1)數據歸一化處理

為了在Matlab中計算方便，需要對數據進(jìn)行歸一化處理。這里根據現有的數據情況，分別對輸入和輸出量進(jìn)行歸一化處理。歸一化的代碼如下：
 [pn，minp，maxp，tn，mint，maxt]=premnmx(p，t)
其中p為輸入變量，t為輸出變量。

(2)BP網(wǎng)絡(luò )訓練

網(wǎng)絡(luò )中間層的神經(jīng)元傳遞函數采用S型的正切函數logsig，輸出層神經(jīng)元傳遞函數采用線(xiàn)性函數purelin，采用traingdx函數進(jìn)行訓練，當訓練141次后達到0．01的誤差要求。
[page]
4 模型預測結果及與經(jīng)驗公式值的比較

為了驗證測試結果的可靠性，根據網(wǎng)絡(luò )訓練的結果，把測試結果與真實(shí)值進(jìn)行對比。為了突出該方法的優(yōu)越性，與經(jīng)驗公式計算出來(lái)的距離值進(jìn)行比較。表1為模型預測值、經(jīng)驗公式值與真實(shí)值的比較。
由表1可以得出，由BP神經(jīng)網(wǎng)絡(luò )模型預測的距離值與經(jīng)驗公式計算出來(lái)的距離值相比，整體誤差較小。經(jīng)驗公式計算的距離誤差最大為2．7351m，最小誤差為0．5338m，而由模型預測的距離誤差最大為0．7976m，最小誤差為0．0232m，測距的精度明顯提高了很多。

5 結論

BP神經(jīng)網(wǎng)絡(luò )具有很強的自學(xué)習、自組織及自適應能力，具有高度非線(xiàn)性函數映射功能，通過(guò)對樣本的預處理，可以提高訓練結果的精度。因此，樣本的好壞直接影響訓練結果。節點(diǎn)RSSI值的隨機性較大，會(huì )隨著(zhù)環(huán)境及其他干擾的影響發(fā)生突變。因此先對RSSI值進(jìn)行濾波處理，濾掉突變的數據再進(jìn)行網(wǎng)絡(luò )的訓練，預測結果就能達到較理想的水平。這適用于不同的場(chǎng)合，提高了測距精度，從而進(jìn)行精確定位。