王 焱，单欣欣，姜 伟

(辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛 125105)

随着无线通信和电子学的飞速发展，低成本的无线传感器网络也得到了空前的发展，逐渐成为学术界、工业界的研究热点［1］。无线传感器网络常常应用在军事、医疗卫生、远程监控、抢险救灾等领域，因此对于大多数无线传感网络来说没有位置信息的节点是没有意义的，因此传感器节点的定位问题是无线传感器网络中的一个基本和关键问题。

由于直接给每个节点安装GPS接收器，从成本、能耗、体积等方面来说，并不适合无线传感器网络的要求。因此无线传感网络中各节点能够进行自身定位具有重要的意义［2－3］。目前无线传感网络中对节点进行定位的方法主要有集中式和分布式两种，但集中式的定位算法需要把信息传送到某个中心节点，并在那里进行节点定位计算，这样靠近中心节点的节点会因为通信量大而能耗过大，可能造成能量过早耗尽而导致整个网络与中心节点信息交流的中断;此外集中式算法也存在当网络拓扑或环境变化时无法实时定位等缺点。而分布式算法可以很好的优化网络的能量分配，降低能量消耗，更具有实用性。

1 分簇定位算法

对无线传感器节点进行分簇是目前研究无线传感网络分布式算法的主要设计方案之一。基于分簇的无线传感器网络，可将网络感知的数据进行融合后再进行传输，减少由于传输产生的能量消耗，而且便于对簇内节点的统一管理，有利于对网络进行扩展［4］。

针对无线传感器网络中只有少数节点移动，大部分节点都是静止的情况。本设计提出的基于能量最优的分簇定位的方法，由簇头收集信息传送给基站。在对移动节点的定位上，由簇内节点的相互通信确定移动节点的位置信息，并对移动节点进行定位。不仅考虑了定位精度，而且针对只有少数节点移动的无线传感网络，簇结构可以保持一定的稳定性，避免从新组簇的能量消耗，很好的优化了网络的能量，保证了无线传感网络的生命周期达到最长。

把传感器网络节点分成连接的簇，每个簇包含一个簇头节点和多个成员节点。簇成员负责检测收集检测区域的参数值并且把它们发送给自己的簇头节点;簇头负责收集来自成员节点的数据，进行处理、压缩，并把数据传送给基站。从而可以进一步节约能耗，提高网络的稳定性。为保证能量的最低消耗，簇内节点实行单跳通信，即每个节点独立的把信息传送给簇头。簇结构如图1所示。

图1 无线传感器网络分簇结构

簇头节点收集簇中节点的信息并和基站进行通讯，由于处理的数据较普通节点要多很多，所以为了节省网络的能量消耗，对簇头节点的个数要进行限制。针对网络的覆盖率问题以及网络簇头的优化，规定了高功率发射节点和低功率发射节点，在这里高功率发射节点的通讯直径是低功率发射节点的2倍，以满足网络连通度和最少簇头的要求［5］。休眠节点是在某个周期内不活动的节点，节省了网络的能量消耗。为了保持网络中能量消耗的平均，各节点根据能量的剩余量进行下一个阶段工作模式的选择。

2 定位算法的具体实现

假设无线传感网络模型是一个矩形网络，在网络中安插一定数量的锚节点，网络中各传感器节点随机分布，在同一周期中只有少数节点移动，采用分簇定位的方法对网络中位置未知的节点进行定位。对于存在位置固定的锚节点和移动的待测节点的无线传感网络，先通过少量锚节点对簇头进行定位，再利用节点的无线互联的性质在簇内对发生移动的节点进行定位。采用接收信号强度(RSSI)测距与质心定位算法结合的方法对移动节点进行定位，从而达到定位精度更高，能量的消耗最少的目的。

2.1 RSSI与质心定位算法结合的定位原则

2.1.1 RSSI传输模型的选择

常用于无线传感器网络模拟的三种传播模型分别是自由空间模型和地表反射双电磁波模型以及阴影模型。我们知道，无线信号在传输过程中的能量是随机变化的，这是由于信号的多径传输。对于未知固定的两个节点之间，每次收到对方信号的能量是含有随机波动成分的。自由空间模型和地表反射模型没有将这种随机因素考虑在内，这样就影响了模型的实用性。而阴影模型中则考虑到这一点。

阴影模型的优点在于，它不仅考虑了通信理论模型，也同时在模型中引入了信道的随机因素。该模型由两部分组成，模型的第一部分表示通信距离与接收信号功率的关系，并引入了参考点d0，它是接近信号发送节点的位置，在本文模型中选择为一米。d0处接收的平均信号功率为Pr(d0)，那么d处的平均功率Pr(d)相对于Pr(d0)的计算公式如下:

其中β称为路径损耗指数，这个参数一般是根据场地实际测量的经验值而来的。它与障碍物的数量成正比。因此随着通信距离的增大接收节点接收到的信号平均能量下降的加速度会逐步变大如表1。通过对上式两边分别取对数，则可得到:

其中pt表示发送能量，Pr(d0)表示距离d0处的接收功率，Gt和Gr分别表示发送和接收节点的天线增益，λ表示通信信号的波长，L表示系统损耗因子。在模拟中通常假设Gt=1、Gr=1以及L=l。

表1 β在不同环境下的典型值

公式的第二部分就是路径损耗模型，用来描述路径损耗与通信距离的关系。需要说明的是，路径损耗是一个对数正态随机变量，如果以dB作为计量单位它满足高斯分布。第二部分的阴影模型如下

PL(d)和PL(d0)分别表示无线信号经过d和d0的传输后的损耗。XdB是一个高斯随机变量，均值为0，方差的取值是根据经验值、实际试验来确定的，一般取值在5左右。

2.1.2 RSSI值的优化处理

对接收信号强度和距离之间进行动态调整。在应用中，对于新收到的RSSI值，与上一次的RSSI值作比较，并以上图中的数据为判断依据，如果相差明显不符合目标实际运动情况，则认为是环境干扰，剔除相应数据;如相差在一定范围之内，则储存该数据进行下一步的处理。因为在定位过程中，节点的移动速度是有限的，由此根据具体情况设定合适的阈值，通过前后两次RSSI的差值与阈值进行比较即可有效地抑制无线网络信道的较大的波动干扰。鉴于节点每次接收到RSSI后存储用于下一次RSSI的比较，考虑到节点第一次接收的RSSI值有可能是干扰数据，故当节点上电后前两次接受的RSSI值取均值后作为第一次比较RSSI。

2.1.3 RSSI测距与质心定位算法的结合

为了达到较好的定位精度，本设计采用RSSI测距与质心定位算法的结合来对节点进行定位。原有质心定位算法没有反映出不同锚节点对未知节点位置影响力的大小，研究得到，未知节点到锚节点的距离越近，锚节点对其定位的影响越大，影响力越大的锚节点对未知节点位置有更大的决定权。RSSI与质心定位算法的结合利用加权因子体现锚节点对未知节点的影响程度，反映它们间的内在关系［8］。该算法的具体做法是:将未知节点接收到的所有的信标节点的RSSI值进行排序。为了降低计算的复杂度，优先选择RSSI值大的锚节点组合成的任意的三角形集合，再对其中三个三角形采用进一步的加权质心计算

其中(xki，yki)就是用加权质心算法求出的未知节点坐标;(x1，y1)(x2，y2)(x3，y3)分别为 3 个锚节点坐标;d1，d2，d3为未知节点与这3个信标节点的近似距离［9］。

再利用下面公式计算未知节点坐标(x，y):

采用RSSI与质心算法相结合的定位算法，随机采用RSSI值比较的大的锚节点信息进行质心定位，采用三次质心定位再取平均值的方式，既提高了定位的精度，也节省了计算复杂度。

2.2 簇结构的定位过程

当无线传感网络中有节点发生移动时，其所在的簇内节点之间通过接收到的RSSI信号大小来判断节点的移动情况。通常情况下，信号强度基本上能够满足随距离的增加而单调递减的规律，这样通过临近节点收到的信号强度的变化，不用计算实际距离，就可以得到节点的移动信息，这样可以有效降低由于模型不准确带来的误差。网络中采用簇结构的方式对节点进行定位，网络中各节点的通讯能量是各个环节中消耗能量最多的环节，因此为了减少能量的消耗和提高定位精度，对于簇内节点的定位过程如图2(a)所示。①当节点2发生移动时，在其通信范围内的节点接收到的RSSI值发生变化，相应的增大或减小。此时感应变化的两个节点互为观测者如图2(b)所示。②感受到变化的节点同时像基站发送变化信息，基站接受此信息后对节点进行标记，假设为(Si，Sj)，那么他们当中有一个应该是移动的。③由于包含不动的观测节点，因此设置一个预定值f(0)，在同一周期中，当基站记录的某一点的次数小于f(0)则视为正常值［10］。④若基站接受到的节点中多次包含Si我们就可以断定Si就是移动节点。同时考虑到簇内不只一个节点运动的情况，所以不排除存在另一移动节点的情况。⑤对移动节点由簇内其他不动节点对其实行定位。

图2 簇内节点的定位

通过簇内定位技术，将移动节点的定位限制于簇内进行，只对移动的节点进行测距。减少了计算复杂度，节省了网络的能量消耗，同时克服了依靠锚节点对移动节点的定位带来的长距离测距误差。由于网络中只有少量节点进行移动，簇结构相对稳定。基于能量的平均消耗的原则，在一定的时间内进行节点工作模式的变换，从而优化网络能量［11］。

2.3 簇的更新与维护

在网络环境中，随着节点的移动节点的集合也依据准则相继进行更新，即簇的更新，包括簇内成员节点的改变、簇头节点的改变，以及簇的重建［12］。簇结构网络生成以后，簇的维护就成了贯穿整个网络生命期的工作。簇的维护工作主要就是处理节点的退出、节点的加入、簇的从组等几种情况。

节点的退出:当一个节点在下一周期发生移动后离开原来的簇，原来的簇头节点接受不到他的信息，则认为该节点退出本簇，簇头节点将其信息删除，并通知整个网络出簇消息。

节点的加入:当一个不属于任何簇的普通节点进入到某个簇的范围，或某个簇的成员节点离开原来的簇进入到另一个簇的范围，簇头节点接受到他的信息并发送的簇头消息给新加入节点，并把新加入节点的信息加入信息列表，并通知整个网络入簇消息。

簇的重组:当网络中出现不能通信的节点，则簇结构进行重组。在移动自组网络中，还可能因簇首节点邻接而触发簇首竞争导致某个簇内节点很少，当某个簇内节点少于设定值时放弃该簇，各节点寻找新的簇头节点。因此簇结构的变化频率越小说明生成的簇结构越稳定，能量消耗越小。考虑到能量的平均消耗，簇结构发生变化时，各节点工作状态也发生变化。

3 仿真结果

假设无线传感网络中锚节点的个数超过三个，实验结果表明基于RSSI测距和质心定位算法结合的分簇定位算法可以很好的实现移动节点的定位，并且使网络的能量消耗趋于平均。如图3所示为簇头节点和休眠节点数量均为总结点数量的10%左右，簇头节点、高功率发射节点和低功率发射节点的能量损耗之比为20∶2∶1，休眠节点为零的情况下，定位算法的能量消耗曲线，15个周期系统的通讯能量消耗保持在300以下，运行能量消耗也能够维持在3.8以下。

图3 能量损耗曲线

针对移动节点的定位我们采取了跟踪定位的方式，对一个节点进行移动跟踪定位，其结果如图4所示，在相同条件下，随着时间的变化节点进行随机移动，基于RSSI校正后的定位误差明显小于原始定位误差，定位精度更高。节点的适应性增强，提高了系统的可靠性。

图4 移动节点定位误差比较

4 结束语

无线传感网络的动态性和各种移动节点的定位需求，如何以较小的能耗达到较高的定位精度是一个热点和难点问题［13］。本文提出了基于分簇的定位算法，克服了长距离定位带来的定位误差，节约了传输过程中的能量消耗。采用RSSI与质心定位结合的算法，不仅有效的减小了因RSSI值误差所引起的定位误差，而且对质心定位算法进行了有效的改进。MATLAB仿真结果表明本设计所提出的基于RSSI和质心定位结合的分簇定位算法兼顾了定位精度、锚节点个数和能量消耗的平衡。在保证精度更高的前提下，减少通信开销，使网络的生命周期达到最长。

［1］刘爱平，刘忠，梁钥，等.基于距离的分布式无线传感器网络定位算法［J］.计算机应用研究，2008，8:2528－2531.

［2］屈巍，李喆.基于RSSI的无线传感网络节点定位技术研究［J］.传感技术学报，2009，22(5):656－659.

［3］戴莹，王建平，张崇巍.无线传感器网络节点定位算法的研究与改进［J］.传感技术学报，2010，23(4):567－570.

［4］YAO Zhongxiao，YU Li，DONG Qifen.Beacon-Based DV-Hop Localization Algorithm in Wireless Sensor Networks［J］.2009，22(10):1504－1509.

［5］王焱，单欣欣.遗传算法在森林防火预警网络中的应用［J］.计算机系统应用，2011，20(5):130－134.

［6］王珊珊.基于RSSI的无线传感器网络定位算法研究［D］.湖南:国防科学技术大学.2007.

［7］李娟.无线传感网络节点定位算法及能量高效路由协议的研究［D］.吉林大学博士学位论文.2009.

［8］石为人，许磊.一种面向无线传感器网络相对定位的分簇算法［J］.计算机工程与应用，2008，44(24):15－18.

［9］Bahi J M，Makhoul A，Mostefaoui A.Localization and Coverage for High Density Sensor Networks.Computer Communications，2008，31(4):770－781.

［10］车文刚，苏磊，王宏祥，等.二分图的无关分解及其在覆盖问题中的应用［J］.电子学报，1998(5):42－47.

［11］郭永红，万江文，于宁，等.基于跳数的无线传感器网络定位求精算法［J］.计算机工程.2009，35(3):145－147.

［12］王继春.无线传咸器网络节点定位若干问题研究［D］.安徽:中国科学技术大学.2009.

［13］ZHONG You-ping，KUANG Xing-hong，HUANG Pei-wei.Improved Algorithm for Distributed Localization in Wireless Sensor Networks［C］//Shanghai Jiaotong University and Springer-Verlag Berlin Heidelberg 2010.Houston:J.Shanghai Jiaotong Univ.(Sci.)，2010，15(1):64－69.