万国峰

(西北民族大学电气工程学院，兰州 730030)

1 概述

无线传感器网络(Wireless Sensor Network, WSN)定位算法分为2大类[1-2]:基于测距的定位和基于非测距的定位。基于测距的定位在获得较为精确定位结果的同时产生了大量计算和通信开销。目前常用的基于测距的定位算法主要包括到达时间(Time of Arrival, TOA)[3]、到达时间差(Time Difference of Arrival, TDOA)、到达角(Angle of Arrival, AOA)[4]。无需测距的定位则仅依靠网络连通性等信息进行定位，节点能耗低，适合于能量受限的无线传感器网络。相比单纯的Range-free算法，接收信号强度(Received Signal Strength Indicator, RSSI)[5]增加了额外的有用信息，能够提高定位精度，且RSSI的获取很简单。同时，由于无需测量节点间的绝对距离或方位，因此降低了对节点硬件的要求，使得节点成本更适合于大规模传感器网络。但是 RSSI的测距理论能否满足实际测距要求，尤其当环境不同时，RSSI测距误差与实际有多大，还需要证实。

本文针对 RSSI测距过程中由于环境因子而引起的误差，设计一种参考锚节点的高斯校正模型(Reference-G)，该模型与传播环境无关。

2 RSSI基本测距理论

设节点u向节点v发射信号，发射功率为Pt，接收功率为Pr，损耗功率Pl，则有式(1)给出的模型[6]:其中，n为与环境相关的路径散逸指数，即环境因子，环境不同，n值不同，如表1所示；d0为陷入距离，典型值d0=1 m(距离发送端)；Pl(d0)是距离发送端d0处的损耗功率，由自由空间路径损耗模型计算得出；d为发送端到接收端的距离。那么，RSSI测距公式为:

其中，Pr(d0)是距离发送端1 m处的接收信号功率；Xσ代表平均值为0的高斯随机变量；标准差σ∈4 dB～10 dB。

表1 不同环境下的路径散逸指数