基于ZigBee的RSSI测距模型

兵工自动化2014-12OrdnanceIndustryAutomation33(12)·52·doi:10.7690/bgzdh.2014.12.015基于ZigBee的RSSI测距模型赵莉，李亚，陈国绍(西安工业大学计算机科学与工程学院，西安710021)摘要：针对现有国内外定位技术的不足，设计一种基于RSSI测距的定位方法。通过对室内无线信号的传播特性和室内测距模型进行相关研究工作，分析环境对RSSI的影响，在确定传播损耗模型后，根据实测数据筛选并计算得到满足实际环境的参数值。测验结果表明：该模型较为准确地反映了RSSI与距离的关系，为测距技术在无线定位系统的应用奠定了基础。关键词：RSSI；无线信号；测距模型；定位系统中图分类号：TP302.7文献标志码：ADistanceMeasurementModelofRSSIBasedonZigBeeZhaoLi,LiYa,ChenGuoshao(SchoolofComputerScience&Engineering,Xi’anTechnologicalUniversity,Xi’an710021,China)Abstract:Aimingattheshortcomingsofthedomesticandforeignpositioningtechnology,designalocalizationmethodbasedonRSSI.Studiedonthepropagationcharacteristicsofindoorwirelesssignalanddistancemeasurementmodel,analyzedtheinfluenceofenvironmentontheRSSI.Decidedtousethepropagationlossmodel,andcalculatedparametervaluestomeettheactualenvironmentbasedonthemeasureddata.ThetestresultshowsthatmodelcanmoreaccuratelyreflecttherelationshipbetweentheRSSIandthedistance,italsolaidthefoundationonapplicationofwirelesslocationsystem.Keywords:RSSI;wirelesssignal;distancemeasurementmodel;locationsystem0引言无线传感器网络广泛应用于工业、农业、军事、环境、医疗等传统领域，正成为我们生活中不可缺少的一部分。作为无线传感器网络应用的关键技术，基于无线传感器网络的定位技术研究是非常有意义和具有挑战性的。目前国内外定位技术众多，主要的定位技术包括基于测距的定位技术和非基于测距的定位技术。基于测距的定位技术需要知道参考节点的准确位置信息，根据待定位节点与参考节点之间估算出的距离信息估算出待定位节点的位置；该类定位方法的定位精确度主要依赖于距离测量的准确性以及定位算法的优劣[1]。非基于测距的定位技术不需要估算节点间的距离信息，但仍需要参考节点的辅助，通过无需测距的定位技术估计待定位节点的位置。该类定位技术主要通过节点之间的连通关系估算节点的位置，需要不断查询节点间连通关系，通信量较大，定位精度相对较低[1]。笔者在综合考虑应用需求以及硬件性能的基础上，最终选择基于RSSI测距的定位方法进行定位系统的设计。1RSSI室内测距原理信号从发射机发出后，无线信号所带的能量将逐渐衰减[2]。笔者利用无线信号的衰减规律来测量参考节点与移动节点之间的距离。基于RSSI的测距技术是利用无线信号随距离增大而有规律地衰减的原理来测量节点间距离的，接收信号强度RSSI与传输距离之间有一定关系。RSSI的测量具有重复性和互换性，在应用环境下RSSI适度的变化有规律可循[3]。传感器节点配有无线电广播设备，所以基于RSSI的测距技术对硬件要求低，通过接收信号的强度、发射功率建立测距模型来估计发射节点到接收节点的距离[4]。基于RSSI的测距技术的精度有限，虽然每个节点的发射功率是固定的，但是实际环境中存在多径、绕射、障碍物等不稳定因素对无线信号的传输产生影响，且衰减因子随环境变化而变化，难以估计信道模型的参数，因此需要在不同环境建立不同的测距模型，使模型更加适合室内环境，提高预测精确度[5]。2RSSI室内测距模型在传播的过程中，信号强度随着距离变化而发生改变，根据信号的变化可以得出信号强度的衰减与距离的关系。目前，无线信号传输中普遍采用的模型——传播损耗模型[6]：1收稿日期：2014-06-27；修回日期：2014-07-28作者简介：赵莉(1972—)，女，辽宁人，硕士，教授，从事软件工程、数据仓库、数据挖掘研究。赵莉等：基于ZigBee的RSSI测距模型·53·第12期00PL()L()10lg()ddPdndε=−+(1)式中：PL(d)表示节点相距d时接收到的信号强度，单位为dBm，一般取d0=1m；n是路径损耗指数，表明路径损耗随距离增长的速率，它的值依赖于环境和建筑物的类型，属于经验值；ε表示误差项，是遮蔽因子。在实际应用中，笔者不考虑遮蔽因子，采用简化的距离耗模型：00PL()PL()10lg()dddnd=−(2)简化为()RSSI10lgAnd=−(3)其中()RSSIPLd=，0)PL(Ad=。根据公式(3)，可以求出2个节点之间的距离RSSI()10010Andd−=×(4)为了让模型能够尽量真实反映出当前室内环境中的传播特性，保证RSSI测距的精度，需要对A(A=PL(d0))和n进行测量计算并优化，得到适合该室内环境的参数值。3室内测距实验硬件平台：测试实验均采用DTK公司的ZigBee模块与433M的无线收发模块组成的节点，该节点配备有STC公司的89C52RC处理器芯片，Chipcon的CC1101通信模块，可方便加载各种传感器模块。其中CC1101内置了RSS检测模块，可从RSSI状态寄存器中读取接收信号强度指示(RSSI)值。本次测试实验是在学校实验楼进行，由移动节点发射信号，接收节点检测RSSI值，记录节点接收信号强度并作统计，测量完成60次为一个周期，之后改变节点间的测试距离，继续测试。笔者主要对信号随距离衰减特性方面进行分析，从测得的数据中选取比较稳定的数据，取平均值后作为该位置的RSSI值，研究RSSI随距离的变化并建立测距模型。这样融合了中值滤波和算术平均滤波技术，利于分析信号随距离变化的情况[7]。研究发现相同的无线信号强度在不同的传感器节点中测量的值也不尽相同，因此实验中采用同一设备进行测量[8]。3.1室内环境节点置于地面节点置于地面(h=0)时，参考节点与移动节点之间的距离d=1m时，多次测量接收到的RSSI值，由于受地面以及室内物体对信号传播的影响，测得的RSSI并不是稳定不变的，而是围绕着实际值波动。测量得到的值是波动的曲线，如图1所示。图1h=0m,d=1m时RSSI波动随着距离增大，RSSI值的不断变化，测试实验从0.4m开始，每增加0.2m采集60次RSSI值，为了减少偶然因素对实验造成的误差，取其中比较稳定的40个数据取平均均值作为最后的RSSI值，RSSI随距离变化曲线图如图2所示。图2h=0m时，RSSI随距离变化曲线3.2室内环境节点离地面1.2m参考节点布置在离地面1.2m(h=1.2m)，参考节点与移动节点之间距离d=1m时，多次对RSSI进行测量，采集到的RSSI数据信息如图3所示。图3h=1.2m,d=1m时测得RSSI值波动将节点部署在离地面高1.2m(h=1.2m)处，每增加0.5m测量一次RSSI值，测得RSSI随着距离变化的曲线图如图4所示。图4h=1.2m时，RSSI随距离变化曲线兵工自动化·54·第33卷4实验结果分析4.1室内信号特性研究对比图1和图3可以看出：2个节点相距1m时测得的RSSI值是不稳定的，但它总是围绕着实际值波动。图2可以看出收发节点布置在地面时，由于地面的反射以及物体阻挡、等影响，信号衰减得快，测得RSSI值小，即干扰较强，检测到的信号较弱，不利于测距模型的建立。当节点位于地面时，RSSI衰减较快，最终RSSI值变化趋于平缓，体现出了距离与信号的对数关系。图4可以看出节点位于1.2m时，减小了地面反射以及物体的阻挡的影响后，测得信号强度大，信号衰减得慢。可以看出信号波动较小，距离越近信号强度越强，随着距离的增加信号强度成线性衰减，且衰减缓慢，能更准确地反映信号强度与距离的关系，利于测距模型的建立。研究过程中发现：室内物品摆放位置的变化、人员的走动以及噪声都会对信号的稳定传播产生一定的影响，而这些影响是不可避免的；因此，需要根据环境情况增加节点的数量，合理布置节点位置，减小环境因素的影响，对采集的数据进行筛选，选取符合实际环境的RSSI值建立模型[9]。4.2测距模型参数的确定根据测得的数据建立测距模型，在后续的研究中只需通过对参数A,n进行优化。()RSSI10lgAnd=−(5)其中()RSSIPLd=,0)PL(Ad=。4.2.1平均值法优化模型参数节点相距1m时，测量N次接收到的RSSI值并取平均值，得011PL()NiiAdN==∑(6)则节点相距d时的n是路径损耗指数为RSSI10lgiiAnd−=(7)in为路径损耗指数，RSSIi为第i次测量得到的信号强度值，取n的平均值得11NiinnN==∑(8)节点间的距离为RSSI()10010iAndd−=×(9)4.2.2最小二乘法优化模型参数根据多次采集RSSI和滤波处理，得到RSSIid与距离id对应的数据，得RSSI10lgidiAnd=−(10)则有=HXB(11)其中12110lg110lg110lgiddd−⎡⎤⎢⎥−⎢⎥=⎢⎥⎢⎥−⎣⎦##H，12RSSIRSSIRSSIiddd⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦#B，An⎡⎤=⎢⎥⎣⎦X。根据最小二乘法原理，求出参数X估计值[10]T1Tˆ()X−=HHHB(12)可以计算出模型参数估计值ˆA、ˆn。在实验室内，将节点置于离地面1.2m处，固定好参考节点，然后移动发射节点，从0.5m开始，每隔0.5m进行一次测试，在相同的距离处采集60次RSSI值，取其中比较稳定的40个数据取平均值作为该位置接收信号的实测值。绘制成如图5所示的曲线图。图5多次采集RSSI并滤波后RSSI与距离的关系根据测得的数据采用平均值法计算得：A=-21.5dBm，n=2.325，代入公式(4)可得21.5RSSI23.2510d−−=(13)根据测距模型进行测距实验，测距结果如表1。表1测距实验结果实际距离/mRSSI/dBm测得距离/m误差/m1.527.01.72420.22422.030.02.32050.32052.532.02.82880.32883.033.53.28170.28173.535.03.80710.30714.036.54.42180.4218根据测得的数据采用最小二乘法计算得：A=-22.5dBm,n=2.175，代入公式(4)可得22.5RSSI21.7510did−−=(14)根据测距模型，进行测距实验，测距结果如表2所示。赵莉等：基于ZigBee的RSSI测距模型·55·第12期表2测距实验结果实际距离/mRSSI/dBm测得距离/m误差/m1.527.01.60990.10992.030.02.21210.21212.532.02.73400.23403.033.53.20410.20413.535.03.75580.25584.036.54.40250.4025从测试结果可以看出：RSSI测距在室内的近距离测距误差控制在0.5m内，将所采集数据的滤波后再使用有效提高了数据的准确性；对比2种参数优化方法可知采用最小二乘法参数优化后的RSSI与传播距离的关系更加准确，误差更小，可以满足大多数无线传感器网络