基于坐标修正的定位算法

基于接收信号强度值(RSSI)的定位方法以其低功耗，低成本和较低的硬件复杂度等特点被越来越多的应

随着移动设备，无线网络技术的不断发展，无线传感器网络(wireless sensor networks, WSNs)的应用也越来越广泛。而在无线传感器网络中，位置信息又是至关重要的，事件发生的位置或获取信息的节点位置往往是网络中的重要信息。因此，确定事件发生的位置或者获取信息的节点位置是无线传感器网络最基本的功能之一[1]。

在室外定位中，全球定位系统(GPS)已经很好的解决了定位问题。它通过GPS 接收器接收来自4~20个卫星的信号，然后通过这些信号的到达时间差(TDOA)进行定位。而在室内环境下，GPS 系统由于卫星信号受到阻隔而无法完成定位[2]。因此，通过何种方法进行室内定位并得到较好的效果已经成为无线传感器网络领域的一大研究热门。

在室内定位中，通常的方法是通过测距来实现定位。而测距的主要方法有如下几种：AOA (Angle of Arrival)，TOA (Time of Arrival)，TDOA (Time Difference of Arrival)和RSSI (Received Signal Strength In-dication) [3]。其中RSSI 是最常用的测距方法之一。它可以在每次数据传输中获得，不需要额外的带宽和能量，也不需要额外的硬件花费[4]。然而利用RSSI 测距也有着不容忽视的缺点。因为传感器节点往往要部署在复杂的环境中，信号的接收强度会受到多径效应，非视距以及天线增益等影响，对信号的传播损耗产生明显的改变，从而在获取距离信息时产生较大的误差[5]。因此，要想通过RSSI 方法得到较好的定位效果，就必须要尽量的消除RSSI 测距过程中的误差。

在RSSI 定位过程中， 较常用的方法主要有三角质心算法， 加权三角质心算法， 位置指纹定位算法等。

而本文选择一种新的算法，即几何定位算法进行位置确定。几何定位算法就是通过围成正方形的四个锚节点，运用简单的几何知识对盲节点进行定位。然后再提出一种基于几何定位的坐标修正算法，对估计坐标向四个锚节点方向依次进行修正，得到最终结果。

2. 无线信号传播模型及误差分析 2.1. 无线信号传播模型 利用无线信号传输的理论模型，可以通过接收到的信号强度来进行定位。最常用于此方法的传播模型是Shadowing 模型[6]。

Shadowing 模型分为两部分， 第一部分是pass loss 模型， 他能够预测出当距离为d 时的平均能量( )rpd 。

它使用了一个接近中心点的距离d0 作为参考距离， ( )rpd 相对于()0rpd的计算如下： ( )()00dB10logrrpddpddβ= − (1) 其中，β 是pass loss 指数，通常由具体场地测量得到，一般在2~6 之间[7]。