【正文】 絡(luò)連通性的定位算法。質(zhì)心為多邊形的幾何中心，是多邊形頂點(diǎn)坐標(biāo)的平均值。質(zhì)心定位算法的最大優(yōu)點(diǎn)是非常簡(jiǎn)單，計(jì)算量小，通信開(kāi)銷(xiāo)小，完全基于網(wǎng)絡(luò)的連通性，但是僅能實(shí)現(xiàn)粗糙度定位，需要較高的參考節(jié)點(diǎn)密度，需要較多的錨節(jié)點(diǎn)，參考節(jié)點(diǎn)部署的位置對(duì)定位效果影響很大，邊界節(jié)點(diǎn)的定位也較困難。該算法的基本思想是將待定位節(jié)點(diǎn)到參考節(jié)點(diǎn)之間的距離用網(wǎng)絡(luò)中節(jié)點(diǎn)的平均每跳距離和節(jié)點(diǎn)之間的跳數(shù)乘積來(lái)表示，使用三角定位來(lái)獲得節(jié)點(diǎn)的位置信息。然后，將其作為一個(gè)校正值傳輸?shù)骄W(wǎng)絡(luò)中，校正值采用可控洪泛法在網(wǎng)絡(luò)中傳播，意味著一個(gè)節(jié)點(diǎn)僅接受獲得的第一個(gè)校正值而丟棄所有后來(lái)者，這個(gè)策略確保了絕大多數(shù)節(jié)點(diǎn)可從最近的錨節(jié)點(diǎn)接受校正值。DVHop算法雖然待定位節(jié)點(diǎn)通信范圍內(nèi)的參考節(jié)點(diǎn)數(shù)量不多，但是，采用上述方法可以獲得通信范圍外多個(gè)參考節(jié)點(diǎn)的估計(jì)距離，利用更大量的信息獲得該節(jié)點(diǎn)的位置。（3）DVdistance 算法為了降低節(jié)點(diǎn)的性能要求，BadriNath 等提出了DVdistance 算法。當(dāng)位置節(jié)點(diǎn)獲得與三個(gè)或更多參考節(jié)點(diǎn)的距離后，使用三角測(cè)量定位。隨著測(cè)距誤差的增大，定位誤差也急劇增大。首先，采用與DVHop算法類(lèi)似的方法確定節(jié)點(diǎn)與每個(gè)參考節(jié)點(diǎn)之間的跳數(shù)，即節(jié)點(diǎn)到參考節(jié)點(diǎn)的梯度跳數(shù)，稱(chēng)為梯度值。本質(zhì)上此算法是前一種算法的增強(qiáng)，引入了多參考節(jié)點(diǎn)測(cè)量進(jìn)行估計(jì)求精的步驟。（5）APIT 算法APIT(Approximate Point In Triangulat ion Test)算法原理是近似三角形內(nèi)點(diǎn)測(cè)試法。 APIT 算法通信開(kāi)銷(xiāo)小、精度高、適合跟蹤，但是算法需要足夠的PIT三角形才能達(dá)到精度要求，這就需要定位節(jié)點(diǎn)的高密度相配合。Cricket 系統(tǒng)是MIT開(kāi)發(fā)的最早的松散耦合定位系統(tǒng)。毛紀(jì)誒單隨機(jī)地同時(shí)發(fā)射RF和超聲波信號(hào)，RF信號(hào)中包含該錨節(jié)點(diǎn)的位置和ID。Cricket的系統(tǒng)只支持位置信息獲取，并不能做追蹤以及導(dǎo)航，而且因?yàn)閭鞲衅鞴?jié)點(diǎn)作為信標(biāo)需要不斷廣播無(wú)線信號(hào)和超聲波信號(hào)，會(huì)大大的增加網(wǎng)絡(luò)整體能耗，降低節(jié)點(diǎn)的工作壽命。T的Active Bat 系統(tǒng)通過(guò)有線介質(zhì)連接到中心控制器。但這種部署策略限制了系統(tǒng)的可擴(kuò)展性，代價(jià)較大，無(wú)法應(yīng)用于不適合布線的環(huán)境。Active Badge的中文翻譯意思是活動(dòng)徽章，在他們的論文描述中，室內(nèi)的人員每個(gè)佩戴一個(gè)徽章，由徽章上的紅外傳感器發(fā)射信號(hào)給標(biāo)簽傳感器，每隔15s發(fā)射100ms的紅外信號(hào)。Active Badge 定位系統(tǒng)的優(yōu)點(diǎn)是，因?yàn)槭褂昧思t外通信，所以功耗極低，同時(shí)也可以做到很小的體積。RADAR 屬于緊密耦合型，系統(tǒng)需要建立一個(gè)環(huán)境中各處RF信號(hào)強(qiáng)度的數(shù)據(jù)庫(kù)。4 基于測(cè)距的無(wú)線網(wǎng)絡(luò)定位方法對(duì)定位算法的性能評(píng)價(jià)指標(biāo)主要有定位精度、節(jié)點(diǎn)密度、容錯(cuò)和自適應(yīng)性、功耗和代價(jià)、網(wǎng)絡(luò)規(guī)模等幾個(gè)部分。其流程圖如圖41所示。通?？捎孟旅娴膶?duì)數(shù)常態(tài)分布模型來(lái)計(jì)算距離： ()在無(wú)線傳感器網(wǎng)絡(luò)中，理論上通過(guò)三個(gè)參考標(biāo)簽的RSSI信息就可以用三遍測(cè)量法決定一個(gè)未知節(jié)點(diǎn)的位置。所以，常采用凸規(guī)劃定位算法及極大似然估計(jì)法等方法。加權(quán)質(zhì)心定位算法是一種基于Euclidean定位計(jì)算的方法。該算法采用了具有較大的天線發(fā)射功率的信標(biāo)節(jié)點(diǎn)，其發(fā)射半徑遠(yuǎn)大于普通節(jié)點(diǎn)的通信半徑，這樣可以減少信標(biāo)節(jié)點(diǎn)的數(shù)目，并且對(duì)硬件的要求不高，信標(biāo)節(jié)點(diǎn)的密度要求也下降了，對(duì)節(jié)點(diǎn)連通性也沒(méi)有要求，具有較好的綜合效果。常用的傳播路徑損耗模型有：自由空間傳播模型（free space propagation model）、對(duì)數(shù)距離路徑損耗模型（logdistance path loss model）、Hata 模型（Hata model）、對(duì)數(shù)常態(tài)分布模型（logdistance distribution）等。自由空間無(wú)線電傳播路徑損耗模型 （）其中，是距信源的距離，單位 km；是頻率，單位為 MHz；是路徑衰減因子。下述對(duì)數(shù)常態(tài)分布模型將更加合理，式（）可用于計(jì)算節(jié)點(diǎn)收到信標(biāo)信息時(shí)的路徑損耗 （）其中是經(jīng)過(guò)距離后的路徑損耗；是平均值為0的高斯分布隨機(jī)變數(shù)，其標(biāo)準(zhǔn)差范圍為4～10；的范圍是2～5；取。這樣根據(jù)式（）可得各未知節(jié)點(diǎn)接收信標(biāo)節(jié)點(diǎn)信號(hào)時(shí)的信號(hào)強(qiáng)度 （）其中天線增益為在輸入功率相等的條件下，實(shí)際天線與理想的輻射單元在空間同一點(diǎn)處所產(chǎn)生的信號(hào)的功率之比，定量地描述一個(gè)天線把輸入功率集中輻射的程度。單位為dBd。根據(jù)實(shí)驗(yàn)所得數(shù)據(jù)，建立不同發(fā)射功率以及不同天線增益時(shí)所測(cè)得的RSSI數(shù)量集RSSI={R1，R2，R3，…,Rm}，所寫(xiě)m文件如圖42所示：function d=d(x)d0=1。n=N。R4] 。 %發(fā)射功率G=g。 %信號(hào)源頻率A=R++10*n*log10(d0*F)+x。C=B/32。圖42 MATLAB中基于RSSI值測(cè)距算法M文件根據(jù)RSSI值與待測(cè)距離之間關(guān)系可以看出影響測(cè)量精度的系數(shù)分別有平均值為0的高斯分布隨機(jī)變數(shù)，路徑衰減因子，發(fā)射功率和天線增益。在圖中可以看出，信號(hào)強(qiáng)度的定位算法中信號(hào)強(qiáng)度值隨環(huán)境的改變有很高的靈敏度，這會(huì)限制測(cè)量的準(zhǔn)確度。當(dāng)傳輸距離較近的時(shí)候， RSSI 值衰減得較快； 當(dāng)傳輸距離越遠(yuǎn)，衰減得越慢,接收強(qiáng)度對(duì)傳輸距離的變化表現(xiàn)不明顯。 Euclidean定位計(jì)算圖44 平面定位示意圖如圖45當(dāng)一個(gè)位置節(jié)點(diǎn)收到信標(biāo)節(jié)點(diǎn)、發(fā)出的定位信號(hào)時(shí)，根據(jù)RSSI和信標(biāo)、的位置，可以得到，；我們可以得到兩個(gè)三角形：、,和是節(jié)點(diǎn)的兩個(gè)可能位置。同樣的取邊和邊，可以得到另外兩個(gè)近似位置和。再次利用質(zhì)心算法即可求出節(jié)點(diǎn)的最終位置坐標(biāo)。這為傳感區(qū)域邊界附近節(jié)點(diǎn)的精確定位建立了基礎(chǔ)，克服了一些定位方法造成的邊界附近節(jié)點(diǎn)內(nèi)陷的問(wèn)題。 加權(quán)質(zhì)心定位計(jì)算圖43常態(tài)分布模型繪制的強(qiáng)度（RSSI）曲線圖。而當(dāng)距離大于80m時(shí)，由于式（）中的影響，由RSSI波動(dòng)造成的絕對(duì)距離誤差將會(huì)很大。如圖45所示，位置節(jié)點(diǎn)收到了三個(gè)信標(biāo)節(jié)點(diǎn)的信號(hào)，那么節(jié)點(diǎn)收到三個(gè)信標(biāo)的影響，RSSI最大的信標(biāo)節(jié)點(diǎn)對(duì)的位置有最大的決定權(quán)。在保證參與定位計(jì)算的信標(biāo)節(jié)點(diǎn)數(shù)大于三個(gè)的情況下，將距離大于80m（視應(yīng)用環(huán)境而定）的信標(biāo)節(jié)點(diǎn)去除，以免造成定位誤差擴(kuò)大。通過(guò)對(duì)無(wú)線電傳播路徑損耗模型的分析，可以發(fā)現(xiàn)利用普通Euclidean 定位和其他定位方法時(shí)，沒(méi)有充分利用節(jié)點(diǎn)在定位階段所獲得的所有信息，沒(méi)有反映信標(biāo)節(jié)點(diǎn)對(duì)未知的影響力的大小，影響了定位精度。我們通過(guò)式（）和式（）中的加權(quán)因子來(lái)體現(xiàn)這種約束力 （） （）其中，、為未知節(jié)點(diǎn)獲得的到三個(gè)信標(biāo)節(jié)點(diǎn)的近似距離（圖44），、是利用改進(jìn)Euclidean 定位方法計(jì)算出的三個(gè)未知節(jié)點(diǎn)的近似位置。通過(guò)這種內(nèi)在關(guān)系的反應(yīng)來(lái)達(dá)到提高定位精度的目的。function A=A(x,y)d1=4。d3=4。(x0)^2+(y0)^21639。(x0)^2+(y4)^23239。x39。y39。%設(shè)B=（0,0），C=（0,4）,D=(4,4)d1=4。d3=4。x2=4。d4=sqrt((x10)^2+(y10)^2)。L1=abs(d4d1)/d4。if L1L2 fprintf(39。,x2,y)else fprintf(39。,x1,y)end運(yùn)行結(jié)果：A=(4,0)圖47 MATLAB中利用第三個(gè)節(jié)點(diǎn)距離確定待測(cè)點(diǎn)A的位置坐標(biāo)反復(fù)分別以B、C兩點(diǎn)為參考帶點(diǎn)，得出A點(diǎn)位置分別為AB= (4,0)，AC= (4,0)；將AD、AB、AC三個(gè)數(shù)據(jù)帶入加權(quán)算法（如圖48所示），得出A=(4,0)，經(jīng)驗(yàn)算與實(shí)際相符。x=[4 4 4]。x1=(x(1)/(d(1)+d(2)))+(x(2)/(d(2)+d(3)))+(x(3)/(d(1)+d(3)))。X=x1/x2。y2=(1/(d(1)+d(2)))+(1/(d(2)+d(3)))+(1/(d(1)+d(3)))。fprintf(39。,X,Y)運(yùn)行結(jié)果：A=(4,0)圖48 MATLAB中加權(quán)質(zhì)心算法確定待測(cè)節(jié)點(diǎn)A位置坐標(biāo)（2）在matlab環(huán)境中，可以直接利用解方程組的方法得出A點(diǎn)坐標(biāo)，如下。(x0)^2+(y0)^21639。(x0)^2+(y4)^23239。(x4)^2+(y4)^21639。x39。y39。圖410 平面中三節(jié)點(diǎn)確定一位置節(jié)點(diǎn)示意圖（4）在實(shí)際室內(nèi)定位中，位置節(jié)點(diǎn)定位延伸為空間式定位，因此需要適當(dāng)增加天線數(shù)量以提高定位精度。圖411 4根天線確定空間待測(cè)點(diǎn)5基于非測(cè)距的無(wú)線網(wǎng)絡(luò)定位方法 LANDMARC現(xiàn)有RFID定位絕大多數(shù)都是基于信號(hào)強(qiáng)度的定位技術(shù)。LANDMARC（ Location identification based on dynamic active RFID calibration ）方法是一種經(jīng)典的基于有源RFID的室內(nèi)定位算法，它采用了充當(dāng)定位參考點(diǎn)的參考標(biāo)簽來(lái)輔助定位。所以LANDMARC方法通過(guò)比較閱讀器接收到的待定位標(biāo)簽與參考標(biāo)簽信號(hào)強(qiáng)度值的大小來(lái)找出離待定位標(biāo)簽距離最近的幾個(gè)參考標(biāo)簽，然后根據(jù)這幾個(gè)參考標(biāo)簽的坐標(biāo)，并結(jié)合它們的權(quán)重用經(jīng)驗(yàn)公式計(jì)算出待定位標(biāo)簽的位置?？蓴U(kuò)展性好。但LANDMARC也依然存在一些問(wèn)題。由于信號(hào)的多路徑效應(yīng)(radio signal multi—path effects)，使得其定位精度不高：而且為了使得定位能更加準(zhǔn)確，往往需要放置更多的參考標(biāo)簽。LANDMARC是借助參考標(biāo)簽（或稱(chēng)為輔助標(biāo)簽）定位，這些參考標(biāo)簽在該定位系統(tǒng)中被視為參考點(diǎn)。并根據(jù)最鄰近參考標(biāo)簽的坐標(biāo)加權(quán)求出待定位標(biāo)簽的坐標(biāo)。1）定義待定位標(biāo)簽的信號(hào)強(qiáng)度矢量為，其中表示待定位標(biāo)簽在閱讀器上的值。對(duì)于每個(gè)待定位標(biāo)簽，定義。2）選取最小的個(gè)參考標(biāo)簽作為最鄰近標(biāo)簽。分別為個(gè)參考標(biāo)簽的坐標(biāo)，表示的第個(gè)參考標(biāo)簽的權(quán)重，在LANDMARC中，通過(guò)下式得到： ()通過(guò)待定位標(biāo)簽的實(shí)際坐標(biāo)和算法計(jì)算得到的待定位標(biāo)簽的坐標(biāo)的比較，可以算出他們之間的誤差值，其中的表示的是待定位標(biāo)簽的實(shí)際坐標(biāo)位置。圖51 室內(nèi)環(huán)境模擬 LANDMARC 算法改進(jìn)假設(shè)有個(gè)PFID閱讀器，個(gè)參考標(biāo)簽，個(gè)待定位標(biāo)簽。然后，我們將個(gè)標(biāo)簽及坐標(biāo)為的待定位標(biāo)簽放入一個(gè)集合，該集合共有個(gè)標(biāo)簽。以該方法計(jì)算該集合中的每一個(gè)最鄰近參考標(biāo)簽的坐標(biāo)，得到個(gè)坐標(biāo)值。2）待定位坐標(biāo)計(jì)算如下： () VIRE算法基于LANDMARC的不足之處。VIRE方法的核心思想就是在不增加額外參考標(biāo)簽的情況下，通過(guò)去掉那些不可能的位置來(lái)得到待定位物體的更精確的位置。而這個(gè)網(wǎng)格又可以進(jìn)一步分割成許多小網(wǎng)格，我們將每一個(gè)被4個(gè)參考標(biāo)簽的覆蓋的小網(wǎng)格分成個(gè)大小相同的虛擬網(wǎng)格單元，而每個(gè)虛擬網(wǎng)格單元可以看作被4個(gè)分布在單元格角上的虛擬參考標(biāo)簽覆蓋，由于參考標(biāo)簽的坐標(biāo)是已知的，虛擬參考標(biāo)簽的坐標(biāo)也可以很容易的得到。VIRE中還引入了近似圖(proximity map)的概念，近似圖覆蓋整個(gè)定位區(qū)域，并且也被劃分為很多小區(qū)域(小方格)，其中每個(gè)區(qū)域的中心對(duì)應(yīng)著一個(gè)虛擬參考標(biāo)簽。假設(shè)有k個(gè)閱讀器，則在獲得k幅近似圖之后，通過(guò)取交集可以得到待定位標(biāo)簽最可能在的區(qū)域。在VIRE中，當(dāng),閾值取1的時(shí)候有較高的精度。 算法過(guò)程（1）假設(shè)有1個(gè)待測(cè)標(biāo)簽， m個(gè)參考標(biāo)簽，n個(gè)天線。建立以下幾個(gè)集合：①參考標(biāo)簽ID集合：ID={i1，i2，i3，am}，b={b1，b2，b3，cm}，d={d1，d2，d3，n={n1，n2，n3，Sn}；、（5）根據(jù)LANDMARK算法中提及的算法計(jì)算中間變量Ej，并按照計(jì)算結(jié)果將Ej從小到大的順序排列建立新的集合E，每個(gè)元素E都對(duì)應(yīng)一個(gè)參考標(biāo)簽坐標(biāo)位置；（6）選取集合E中相對(duì)較小的幾個(gè)參考標(biāo)簽進(jìn)行加權(quán)計(jì)算得出待測(cè)標(biāo)簽位置坐標(biāo)。 Tb1 Tb2 Tb3 Tb4 Tb5 Tb6 Tb7 Tb8 Tb9 Tb10 Tb11 Tb12 Tb13 Tb14 Tb15。 Td1 Td2 Td3 Td4 Td5 Td6 Td7 Td8 Td9 Td10 Td11 Td12 Td13 Td14 Td15] S=[Sa Sb Sc Sd]。B=sqrt((T(1,2)S(1))^2+(T(2,2)S(2))^2+(T(3,2)S(3))^2+(T(4,2)S(4))^2)。D=sqrt((T(1,4)S(1))^2+(T(2,4)S(2))^2+(T(3,4)S(3))^2+(T(4,4)S(4))^2)。F=sqrt((T(1,6)S(1))^2+(T(2,6)S(2))^2+(T(3,6)S(3))^2+(T(4,6)S(4))^2)。H=sqrt((T(1,8)S(1))^2+(T(2,8)S(2))^2+(T(3,8)S(3))^2+(T(4,8)S(4))^2)。J=sqrt((T(1,10)S(1))^2+(T(2,10)S(2))^2+(T(3,10)S(3))^2+(T(4,10)S(4))^2)。L=sqrt((T(1,12)S(1))^2+(T(2,12)S(2))^2+(T(3,12)S(3))^2+(T(4,12)S(4))^2)。N=sqrt((T(1,14)S(1))^2+(T(2,14)S(2))^2+(T(3,14)S(3))^2+(T(4,14)S(4))^2)。a=[TIx T2x T3x T4x T5x T6x T7x T8x T9x T10x T11x T12x T13x T14x T15x。 TIz T2z T3z T4z T5z T6z T7z T8z T9z T10z T11z T12z T13z T14z T15