3.算法實現過程

3.1定向擴散

目的是盡可能多的攜帶節(jié)點間的連接或測距信息，在建立梯度階段中，每個節(jié)點可以得到其下一跳節(jié)點ID。在傳輸數據階段，則將下一跳節(jié)點ID也打入數據包，按照最大梯度方向發(fā)往網關節(jié)點。當節(jié)點具有RSSI時，還要將下一跳節(jié)點對應的測距結果發(fā)往網關節(jié)點。

3.2計算節(jié)點距離矩陣DALL

目的是提取網關數據中關于節(jié)點連接或測距的信息，并通過最短路徑算法得到所有節(jié)點間的近似距離，即完全的距離矩陣。當節(jié)點具有RSSI時，則可以根據數據包中的每個節(jié)點的測距信息生成部分距離矩陣D，然后采用Floyd最短路徑算法，生成DALL。若節(jié)點不具備RSSI，則將連通表示為單位距離1，同樣用Floyd最短路徑算法，由連接矩陣L生成DALL。

3.3多維標度分析MDS

將節(jié)點距離矩陣DALL作為MDS算法的輸入矩陣，可以獲得節(jié)點的相對位置估計X’,Y’。

3.4平移和旋轉變換

通過比對已知位置的網關節(jié)點，將MDS結果進行坐標變換使得網關位置均方誤差最小。即設X’,Y’為MDS輸出的網關節(jié)點位置，求變換矩陣A,B使得[X’’,Y’’] = A * [X’, Y’] + B與網關節(jié)點已知位置[X, Y]的均方誤差最小。

4.仿真結果和分析

算法仿真采用Matlab6.5，仿真場景為100個傳感器節(jié)點隨機均勻分布在半徑50m的圓型區(qū)域內，網絡中有大于等于三個已知位置的網關節(jié)點。

在圖2的仿真中，10個網關節(jié)點均勻分布在半徑為10米的圓周上，射頻通信距離取20m，射頻信號測距誤差為20%，圖中線段長度代表定位誤差大小。仿真結果直觀的給出了RBSL算法在節(jié)點具有RSSI和沒有RSSI情況下定位的效果。從圖2的仿真中，還可以發(fā)現RBSL算法的一個應用場景，即在大范圍的數據采集中，如果只有一個網關節(jié)點，可以通過數據采集員手持一個網關節(jié)點在一個小范圍內移動，在不同位置采集數據就可以對節(jié)點進行定位。

圖3-a給出了節(jié)點RSSI測距誤差對結果的影響，可以發(fā)現，當測距誤差在20%以內時，定位結果較好，而若測距誤差進一步增大，則結果惡化較為明顯。圖3-b給出了節(jié)點通信距離對結果的影響，可以發(fā)現在通信距離=25m時定位誤差最低，這是因為通信距離過短會使得部分邊緣節(jié)點只有很少的鄰居，從而導致這些節(jié)點定位精度很低，而當通信距離過長時，網絡中的路由鏈路變少，導致能獲得鏈路信息變少，同樣降低了定位精度。

5.結論和研究展望

針對無線傳感器網絡的大范圍數據采集應用場景，本文作者提出了基于路由信息的傳感器網絡定位算法RBSL。RBSL算法的主要優(yōu)點是通信開銷小，只需要每個節(jié)點在自身數據包上附加幾字節(jié)的信息，且容易實現，在大范圍的數據采集場景，只需要多個網關節(jié)點或一個可移動的網關節(jié)點就可以獲得節(jié)點的定位結果。RBSL算法存在的問題是計算量較大，MDS和Floyd最短路徑算法復雜度均為O(n3)。但因在數據采集場景下，執(zhí)行計算任務的是網關PC節(jié)點，因此計算量的問題相對是可以接受的。此外，在前面的分析中假設網絡均勻同構，事實上傳感器節(jié)點性能可能并不相同，且由于地形等因素影響也會造成網絡的不均勻，反映在RBSL算法中就是節(jié)點間測距結果精度的不同，如何在MDS算法中對精度不同的測距結果進行加權是下一步的研究任務之一。

作者所在的清華大學電子工程系復雜系統工程實驗室(CESL,ComplexEngineering System Lab)已經自主開發(fā)了“靈活的低成本無線傳感器網絡平臺”，即FLOWS (Flexible Low-cOst Wireless Sensor network platform)。我們正在進行FLOWS系統在智能大廈定位系統的研究與開發(fā)，相信會有很好的應用前景和經濟效益。