0 引言

    糧食安全問題是國家長遠發(fā)展戰(zhàn)略，而糧食儲存是糧食安全的關(guān)鍵因素之一。安全儲糧主要通過監(jiān)測糧庫內(nèi)部糧堆的溫度和濕度，當監(jiān)測到某區(qū)域溫度升高時采取相應(yīng)降低措施^[1-2]。目前糧庫測溫設(shè)備在每次糧食入庫后人工手動編號來識別位置，需要大量人力、物力，且可靠性較低。

    近些年隨著無線傳感器網(wǎng)絡(luò)技術(shù)的快速發(fā)展，越來越多的研究者開始關(guān)注室內(nèi)定位的研究。室內(nèi)定位主要分為兩類，一類為基于測距的定位模型：例如到達時間，到達時間差，到達角度，RSSI等;另一類為非測距定位模型，例如DV-Hop，質(zhì)心算法等模型^[3-6]。其中測距定位模型的定位精度要高于非測距定位模型,在測距定位模型中除RSSI外大多數(shù)測距定位模型都需要額外的硬件。

    根據(jù)糧庫測溫節(jié)點的低功耗、低成本和高定位精度的要求，本文采用RSSI的定位模型。在無線傳感網(wǎng)絡(luò)硬件基礎(chǔ)上，對RSSI的距離衰減曲線分析，通過動態(tài)信標節(jié)點來提高測距模型的精度，采用差分定位模型降低環(huán)境誤差。通過對比實驗驗證了在實驗環(huán)境下差分定位算法僅需一個輔助信標節(jié)點就可以達到傳統(tǒng)測距定位模型在13個信標節(jié)點時的精度^[7]。

1 糧庫無線測溫節(jié)點設(shè)計

    糧庫滿倉時糧食的厚度為5～7 m，在糧食上平面每隔4～5 m等間距放置節(jié)點，每個節(jié)點采集上下4個位置的溫度。本文采用CC1101微功耗無線收發(fā)模塊，在通信過程中直接讀取RSSI值。測溫采用DS18b20單總線數(shù)字溫度傳感器，每個節(jié)點配置4個DS18b20，上下等間距分布。所有測溫節(jié)點采用鋰電池供電，可獨立移動，相互替換。

2 算法模型

2.1 無線電傳播路徑損耗模型

    基于RSSI測距的模型主要通過發(fā)射和接收信號強度來計算信號傳播損耗而定位，信號傳波損耗值在相同傳播環(huán)境下隨傳播距離增大而增大，通過信號傳播路徑損耗模型可以將信號傳播損耗值轉(zhuǎn)換成距離值。RSSI衰減模型通常采用的常態(tài)分布模型：

    從式(5)可知，RSSI值與A、n、d和X_δ有關(guān)，其中A和n受環(huán)境因素影響較大，傳統(tǒng)方法采用固定A和n來建立求距離d的模型的方式與實際環(huán)境不符合，因此造成的距離模型誤差較大，同時受高斯隨機誤差X_δ的干擾。為了減少以上因素帶來的誤差，對得到的RSSI值進行卡爾曼濾波，然后采用差分定位的方式減少環(huán)境因素的干擾，得到目標節(jié)點的精確位置。

2.2 RSSI的處理

    RSSI是接收信號強度指示根據(jù)無線電在自由空間中傳播的路徑損耗而建立的模型，其值大小與電波傳播距離成反比。本文實驗節(jié)點采用TI公司的CC1101微功耗模塊搭建，從模塊內(nèi)部寄存器可直接讀取通信過程中的rssi_dev值，其取值范圍是0-255，從參考文獻[8]可知rssi_dbm與rssi_dev有如下關(guān)系：

    其中rssi_dev為CC1101內(nèi)部寄存器讀取的16進制數(shù)，rssi_dbm為轉(zhuǎn)換后的十進制信號接收強度值，rssi_off取值為74。為了方便模型的建立及求解，將rssi_dbm做以下處理：

    通過以上處理得到RSSI值，其取值范圍是0-255具有比RSSI更高的分辨率。

2.3 差分定位模型

    由于RSSI值受到環(huán)境的溫度、濕度、多徑效應(yīng)等因素影響，因此即很難建立一個適用于所有情況下的基于RSSI測距定位模型。根據(jù)糧庫測溫節(jié)點布置的情況，本文在傳統(tǒng)測距定位模型的基礎(chǔ)上，提出一種基于RSSI的差分定位模型。

    如圖1所示，糧庫內(nèi)測溫節(jié)點按照等間距排列，且糧庫測控分機和輔助信標節(jié)點的位置已知，分別作為信標節(jié)點S1和S2，只需要依次確定出距離信標節(jié)點最近的位置節(jié)點，令其作為新的信標節(jié)點，依次循環(huán)下去即可確定出糧庫內(nèi)所有測溫節(jié)點的位置坐標。

    假設(shè)節(jié)點2和節(jié)點4距信標節(jié)點S1的距離分別為d₁和d₂，根據(jù)式(1)可得：

    對比式(5)和式(10)可知節(jié)點2和節(jié)點4與信標節(jié)點S1間RSSI值之差僅與它們的距離d₁、d₂和n有關(guān)，而處于同一時刻環(huán)境下的n可認為某一定值，因此采用RSSI差分定位算法可以有效抑制式(5)中X_δ的干擾。

    由式(10)，根據(jù)?駐RSSI的大小可以得知d₁和d₂的相對大小。同理信標節(jié)點可以通過與所有未知節(jié)點間的RSSI值的比較，搜索到距離自己最近的未知節(jié)點。它們不依賴于傳統(tǒng)的測距方法，同時能夠適應(yīng)各種變化的定位環(huán)境。

    如圖1所示節(jié)點1～節(jié)點9被等間距布置在糧庫中，糧庫測控分機和輔助信標節(jié)點被布置在已知的位置，本文提出的差分定位模型及動態(tài)信標節(jié)點選取方案如下：

    (1)選取已知位置的糧庫測控分機和輔助信標節(jié)點作為動態(tài)信標節(jié)點S1和S2。通過式(10)分別搜索與S1，S2距離最近的未知節(jié)點，即RSSI值最大的節(jié)點。因為節(jié)點1與S1通信時RSSI值最大，節(jié)點3與S2通信時RSSI值最大，因此節(jié)點1和節(jié)點3的位置可以被確定。

    (2)令節(jié)點1和節(jié)點3分別作為信標節(jié)點S1和S2，在未知節(jié)點中分別搜索距離它們最近的節(jié)點。

    (3)搜索結(jié)果中距離S1最近的節(jié)點有節(jié)點2和節(jié)點4，距離S2最近的節(jié)點有節(jié)點2和節(jié)點3。比較后發(fā)現(xiàn)節(jié)點2距離S1和S2距離相等，可以確定出節(jié)點2在S1和S2的中點，進而確定x軸方向排列有3個測溫節(jié)點，則節(jié)點2的位置可以確定。進而節(jié)點4和節(jié)點6的位置也被確定，并將它們確定為新的信標節(jié)點S1和S2。

    (4)循環(huán)以上步驟2和3的直至所有節(jié)點定位完成。

3 實驗驗證與分析

    實驗采用TI公司的CC1101芯片在433 MHz開放頻段測試，通過該芯片內(nèi)部自帶8位的RSSI寄存器獲取RSSI值。為了降低通信信道受空間電波干擾而影響測試數(shù)據(jù)，通過凈信道評估機制，確保每次測試前信道處于空閑狀態(tài)。

    如圖2為本實驗用的測溫節(jié)點，硬件采用CC1101通信模塊和STM8L101單片機及18650鋰電池供電。

3.1 數(shù)據(jù)處理

    實驗選擇每隔0.5 m測一組RSSI數(shù)據(jù)，其中每組測100次數(shù)值，對每組采集到的數(shù)據(jù)進行處理，通常處理的方法有均值法和次大值法。

    為了選擇更加適合RSSI值處理方法，分別采用均值法、次大值法和最小二乘法3次擬合值得到圖3曲線。

    由圖3明顯可知次大值法比均值法的衰減曲線波動更小，而且和最小二乘法擬合得到曲線更加吻合。因此本文采用次大值法，對每組100個數(shù)據(jù)進行排序取次大值作為該組測試結(jié)果。

    為進一步降低隨機誤差，對次大值法得到的結(jié)果進行卡爾曼濾波，實驗結(jié)果如圖4所示。通過圖4可知經(jīng)過卡爾曼濾波后的衰減曲線更加平滑，更趨近于擬合值。為了衡量卡爾曼濾波效果，通常采用均方誤差(Mean-Square Error，MSE)來衡量。

    卡爾曼濾波前：MSE=9.7109

    卡爾曼濾波后：MSE=3.6797

    通過MSE計算結(jié)果可知，卡爾曼濾波前的MSE值大于卡爾曼濾波后的值，因此可以證明卡爾曼濾波明顯提高了RSSI值的可信度。

    通過觀察圖4的RSSI距離衰減曲線可知，通信距離越近信號衰減越大，其中在0～10 m的范圍內(nèi)通信距離占總測試距離的50%，但是信號衰減值占總測試衰減值的80%，由此可得出結(jié)論，信標節(jié)點距離被定位節(jié)點越近其定位精度越高。為提高定位精度采用動態(tài)信標節(jié)點，盡量選取距離被定位節(jié)點最近的節(jié)點作為信標節(jié)點，本文差分定位的模型中采用動態(tài)信標節(jié)點方案即選取距離待定位節(jié)點最近的已知節(jié)點作為信標節(jié)點提高定位精度。

3.2 差分定位實驗

    如圖1在一個16 m×16 m的糧庫內(nèi)布置9個測溫節(jié)點，糧庫測控分機和輔助信標節(jié)點，將糧庫測控分機所在位置定義為坐標原點，通過2.3節(jié)提出的差分定位模型進行定位。

    差分定位模型通過比較不同未知節(jié)點與信標節(jié)點間通信時RSSI值的相對大小計算它們與信標節(jié)點間的相對距離大小，從而避免了將RSSI值轉(zhuǎn)換為距離時帶來的較大誤差。由表1差分定位模型測試結(jié)果可以得出結(jié)論：(1)差分定位方案采用已知位置的節(jié)點輪流作為信標節(jié)點，保證在10 m內(nèi)的通信距離，為定位精度提升提供了保障；(2)差分定位模型在定位過程中不需要人工干預，且精度不依賴于布置的信標節(jié)。

3.3 差分定位與傳統(tǒng)測距定位結(jié)果對比

    在3.2節(jié)的實驗環(huán)境下采用傳統(tǒng)測距定位方式，研究所布置信標節(jié)點個數(shù)對定位精度的影響。糧庫測溫節(jié)點是等間距分布，因此傳統(tǒng)測距定位模型的定位結(jié)果只要落在以被測節(jié)點實際坐標為中心半徑為1 m的范圍內(nèi)即認為定位準確。表2為布置信標節(jié)點個數(shù)與節(jié)點定位結(jié)果錯誤個數(shù)的統(tǒng)計情況。

    由表2數(shù)據(jù)對比可知，在相同環(huán)境下，傳統(tǒng)測距定位模型精度隨著信標節(jié)點個數(shù)增加而提高，當信標節(jié)點個數(shù)大于13個之后節(jié)點定位錯誤率降低為0。差分定位模型僅需要一個輔助定位節(jié)點和糧庫測控分機，在定位的過程中自動采用距離被定位節(jié)點最近的已知位置的節(jié)點作為信標節(jié)點，最終節(jié)點定位錯誤率為0。

4 結(jié)論

    為解決糧庫測溫節(jié)點定位問題，提出了基于RSSI的糧庫測溫節(jié)點差分定位算法，通過對比選取對數(shù)據(jù)處理的效果更好次大值法，為降低高斯誤差的干擾采用卡爾曼濾波對數(shù)據(jù)進行處理，最后采用RSSI差分的方法降低環(huán)境的干擾，通過實驗證明差分定位算法的有效性，在不增加大量信標節(jié)點的前提下采用動態(tài)信標節(jié)點的方案解決了糧庫測溫等各種等間距分布的無線節(jié)點的定位問題。

參考文獻

[1] 蘭波，喬長福，程人俊，等.基于無線傳感器網(wǎng)絡(luò)的糧庫溫度監(jiān)測節(jié)點設(shè)計[J].糧食儲藏，2016，45(4)：16-18，42.

[2] 李建勇，李洋，劉雪梅.基于ZigBee的糧庫環(huán)境監(jiān)控系統(tǒng)設(shè)計[J].電子技術(shù)應(yīng)用，2016，42(1)：65-67.

[3] 黃海輝，李龍連.WSN中一種基于RSSI的移動節(jié)點改進定位算法[J].電子技術(shù)應(yīng)用，2015，41(1)：86-89.

[4] ADAPTATION P.RSSI-based distributed self-localization for wireless sensor networks used in precision agriculture[J].IEEE Transactions on Wireless Communications，2016，15(10)：6638-6650.

[5] SANTANA J A，MACAAS E，SUAREZ A，et al.Adaptive estimation of WiFi RSSI and its impact over advanced wireless services[J].Mobile Networks & Applications，2017，22(6)：1100-1112.

[6] 裴凌，劉東輝，錢久超.室內(nèi)定位技術(shù)與應(yīng)用綜述[J].導航定位與授時，2017，4(3)：1-10.

[7] 花超，吉小軍，蔡萍，等.基于RSSI差分修正的加權(quán)質(zhì)心定位算法[J].傳感器與微系統(tǒng)，2012，31(5)：139-141.

[8] Texas Instruments.CC1101 Datasheet [EB/OL].(2007-04-16)[2018-01-30]. http：//www.ti.com.

作者信息:

高金輝，劉宏杰，吳雪冰

（河南師范大學 電子與電氣工程學院，河南 新鄉(xiāng)453007）