基于 TOF和 RSSI融合定位算法的应用研究

在传感器网络中 ，位置信息对传感网络的检测活动至关重要 ，没有位置信息的检测毫无意义。常用的对于位置信息的检测技术有基于到达 角 度 (Angle ofArival，AOA)、基于到达时间 (Time ofArival，TOA基 于 到 达 时 间 差 (Time DiferenceofArrival，TDOA)、基于接收信号强度(ReceivedSignalStrength Indication，RSSI)及 基 于飞行时间(TimeofFlight，TOF)等的。随着传感网络技术应用环境的多变 ，这些单一的定位技术已经不能满足精确定位 的需求 ，多可靠定位算法的融合应用是 目前定位技术 中的趋势所在  。本研究在应用较广泛TOF定位和RSSI定位技术的基础之上，应用融合算法在不 同的定位范 围内对两种定位技术所得到的数据进行处理 ，以获取精度更高 、稳定性更强的定位估计值 。

1 算法设计

该算法利用含有参考中心的多个信标节点协同工作 ，用数据融合实现对未知节点的精确定位，周围多个信标节点接收到未知节点发送来的定位请求信号，并由TOF定位获得多个初始化位置估计值 ，通过 TOF和 RSSI双层数据融合技术 ，第一层 数据融合通过初始位置估计之间的自检 ，剔除异常数据 ，第二层 数据融合则以所测 RSS值与TOF定位值相结合 ，获取更优 的估计值。算法流程如图1所示 。

第一层定位数据的融合处理

由于实际定位环境的复杂多变性 、各种噪声环境和测量误差的影响，在定位结果中会出现偏差比较大的初始位置估计值，甚至有的位置估计值是严重错误的，第一层的定位数据融合在多个初始位置估计之间，通过数据自检查找相对偏差最大的估计值及其在位置存储数据中的索引位置。TOF定位获得的初始位置估计值有 POS1， POS2，POS3，POS4，，POSn，求出它的平均值，用以查找异常的定位位置估计值：

POS AV=(POS1+POS2+POS3+  +POSn)／n  (1)

初始位置估计值与其平均值作差，差值最大即为明显异常的数据，提取其在存储空间的位置，有效剔除异常数据，并将异常数据对应的RSSI值也进行置零处理 。

第二层定位数据的融合处理

在进行第二层数据融合时，在不同的定位范围 内利用RSSI定位和TOF定位加权因子的不同，将两者的定位数据进行有效动态融合，定位算法遵循以下公式：

P(((IaTOF+(1—0)RSSI—S)／S)<E)>P， (2)

其中 TOF和 RSS分别代表第一层数据融合中得到的 TOF定位和 RSSI定位的初始位置估计值；a为 TOF定位和 RSSI定位的加权因子，根据距  离和所需定位精度的不同 a需要取 0～1范围内的不同值来达到定位的目的；S为实际的定位距 离；E为定位所容忍的定位误差，一般取经验值10％；p 为在不同加权因子和不同定位范围内的RSS可容忍的定位准确概率，一般取 80％。

2　系统实践验证

本研究通过NANOPAN5375定位平台对上述定位算法的有效性进行了验证。NANOPAN5375 是一款应用Nanotron公司的宽带线性调频扩频(CSS)全球专利技术，并在其上整合了放大及滤波等组件的RF模块，体积仅有29mm×15mm×4mm，可大大降低对微处理器和软件的要求，轻松完成高级别系统的设计。

系统硬件

系统硬件电路是由以Codex．M3为内核的处理器芯片 STM32FlO3CBT6CPU控制器、NANOPAN5375无线收发模块以及其他外围电路组成的。

系统控制器。系统控制模块主要负责对NANOPAN5375无线收发模块的初始化，向该模块发出控制指令，并通过SPI总线将位置相关信息传递到 NANOPAN5375模块的缓存里。无线模块负责数据的无线收发，通过 SPI总线可以对无线模块进行初始化设置，如传输模式、缓存大小、模块地址及传输速度等信息。NANO． PAN5375模块运用了 DDDL技术，保证了数据传输的准确性和实时性。

系统软件

系统的软件部分主要由无线收／发程序、信标节点信息处理程序组成，其流程如图 3所示。软件运行过程分为 3步：首先通信双方定义数据包格式；然后双方交换握手信号，建立起无线通信链路；最后进行数据传输，上位机发送开始定位指令，下位机收到指令以后作出相应的应答，并启动定位功能，此时未知节点将携带有自身位置信息的数据通过 2．4G无线方式发送给各个信标节点进行处理，信标节点根据上述定位算法得到未知节点的最终估计值。

3　算法验证结果分析

本研究通过NANOPAN5375定位平台在空旷环境下对算法的有效性进行了分析验证。定位结果如图 4所示。从图中可以看出，在约 0一lOre 的范围内用 RSSI定位的精度要优于用 TOF定位的精度；而在 10～25m的范围内 RSSI定位和 TOF 定位的精度相当；在超过 25m的范围内 TOF的定位精度将逐步超过 RSSI定位的精度。在应用上述 RSSI和 TOF融合定位算法时，结合式 (2)，经过实际的应用测试，此处取 E为 0．013，P，为0．8。不同的环境下需要进行测试以确定 a的值，才能达到较好的定位精度。在本研究中，经过实际测试验证，可以得出在 0～10m的范围内，a的取值接近为 1；在 10一l6的范围内，a的取值为0．537；在 16～25m的范围内，a的取值为 0．378。由图 4 可以看出，在 10—25m 的范围内应用 RSSI和 TOF 融合定位算法所得的定位精度明显优于单独用 TOF和 RSSI定位的精度。

4　结束语

笔者在4研3究3 2TOF2l和l RSSI00定位算法的基础上，提出了基于 RSSI和 TOF定位算法的双重数据融合算法，有效消减了单一 TOF定位所带来的定位模糊问题，并且在实际的定位平台中验证了该算法的有效性。该算法计算相对简单，算法的移植相对容易，在需要定位精度较高的工程应用场景中，有着良好的应用前景。