RSSI

RSSI（精选7篇）

RSSI 篇1

摘要：为探索RSSI (Received Signal Strength Indicator) 技术的应用, 了解其测距原理及验证其准确性, 经过多次实地测量, 在不同距离下搜集多组接收信号的强度指示, 通过数学软件, 采用线性回归及多项式回归两种回归分析, 研究其相关性, 再比较、验证其精准性, 选择出更符合原始数据的分析方法, 得到RSSI和距离的关系。

关键词：无线传感技术,RSSI,回归分析

1 研究背景

物联网, Internet of Things (IOT) [1], 根据国际电信联盟 (ITU) 发布的ITU互联网报告所做的定义, 是通过二维码识读设备、射频识别 (RFID) 装置、红外感应器、全球定位系统和激光扫描器等信息传感设备, 按约定的协议, 把任何物品与互联网相连接, 进行信息交换和通信, 以实现智能化识别、定位、跟踪、监控和管理的一种网络。而在其应用中的三项关键技术里, 排列在首位的是无线传感器技术。

无线传感器网络, 由一些节点组成。节点具有感知物理世界信息 (温度、湿度、光强等) 、处理信息、与其他节点通信的能力。每一个节点具有质量轻、体积小、成本低、能耗低的特点。所有节点协同的处理数据, 最后将数据发送至用户的本地计算机上。这样, 用户即可不必身临节点所处的环境中, 而得到该环境中一些有用信息[1]。

我们所研究的RSSI技术, 即通过传感器节点接收到的信号强弱测定信号点与接收点的距离, 进而根据相应数据进行定位计算的一种定位技术, 在现如今炙手可热的物联网及无线传感器网络上节点定位方面有重要的应用[2,3,4,5]。

2 开发环境

实验硬件平台采用美国Crossbow公司研制的Telos B节点。Telosb节点采用具有16位精简指令系统, 其工作主频为8M并具有一个RAM大小为10KB的MSP430低能耗微处理器, 其通信模块为CC2420无线收发芯片。CC2420是符合2.4GHz IEEE802.15.4标准的射频收发器。该芯片可通过编程设置为8个不同等级的输出功率, 其最大功率通信距离可达100米[6]。

软件平台主要包括节点软件和数据处理部分。节点软件采用nes C语言在开源的Tiny OS2.0操作系统[7]上完成。数据处理软件采用著名的工具MATLAB。

3 实验内容

3.1 数据收集

数据收集的操作是在一片平直的坡道上进行的, 使用两个Telos B节点分别作为接受器和发送器。选择天气晴朗无风的一天, 在坡道上固定一个发送器节点, 把接受器节点分别固定在5米、9米、12米、16米、22米进行测量, 每组数据包含三次测试, 通过程序控制不选取不稳定的前20个数据, 选取之后的20个较稳定的数据, 并且保存到文件中以便进行处理分析。

将五组数据各自后导入Matlab, 为剔除极端值影响, 把误差控制在可接受范围内, 用作图法得出其中间值。如图1所示。

3.2 数据分析

设自变量x=[5 9 12 16 22], 因变量y=[-12.0000-22.5000-26.0000-31.5000-33.000]对以上数据进行回归分析。

3.2.1 线性回归

可知回归模型为y=-9.6745-1.1973x。

残差分析 (如图2所示) :

rcoplot (r, rint)

从残差图可以看出, 数据的残差离零点均较近, 且残差的置信区间均包含零点, 这说明回归模型y=-9.6745-1.1973x能较好的符合原始数据。

预测及作图 (见图3) :

3.2.2 多项式回归

以三次多项式回归为例:

得回归模型:

预测及作图: (见图4)

3.3 实验结果

经比较与分析可得, 多项式回归比线性回归更符合原始数据的分布。因此, 我们探索RSSI技术所使用的telosb传感器的RSSI与距离的关系为:

若实际测量不发生大的改变, 该模型能较好地利用RSSI值对节点间距离进行测量。

4 结论

利用telosb节点构建了物联网硬件平台, 使用运行在节点之上的Tiny OS操作系统借助RSSI方法在实际环境中进行了测距, 在收集到足够的数据后, 使用matlab进行后期数据处理, 结合相关的理论, 建立了在相应环境下的数学模型, 经过与实际数据的参照与对比, 证明该模型在该环境下的测距是可行且具有一定的精确性。

5 未来工作

RSSI和距离的关系在实际测量中还受到很多因素的影响, 比如:风力的强弱、两个节点间的遮挡物的大小和个数、温度等等, 这些因素还有待进一步实验研究, 并针对不同环境建立相应的测距模型。

参考文献

[1]孙利民, 李建中, 陈渝, 等.无线传感器网络[M].北京:清华大学出版社, 2005:135-155.

[2]冯冬青, 赵志远.基于RSSI的无线传感器网络改进定位算法[J].广西大学学报, 2012, 37 (6) :1158-1163.

[3]Zhen Fang, Zhan Zhao, Geng Daoqu.RSSI variability characterization and calibration method in wireless sensor Network[C].Proceedings of the 2010 IEEE International Conference on Information and Automation, June 20-23, Harbin, China, 2010:1532-1537.

[4]赵昭, 陈小慧, 无线传感器网络中基于RSSI的改进定位算法[J].传感技术学报, 2009, 22 (3) :391-394.

[5]Sun Peigang, Zhao Hai, Luo Dingding.Research on RSSI-based Location in smart space[J].Acta Electronica Sinica, 2007, 35 (7) :1240-1245.

[6]TelosB datasheet[EB/OL].http://www.xbow.com/Products/Product_pdf_files/Wirel ess_pdf/TelosB_Datasheet.pdf, 1-2.

[7]TinyOS[EB/OL].http://www.tinyos.net.

交叉调制对RSSI的影响 篇2

RSSI, 是英文Received Signal Strength Indicator的缩写, 接受信号强度指示, CDMA网络中特指基站上行频带接收的功率。在正常情况下, 基站接收机的RSSI值应该在-110dBm—-93dBm之间, 并且主分集相差不大于6dB。如果RSSI值超出这个范围则是异常, 可能造成用户接入困难、掉线等严重问题。造成RSSI值异常的原因非常多样, 可以归纳为:

(1) 天馈系统质量问题;

(2) 外部干扰, 包括直放站的干扰;

(3) 数据配置不合理;

(4) 板件故障。

2 天馈系统质量问题

天馈系统质量问题引起RSSI异常的情况有两种, 即RSSI偏低和RSSI偏高, 在日常维护中RSSI值偏高是常见的问题。

在正常情况下, 天馈系统是个线性系统, 对接收来的功率进行线性放大, 是不会导致RSSI偏高的。当天馈系统引入了非线性因素时, 才可能导致RSSI偏高。这种非线性常寄生于具有磁性的器件、受腐蚀的金属及金属之间的接缝处, 特别是有松动的接触面间, 在多频通信环境中都会产生射频非线性响应。钢材上凹凸不平表面和氧化面, 以及金属表面的氧化层也会表现出一定的非线性特性。人们常说的“锈螺钉效应”实际上正是这种无源非线性响应产生的干扰现象。随着通信系统向着大功率、集成化、高灵敏度方向发展, 无源器件的弱非线性特性也带来了不可忽视的电磁干扰问题, 特别是在大功率环境中, 对系统的影响更加严重。我们可以归纳出导致这种非线性发生的原因:

(1) 馈线接头制作不合格, 接头间未拧紧或拧得太紧;

(2) 天馈中质量不好或已损坏的器件, 如馈线避雷器、耦合器、天线;

(3) 天馈系统在使用中发生的破损和进水。

这些非线性的引入会导致在天馈系统中发生一种现象———无源交调干扰。

3无源交调干扰

一个非线性器件的输入—输出函数可以用幂级数来表示, 其中y为输出, x为输入:

假设有两个余弦波同时输入到系统中:

式 (2) 中的直流项和一次项无需展开。以下对二次和三次项进行展开。

二次项:

三次项:

从式 (3) 、 (4) 可以看到, 高次项展开之后, 会产生输入信号里没有的频点。如等。在这些新产生的频点中, 有一些是处于工作频段附近的差拍频点如。这种在非线性环境下交叉调制形成的新频点, 对已有工作频点的影响, 我们称之为交叉调制干扰。式 (2) 中幂级数的三次项会产生三阶交调产物, 五次项会产生五阶交调产物, 七次项会产生七阶交调产物……但阶数越高, 它的系数会越小, 干扰程度会越低, 所以一般只关心三阶、五阶等低阶产物。交调产物的示意图如下:

4 交叉调制的特点

交叉调制有个特点:当输入信号的功率增加时, 交调产物的功率增量比输入信号的功率增量大得多。由于条件所限, 很难使用现有工具较准确测量交调产物的幅度, 现将美国福特航空与宇宙航行公司训练讲座中对通信卫星天线的无源交调进行测量所得的一组数据列出作为参考。该数据是对卫星通信系统进行测量得出的, 工作在C波段, 一般在3GHz到6GHz之间。

将实验数据制作成图:

从图2观察得, 输入功率和交调产物功率基本是呈一次函数关系, 且。也就是说, 在输入功率较大的情况下, 交调干扰会变得很严重;而在输入功率较小时, 交调干扰会有很大程度的改善。而且, 交调产物幅度与输入信号的频率并无关系。因此, 交叉调制在大功率环境里严重恶化这种特性, 在CDMA网络里也同样存在。

5 交调干扰来源

分析目前我国移动通信系统的频段使用情况, GSM900系统处在900Hz的频段上, 很可能会成为CDMA网络的交调干扰源。下表是CDMA800和GSM900两个系统频段使用情况:

拿三阶交调干扰来分析:

(1) 设CDMA800的下行频率为f1, GSM900的上行频率为f2, 则它们的三阶交调产物2f1-f2的频段范围为825MHz～870MHz。

(2) 设CDMA800的下行频率为f1, GSM900的下行频率为f2, 则它们的三阶交调产物2f1-f2的频段范围为780MHz～825MHz。

(3) 设GSM900的上行频率为f1, GSM900的下行频率为f2, 则它们的三阶交调产物2f1-f2的频段范围为820MHz～895MHz。

从上面的分析可知, CDMA800和GSM900两个系统的交调产物会落入CDMA800的上行频段里, 造成对RSSI的影响。因此在日常工作中必须要做好天馈系统的维护工作, 否则出现RSSI值异常的可能性是非常大的。

6 结束语

RSSI定位原理的研究与实现 篇3

无线传感器网络因其自组织性、分布式、低功耗和低成本等特性得到了广泛的应用。近年来研究热门是利用无线信号来定位,定位信息有着非常重要的应用。如在军事上,可以利用传感器网络侦测敌方军队的行动路线;在民用上,可以利用定位信息来检测商场的人流量。这是一种内容识别(Content-aware)的概念。现在有些地图应用已经将这种理念嵌入其应用中,如百度地图与谷歌地图,不仅能实时地跟踪确定的地理位置,还能给出周边的餐饮和住宿等相关信息。

下面重点研究了RSSI的影响因素,对数据进行测量,根据测量值选择优化算法对数据进行处理,以寻找RSSI与距离(Distance)的关系[1,2,3]。最后采用基于Zigbee协议的CC2530芯片为硬件平台,利用RSSI信息来定位待测点的信息。

1 RSSI

RSSI的大小随着收发二者间距离的增大而减小,但是非线性。在本次硬件系统中,CC2530内部具有检测接收信号强度的模块,在收到一个有效的数据包时,会将接收到的信号强度值(RSSI值)放到一个特定的寄存器里。实际接收信号的强度为寄存器内的值与73 dB的和。73 dB是一个典型值,本次实验系统中采用的TinyOS系统里面也是采用该值。但是,不同的芯片,这个值会不一样,具体需要参看相应芯片的数据手册。在本次测量系统中,接收信号的范围为-25~50 dB。

通过大量的实验与研究发现,RSSI与Distance之间近似为Log关系,其关系表达式为:

RSSI = a * Log(Distance)+ c。 (1)

式中,a、c是与环境因素有关的参数,不同的环境和不同的硬件天线,这2个参数会不同。可以通过测量一组RSSI与Distance的数据,然后通过算法拟合求出a、c的值。a、c的值一旦确定,那么就确定了RSSI与Distance的关系,因此,测量出RSSI的值就可以反算出Distance。

1.1 功率因素对RSSI的影响

RSSI是一个非常不稳定的测量指标,它受到很多因素的影响,但是通过一定的算法,可以把误差降低到可以忽略的范围内。

RSSI是无线信号,与一般的无线信号一样,易受到散射、反射和衍射效果的影响。在这3种影响因素中,反射效应是最大的影响因素。反射往往会造成多径效应,这极大地影响了接收机的数据接收。当将结点的发射功率调到最大时,其RSSI的值比较稳定,不易受外界因素的干扰。而且在这种情况下由多径(multi-path)产生的信号相比原信号的强度要小得多。所以将发射功率调到最大,其测量误差较小,但是此时的距离分辨率比较低。通过实验得到,一般情况下当外界因素直接影响视距(LOS)时,RSSI的值必定会产生变化。当将结点的功率调到最小时,RSSI值的波动性非常大,但是通过最优化拟合,也可以得到一条近似Log模型的曲线。此时虽然理论上其距离的分辨率高,但是由于其波动性,这种效果已经不明显。所以在本次实验中,将结点功率设置为最大。

1.2 收发点相对角度对RSSI的影响

对于柱状天线,理论上到发射点的功率相等的地方应为一个标准的圆。但是实际情形中,受天线和硬件PCB布线等其他因素的影响,功率相等的地方所构成的曲线并不是一个圆。通过实验验证了这一结论,如图1所示。

实验中发现,其轨迹不是一个标准圆,而是一个近似的椭圆。收发点相对角度确实对RSSI的值有影响,但是影响较小。引入修正参数可以适当地削弱角度参数造成的影响。

1.3 多对收发结点存在时对RSSI的影响

在前面的实验中,收发结点只有一对。如果收发结点有多对,而且每对的LOS存在交叉时,RSSI会增强。在实验中,测量的数据验证了这一结论,如图1所示。

从图1中可以看到,LOS交叉时比LOS非交叉时的RSSI普遍要高。

1.4 环境因素

上述RSSI是非常不稳定的测量因素,受多方面的影响。在室内做测量时,不同的地方测量得到的RSSI与Distance的关系将会不一样。具体体现在a值和c值的不同。前面的角度参数的测量是在一个比较空旷的室内进行的。理论上讲,室内空旷, 多径的影响会较小,因为到达墙壁或是其他障碍物的信号自身已经很小,再经过反射后再次到达接收机的信号强度相比经过LOS直接传送过来的信号要小得多。而当室内环境比较小时,由多径所产生的影响将会带有许多的不确定性。

图2中所列4条曲线的测量环境与上述角度参数测量时的环境不为同一地方,4条曲线分别对应4个自转角度下RSSI与Distance的关系。从图2中可以看到,角度参数对RSSI的影响比较大。如果在这种环境下直接利用某单一方面的a、c值去测量,所得结果必定会产生很大的误差。

在许多不同的环境下进行测量时发现,在不同的环境下,数据变化较大的是参数a。在不同的环境下,a的取值为-9~-22。但是c的值相对a变化不大,取值为22~33。

2 RSSI测距

在本次测距实验中[4,5,6,7],选用Atos物联网实验箱,采用10 cm天线,选择的室内环境为空旷无杂物的室内环境,利用3个已知坐标的基站去测量待测点的位置[8,9]。

2.1 实验测量RSSI与Distance的关系

在本次实验中,测量得到的RSSI与Distance的关系90%以上都符合Log模型。这里给出部分数据:当收发2点间距为2 cm时,RSSI为22;10 cm时,RSSI为9;20 cm时,RSSI为4。

上面数据的测量条件为室内环境,每一个距离对应的RSSI在测量时有多个值,以上只列出了部分值,这是在周围环境无变化时,取接收到的RSSI概率最大的一个(发射结点每次发包50次,发包间隔为1 s,取50次里面出现次数最多的一个记为对应点的RSSI值)。

拟合后得到的相关信息如下所示:

General model:

f(x)= a*log(x)+c

Coefficients(with 95% confidence bounds):

a=-9.424(-10.54,-8.309)

c=31.72(26.55,36.9)

Goodness of fit:

SSE:228.8

R-square:0.9269

Adjusted R-square:0.9238

RMSE:3.087

利用MATLAB里面的cftool工具箱,选MD算法,可以找一条最好的拟合曲线,如图3所示。从拟合后的结果中可以得到表达式RSSI=a*log(d)+c中各未知参数的值,也有误差、拟合度等相关信息。这些信息便于后面做一些修正[10,11]。

2.2 利用已知参数的数据模型测量距离

由平面几何知识可以得到,如果已知1个点到3个已知结点的相对距离,那么这个点的位置也就知道了。因些在室内布置3个AP,其位置给定,然后待测点向这3个结点发送包。3个AP根据接收到的RSSI信息,利用Log模型参数能计算出相对距离。然后利用BSGF搜索极小值的算法,找到一个最合适的位置,使到3边的距离最接近测量值。测量结果如图4和图5所示。

实际结果与定位结果如图4所示。定位的累积误差如图5所示。从图5中可以看到,88%数据的定位误差都在1 m以内。

3 结束语

上述重点研究了RSSI的影响因素,从功率、收发点相对角度、多收发结点和环境等因素中寻找规律,并通过实验验证了这些影响因素的成因,对实验后的数据也做了详细分析。利用数据与图表定量分析了RSSI影响因素的大小。

从定量的数据分析得出,功率越大,RSSI越大,c值越大,但a值可能保持不变。收发点相对位置不变,相对角度不同,RSSI的值会发生变化,具体变化与环境有关,而环境因素对RSSI的值则产生不确定性的影响。多收发结点将会使RSSI的值变大。

最后利用Atos物联网实验平台,结合RSSI与Distance的Log数据模型关系,做了一个定位实验,实验精度能达到1 m。 

参考文献

[1]ABDALKARIM A,THORSTEN F,FALKO D.Adaptive Dis-tance Estimation and Localization[C]∥IEEE InternationalConference,2007:471-478.

[2]CHONG L,KUI W,TIAN H.Sensor Localization with RingOverlapping Based on Comparison of Received SignalStrength Indicator[C]∥IEEE International Conference onMobile Ad-hoc and Sensor Systems,2004:516-518.

[3]HUI L,HOU S D,PAT B,JING L.Survey of WirelessIndoor Positioning Techniques and Systems[C]∥IEEETransactions on Systems,Man and Cybernetics—PARTC:Applications and Reviews,2007:1 067-1 080.

[4]GUO Q M,BARIS,FIDAN D O,et al.Wireless Sensor Net-work Localization Techniques[C]∥Computer Networks,2007:2 529-2 553.

[5]BAHL P,PADMANABHAN V.RADAR:An In-buildingRF-based User Location and Tracking System[C]∥IEEEINFOCOM,2000:775-784.

[6]ELNAHRAWY E,LI X,MARTIN R.The Limits ofLocalization Using Signal Strength:A Comparative Study[C]∥First Annual IEEE Conference on Sensor and Ad-hoc Communications and Networks,2004:406-414.

[7]NICULESCU D,NATH B.Ad Hoc Positioning System(APS)Using AOA[C]∥INFOCOM,2003,1 734-1 743.

[8]BLUMENTHAL L M.Theory and Applications DistanceGeometry[M].Ox-ford University Press,1953:665-720.

[9]ROOS T,MYLLYMAKI P,TIRRI H.A StatisticalModeling Approach to Location Estimation[C]∥IEEETransactions on Mobile Computing,2002:59-69.

[10]WHITEHOUSE K,CULLER D.Calibration as ParameterEstimation in Sensor Networks[C]∥ACM Press,2002:59-67.

RSSI 篇4

1 RSSI测距技术

信号强度在传播过程中会根据距离衰减, 距离越远, 衰减越多, 接收到的无线信号强度与信号传播距离的关系为

其中, A和n都为环境参数, A为1 m时接收到的信号能量平均的绝对值, 单位为d B;n为能量衰减系数, 表示的是信号能量随距离衰减的速率, 其数值的大小取决于无线信号的环境。A取定值45 d B时。在理想情况下, 信号衰减强度与距离成正比[8], 服从对数分布的关系, 如图1所示。

从理论信号传播模型可以看出, 信号随传播距离单调衰减, 接收信号强度值在10 m间急剧衰落, >10 m后变化趋于平缓。而在能量衰减系数n不同的情况下, 能够测量的距离也有差别, 即环境因素对RSSI值的获取有较大的影响。

2 RSSI测距误差分析

基于RSSI测距的原理是利用信号能量在传输过程中衰减的规律, 将信号强度的衰减通过公式转换成距离的增减, 从而可根据收到的不同的RSSI值来确定接收机与发射机之间的距离[3]。在实际应用中, 无线信号在传播过程中受到环境因素的影响, 如非地理性因素温度、湿度、气压等, 致使信号产生不一致的衰减关系, 从而影响了基于RSSI距离估计的质量, 这是基于RSSI测距技术存在误差大的根本原因[4]。此外, 发射功率和接收机的设备不同、算法本身存在不足, 以及RSSI与理论的距离转换关系模型不符等都会给RSSI测距带来一系列误差, 这些误差对系统的定位精度影响大小各不相同, 有些误差可能对定位精度影响较大, 需要采取相应的方法解决, 如环境中障碍物的反射与折射、多径效应等[5]。由此可知, 对于由这些综合性因素引起的测距误差需通过一定的方法加以修正, 以尽可能地减少测距误差给节点定位带来的不良影响。

3 室内定位改进算法

3.1 RSSI均值平滑法

对于离基站相同距离的点, 在不同的时间段、不同的持手机方向及中间相隔不同的障碍物时, 接收到的RSSI值均有所差异, 甚至有时差异较大。因此, 不能仅以一次的RSSI测量值为标准, 作为某一距离下所对应的RSSI值, 这样造成的定位误差会较大, 此时应该采用多次测量的方法, 在离基站相同距离的点, 进行大量的实验采集数据, 然后对采集到的数据进行平滑, 以提高定位精度。信号平滑的方法较多, 例如均值法、中值法、众数法等[6]。其中应用最广泛的是均值平滑法。

均值平滑法预先设定一个标准差阈值XD, 对同一距离下采集到的多个数据计算其标准差SD, SD越大, 证明RSSI值的波动越明显, 即受环境的干扰越大, 若将此时的数据取均值作为该距离处的RSSI值, 误差会较大。均值平滑法首先将数据分成两部分, 如式 (2) 和式 (3) 所示, S1表示小于所有数据均值Sav的数据均值, n1表示数据个数;S2表示大于所有数据均值Sav的数据均值, n2表示其数据个数;其次, 用a来衡量S1和S2在接收到的信号强度中所占的比重, 如式 (5) 所示[7,8], 在SD>XD时, S1占较大比重, 即信号较强部分的数据在定位结果中占较大比重, 反之则占较小比重;最后, 利用式 (4) 计算出距离基站某一距离处的RSSI标准值, 该值由S1和S2按照不同比重来计算, 在信号较强处S1占较大比重, 在信号较弱处S2占较大比重, 因此该方法可有效地减小RSSI值的波动

经均值平滑法处理后的RSSI值为

其中

3.2 测距补偿算法

在式 (1) 中, n为信号衰减系数, 故n越小, 信号传播距离越远, 但实际环境中由于室内障碍物干扰和多径效应, 导致实际传输曲线与理论传输曲线有较大偏差[9,10], 如图2所示, 实际情况中在不同距离处测得的RSSI值可见, 由于环境因素影响, RSSI值有明显的波动。在这种波动的RSSI值下进行定位计算, 会造成较大的误差。故本文提出了一种测距补偿算法, 将环境因素考虑到计算公式中, 减小误差、提高定位精度。

由于在室内定位中, 通常因室内环境因素的干扰, 导致定位精度较低, 并且环境因素对定位精度产生的影响随着信号传输距离的延长而逐渐增大。由此可见, 为了减小定位误差, 一方面如上所述, 用均值平滑法对RSSI值进行平滑, 以减小RSSI值的波动;另一方面, 需将环境因素考虑到距离计算公式中, 本文提出一种环境因素补偿算法, 将环境因素所造成的距离偏差通过算法上的补偿, 进一步减小环境因素的干扰, 使得到的结果与实际距离接近, 如式 (6) 所示

其中, EF (Environment Factor) 为环境补偿因素, 与RSSI成特定函数关系, 即EF=f (RSSI) , 通过大量实验, 可将EF与RSSI的函数关系式拟合成多阶多项式。

式 (6) 可变形为

将实际数据代入式 (6) , 通过Matlab进行数据拟合, 分别进行了多项式3阶拟合和4阶拟合。结果发现, 虽然4阶拟合的曲线在各个离散点上可得到精确的拟合点, 但将离散数据带入拟合得到的多项式, 计算出的误差较大, 即不能反映数据隐含的规律。而3阶拟合得到的曲线能够满足大多数离散点, 且拟合得到的多项式误差较小, 可反映数据隐含的规律。因此, 利用3阶多项式拟合可以得到如图3所示的曲线。

在此实验环境中, 曲线函数方程式为

由图 (3) 可知, 当RSSI值在区间-75~-55 d B时, 即信号传播距离为5~15 m时, 易受障碍物影响和产生多径效应, 从而导致所接收到的能量与理论曲线有较大差别, 此时EF为正数, 在一定程度上补偿了这一部分由于环境影响计算出的距离的误差, 当RSSI较大或较小时, EF同样以负数的形式调整误差。由此可见, 对于不同的RSSI值进行, EF取不同的值, 以调整估算距离。

4 算法性能评估

在实验条件下, 经多次实验、定位后的精度得到提高, 本文选取其中一组实验进行分析。如图4和图5所示, 为某大学宿舍楼1楼平面图。房间101、房间111和房间106的点为发送信号的路由器所在的位置, 图中房间104中的矩形点为实际点位置, 图4中房间104的圆点为传统定位算法计算出来的位置, 图5中房间104的圆点为经过测距补偿算法计算出的位置。由图可见, 图5中算出的位置比图4更加接近实际点, 测距补偿算法使得误差减小, 达到了较高的定位精度。

为测量传统算法和补偿算法的误差, 实地测量时, 在离发射机一定距离处进行RSSI取样, 取样后分别用传统算法和补偿算法进行计算, 并将计算得出的数据与实际距离进行比较, 结果如表1所示。

m

由表2可看出, 经式 (6) 和式 (7) 补偿优化后定位出来的点与实际点相差在3 m以内, 而由传统式 (1) 定位出来的点与实际点相差5~7 m, 经过测距补偿定位算法后计算出的距离比传统定位算法更加接近实际距离, 尤其是在室内易受墙体反射影响和产生多径效应的5~15 m处, 测距补偿算法的精度比传统算法有明显的提高。

5 结束语

本文通过对传统定位算法的研究, 将环境因素考虑到传统定位算法中, 提出一种基于RSSI的测距补偿算法, 在实验测量中, 得到了较高精度的结果。因此, 这种测距补偿定位算法在实验环境中是有效可行的。根据不同的环境因素, 测距补偿算法中的EF可处理成一个经验值, 从而避免数据拟合这种大量的数据运算, 更具有一般性。本文提出的测距补偿算法可以与其他定位技术相结合运用, 如惯性定位技术等, 以弥补传统算法在实际应用中的不足, 提高室内定位精度。

参考文献

[1]He T, Huang C, Blum B M, et al.Range-free localization schemes in large scale sensor networks[C].San Diego, CA, USA:Proceedings of the 9th Annual International Conference on Mobile Computing and Networking (Mobicom) , 2003:81-95.

[2]Rudafshani M, Durra S.Localization in wireless sensor networks[C].Information Processing in Sensor Networks (IPSN) , 2007:51-60.

[3]沈军, 黄春华, 罗护, 等.基于RSSI优化的模型参数实时估计定位算法[J].计算机工程与设计, 2012, 33 (2) :464-468.

[4]方震, 赵湛, 郭鹏, 等.基于RSSI测距分析[J].传感技术学报, 2007, 20 (11) :2526-2530.

[5]石为人, 熊广志, 许磊.一种用于室内人员定位的RSSI定位算法[J].计算机工程与应用, 2010, 46 (17) :232-235.

[6]杨凤, 史浩山, 朱灵波, 等.一种基于测距的无线传感器网络智能定位算法[J].传感技术学报, 2008 (1) :135-140.

[7]于宁, 万江文, 吴银锋.无线传感器网络定位算法研究[J].传感技术学报, 2007 (1) :187-192.

[8]孙佩刚, 赵海, 罗玎玎.智能空间中RSSI定位问题研究[J].电子学报, 2007, 35 (7) :1240-1245.

[9]赵法彬.Wi Fi联盟加快产业布局[J].数字通信世界, 2010 (8) :42-43.

RSSI 篇5

随着无线传感器网络 (Wireless Sensor Networks WSN) 的发展, 无线定位技术也被应用到了越来越广的领域。目标跟踪、矿下定位、医院特殊人群检测[1,2]等都用到了无线定位技术。

目前应用最为广泛的无线定位技术为GPS[3], 但由于其功耗大、成本高、对室内区域定位精度不高等原因, 就要求有低功耗、低成本, 适用用室内无线定位的技术出现。基于芯片cc2430/cc2431的zigbee定位技术就是一种满足这些要求的技术[4]。zigbee室内定位技术应用的是基于RSSI测距的定位算法。此算法要求定位节点接收多个参考节点的坐标值与RSSI值, 根据这些信息计算出自身坐标。

2 信号模型

此处采用自由空间无线电传播路径损耗模型[3] (free space pregaration model) 和对数-常态分布模型[5] (logdistance distribution) 。

自由空间无线电传播路径损耗模型:

式中:

d为距信源的距离, 单位为km;

f为频率, 单位为MHz;

k为路径衰减因子。

实际中由于环境的复杂性与节点性能的分散性, 无线电传播路径损耗与理论值并不十分吻合。对数-常态分布模型相较于上式将更加合理:

式中:

PL (d) 为经过距离d后的路径损耗单位为d B m;X0为均值为0的高斯分布随机数, 其标准差范围为4~10;k为路径衰减因子, 范围为2~4。

取d=1代入 (1) 得Loss即为, 这样可得节点接收的信号强度值为:

式中:

d为接受度到发射端的距离, 单位km;A为信号传播1m时的接收信号强度指示, 一般取45~49;pt为影响因子, 服从均值为0、标准差范围为4~10的高斯分布。

3 基于RSSI测距的三维定位算法

3.1 第一种算法[6]

设定位节点的坐标为 (x, y, z) , 接收到四个参考节点的坐标、RSSI值分别对应为:

(a1, b1, c1) , RSSI1;

(a2, b2, c2) , RSSI2;

(a3, b3, c3) , RSSI3;

(a4, b4, c4) , RSSI4;

根据公式

(把得出的RSSI值植入硬件用于计算时, 必须用绝对值) 分别计算出对应的距信源距离为d1, d2, d3, d4。列如下方程组:

令:

将 (4) 式转换为:

令:

则 (5) 式转化为:

Qθ=b

得最小二乘解:

3.2 第二种算法[4]

(1) 参考节点在原有二维坐标 (X, Y) 的前提下, 加入第三个坐标Z表示第三维, 于是参考节点的坐标变为 (X, Y, Z) ; (2) 找到离定位节点距离最近的参考节点A (X, Y, Z2) (假设此节点的RSSI值最大) ; (3) 因为A节点的RSSI值最大, 因此定位节点可以认为自己与A位于同一层, 即Z2层; (4) 定位节点选取其余2个RSSI值最大且位于Z2层的参考节点; (5) 定位节点利用选取的3个参考节点的 (X, Y, RSSI) 计算出自己的坐标; (6) 经过计算得出的定位节点坐标X, Y加上之前的Z, 就得到了定位节点的三维坐标。

根据得到的坐标值与用 (3) 式计算出的d值列方程如下:

令:ri2=di2-ai2-bi2, i=1, 2, 3

则 (6) 式可化为:

同第一种方法, 上式化为:

Qθ=b

得最小二乘解:

3.3 最小二乘算法[7]

与3.1一样, 根据定位节点自身坐标与接收到的参考坐标信息列如下方程组:

令:

ri2=di2-ai2-bi2-ci2, i=1, 2, 3, 4

前三个方程分别去减第四个方程, 则 (7) 式可化为:

令:

则 (8) 式可化为:

Qθ=b

得最小二乘解:

3.4 RSSI值的均值估计[8]

由于信号在传播过程中受到各种因素影响, 从而导致定位节点接收到的RSSI值存在很大的随机误差, 从而影响定位精度。要进一步提高定位精度, 便要对接收到RSSI值进行滤波, 从而到达降低随机误差的目的。此处, 对接收到的RSSI进行均值估计。设定位节点接收到同一个参考节点的m个RSSI, 对这些值进行均值估计:

代入 (3) 式得:

根据 (9) 式得出的距信源距离:

4 实验数据

用matlab对上述算法进行仿真比较, 得实验数据如下。

4.1 图4.1是第一种算法对RSSI值进行均值估计滤波前后的实验数据对比

由图1可以看出, 对RSSI值进行均值估计滤波后, 定位精度有非常明显的提高。

4.2 图2是第一种算法与第二种算法的实验数据对比

由图4.2可以看出, 第二种算法的误差波动范围较第一种方法小, 也就是说第二种算法定位的精度比第一种算法高。但是, 如果第二种算法在第 (2) 步时出错, 则将导致第三维的定位完全错误, 但第一种算法则无此风险。

4.3 图3是一种算法与最小二乘法的实验数据对比

由图3可以看出, 第一种算法定位精度要比最小二乘法定位精度稍高。

综合4.2与4.3可以看出, 第一种算法在此三种算法中可信度是最高的。4.2与4.3实验数据对比均是在对接收到的RSSI值进行完均值估计的基础上进行的。

5 结束语

本文给出了三种基于RSSI测距的室内三维定位算法, 得出实验数据对比。并且基于此, 给出了一种对接收的RSSI值进行估计滤波的方法——均值估计。通过数据对比, 可以看出, 均值估计滤波后, 定位精度明显提高。作者相信, 在定位要求越来越普遍的今天, 基于RSSI测距的定位算法一定可以得到更广泛的应用, 定位精度也会随着技术的改进越来越高。

摘要：RSSI算法是一种被广泛使用的无线定位算法。定位节点根据接收到的参考坐标值与对应的RSSI值进行计算得出自身坐标。区别于平面定位, 提出了三种基于RSSI测距的三维定位算法。第一种与第二种算法运用矩阵求解二元二次方程组得出定位节点坐标, 第三种方法为最小二乘法。并且, 给出了一种关于RSSI值的均值估计滤波法。最后给出三种算法仿真定位精度比较。

关键词：RSSI,三维,室内定位,均值估计

参考文献

[1]SOHRABI K., GAO 1., AILAWADHI V..Protocols for self-organization of a wireless sensor network[J].IEEEPersonal Communications, 2000, 7 (5) :16-27.

[2]WOO-CHOOL PARK, MYUNG YOON.The Implementation of Indoor Location System to Control Zig Bee Home Network.SICE-ICASE International Joint Conference 2006[C], Korea:Yatap Dong, 2006:2158-2161.

[3]ELLIOTTOTT D.KAPLAN, CHRISTOPHER J.HEGARTY.GPS原理与应用.第二版[M].寇艳红译.北京:电子工业出版社, 2007.

[4]TI.CC2431 Location Engine[OL].http://www.ti.com

[5]张洁颖, 王侠.基于RSSI与LQI的动态距离估计算法[J].电子测量技术, 2007, 30 (2) :142-145.

[6]朱浩, 顾宗海等.一种基于交点质心求解的RSSI定位算法及其优化[J].郑州大学学报工科版.2010, 31 (6) :43-46.

[7]熊小华, 何能通.无线传感器网络节点定位算法的研究综述[J].机电工程, 2009, 26 (2) :14-17.

RSSI 篇6

无线通信系统中，接收机会随着传输距离和其他因素的影响，在大范围内发生变化，所以RSSI就用来指示接收到的当前信号的功率大小，以便后续工作。理想RSSI输入功率与输出电压呈线性，检测范围大，功耗低，不受环境影响。前人对RSSI的设计，已经在一定检测范围内呈线性变化，测试结果在可以接受的误差范围内，但在各个corner和温度下的稳定性介绍较少[3,4]。

本文设计了一种基于分段线性对数放大器结构的RSSI，需要对温度和工艺稳定性做出讨论，且使功耗低、动态范围大。

1 电路分析与设计

1.1 电路结构的提出

在WALN射频接收机中，RSSI检测通过低通滤波器后的信号功率强度，用来调整发送端发送功率及控制接收端的增益，以达到功率控制的目的。RSSI核心模块主要包括级联的限幅放大器(Limiting Amplifier)、全波整流器(Full Wave Rectifier)、低通滤波器(Low Pass Filter)、偏置电路(Biasing Circuit)、直流失调消除电路(DC Cancellation Circuit)等组成，如图1所示[5,6,7,8]。

1.2 电路分析

本设计分为两部分，第一部分是增益衰减，第二部分是RSSI核心电路。增益衰减是为通过LPF的信号提供衰减，以反映输入信号的真实强度;RSSI核心电路是实现功率强度指示性能的重要模块。

本项目射频接收系统中，LPF有30 d B和10 d B两种增益模式，为了反映在不同模式下信号的真实强度，本设计中，RSSI提供了-30 d B和-10 d B的增益衰减单元。

同时，无线收发机同时提供I、Q两路差分信号，其中I、Q是正交的。如图2所示，如果I/Q信号强度是a，希望平衡后运放的输出强度仍然是a，那么这个运放须要提供增益也就是0.707。

如图3所示，希望输出强度和其中一个输入强度相等，由KCL规则可得

图4为I/Q平衡运放设计整体结构。

如图5所示，为了获得限幅输出，需要使用多级放大器级联，再经过反馈环路进行直流补偿。每级的整流器用来反映该级放大器输出幅度的大小，将整流后的电流进行叠加，经过一个RC低通滤波器，得到一个类似对数逻辑的RSSI输出，输出曲线用来反映接收信号的强度。具有分段线性对数功能的放大器输入输出关系曲线，类似对数关系的分段曲线。

限幅放大器级联级数的选择:当级数大于4时，最大误差小于3 d B，但是级数的增加又会减小限幅放大器的带宽;当级数较少时，带宽虽然较宽，但达到不了增益要求。所以既要满足一定误差范围，又要满足一定增益和动态范围指标，通过对资料的调研，使用7个放大器级联，且每级增益为10 d B。

限幅放大器结构采用折叠的二极管负载电路，输出摆幅较大，偏置电压较低。

由于限幅放大器是直接耦合，所以需要消除直流失调，本文采用一个起直流负反馈的低通滤波器，来抵消限幅放大器输入端产生的影响。限幅放大器的增益是

在信号强度检测电路中，全波整流器具有良好的稳定性、线性度和整流功能，它将限幅器输出的电压转化为电流。

全波整流器有多种实现结构，有的是消耗过多的功耗，有的则不适于低电源电压工作。图6为全波整流器的一种实现形式，它比较适合于低电压和低功耗工作的场合，其最小供电电压为Vtr1+2VOV，但是该结构对工艺角比较敏感。

如图7所示，全波整流器采用相同的2对非平衡差分输入对管组成非平衡的源极耦合对，它的2路电流值作为整流器的输出，M2和M1管的宽长比为K(K>1)，假设各管都工作在饱和区，经推导得整流器的电压电流输出关系

当时:

当时

当时

确定了限幅放大器、全波整流器和直流消除电路后，本设计整体RSSI结构如图8所示。

2 仿真结果与讨论

本文设计的RSSI基于SMIC 55 nm CMOS工艺下，采用Cadence Spectre对其仿真。整个RSSI电路原理图如图9所示。

图10为限幅放大器在各corner下仿真结果，在误差范围内满足要求。图11为RSSI在不同corner和温度(tt-(-40)℃，tt-27℃，tt-120℃，ss-(-40)℃，ss-27℃，ss-120℃，ff-(-40)℃，ff-27℃，ff-120℃)下的仿真结果。结果表明，RSSI的检测误差在±0.5 d Bm以内，动态检测范围≥60 d Bm，消耗电流2.6 m A,RSSI输出电压范围为0.5～2.0 V，检测曲线的斜率为25 m V/d B，可以看出该RSSI具有良好的线性关系和稳定性。

如图12所示，在+40 d B建立时间为0.32μs,-40 d B为0.34μs，结果表明该RSSI具有建立时间短的特点。

整体版图如图13所示，整体版图面积为480μm×160μm,RSSI core版图面积为:157μm×366μm。图14为RSSI后仿真结果。

本设计与前人设计的结果相比较见表1。可以看出本设计采用了SMIC 55 nm CMOS工艺;其次，RSSI在各corner和温度下，检测范围较大、误差范围较小、功耗较低;最后，本设计的RSSI版图面积最小、输出电压范围最大。本设计总体上满足设计要求，从电路结构、工艺、线性关系和稳定性上都有一定的优化。

3 结论

本文基于SMIC 55 nm CMOS工艺，设计了一种基于分段线性对数放大器结构的RSSI，采用了7级限幅放大器级联，限幅放大器的输出增益为70 d B，检测范围为60 d Bm，整个RSSI在各个corner和温度下，检测误差在±0.5 d B以内。RSSI core版图面积为157μm×366μm，整体版图面积为480μm×160μm，功耗为8 m W。相比以往文献，本文首次具体得出RSSI在各corner和温度下仿真结果，结果表明该设计具有良好的线性关系和稳定性;其次，本文首次提出建立时间，仿真结果表明，本设计建立时间较短，能较快达到稳定状态。本设计整体满足设计要求，在电路构建和仿真结果上，有一定的优化和改进。

摘要：设计了一种基于分段线性对数限幅放大器和基于非平衡对全波整流器的接收信号强度指示器(Received Signal Strength Indicator,RSSI)。RSSI连接在WLAN接收端的LPF之后,用于检测经过滤波后的信号强度。该RSSI设计基于SMIC 55nm CMOS工艺,采用7级限幅放大器级联,每级增益为10 dB。RSSI输入动态范围为60 dB,输出直流电压范围为0.52.0 V,斜率为22.5 mV/dB。结果显示,RSSI在各个corner和温度下的误差仅为±0.5 dBm,版图面积为480μm×160μm,功耗为8 mW。

关键词：WLAN,RSSI,限幅放大,全波整流

参考文献

[1]POZAR D M.Microwave and RF wireless system[M].3 rd ed,N.Y.:John Wiley&Sone,2001.

[2]PO-CHIUN H,YI-HUET C,CHORNG-KUANG W.A 2-V 10.7 MHz CMOS limiting amplifier/RSSI[J].IEEE Journal of Solid-State Circuits,2000,35(10):1474-1480.

[3]KIM H,MONH AMED I.CMOS limiters with RSSIs for bluetooth receivers[C]//Proc.Circuits and Systems,2001.Dayton:IEEE Press,2001:812-815.

[4]鲁志刚,刘伦,万天才.WLAN射频系统接收信号强度指示器的设计[J].微电子学,2010,40(6):801-804.

[5]甄志芳,赵毅,张福海,等,全集成CMOS限幅器与场强指示器设计[J].南开大学学报,2008,41(4):21-25.

[6]褚敏,戴庆元,蔡新午.移动数字电视接收机中宽带RF RSSI的设计[J].固体电子学研究与进展,2011,31(2):169-173.

[7]孙杨,张晓林,夏温博,等.用于GPS接收机的CMOS RSSI电路的设计[J].遥测遥控,2010,31(5):35-38.

RSSI 篇7

目前，大多煤矿所用井下人员定位系统多采用射频识别技术，通过设置在煤矿入口和一些重要通道的射频读卡器，读取井下人员随身携带写有自身信息的射频标签，从而登记井下人员工作状态。此类人员定位系统在辅助人员考勤管理作用比较好，却不能实现对井下人员的实时定位，具有区域定位的局限[2]。本文设计了一种基于RSSI的煤矿井下人员定位系统；系统具有抗干扰能力强、稳定可靠性高、人员定位准确等特点，对煤矿业安全生产具有显著的社会效益和经济效益。

1 系统设计原理

井下人员定位系统对高效协调日常工作、加强井下人员管理水平、事故发生后提供人员位置信息、及时进行救援起到重要作用。但是井下巷道是一个受限空间，无线信号的传播过程与地面相比更为复杂，读卡器接收到的信号会受到很大的影响，进而导致测量的人员位置信息误差较大，达不到精度定位要求[3]。因此，定位算法和井下巷道模型的选择，直接关系到位置数据的可靠性，严重影响到井下定位的精度。

1.1 巷道模型

地下矿井是电磁波受限的狭长空间，地形错综复杂，巷道的截面和形状随矿藏的形状不断变化，这些给井下信号传输、移动通信和人员定位都带来很大不便。经过分析可以把井下信道环境分为3类：巷道，开阔的平面，倾斜、分支或拐弯的特殊区域[4]。在我国煤矿井下，大多是巷道，人员和机车主要是在巷道中进行工作，特殊区域与开阔的平面相对较少。在建立井下模型时，采取在巷道的倾斜、分支或拐弯等特殊区域设置一个位置已知的锚节点的方法，将其分成两个巷道以减小误差。本设计根据煤矿巷道狭长的特点，采用双机接收信号，再根据接收到的RSSI值判定待定节点的位置，其中双机测位如图1所示。

图1中，黑圆点表示已知坐标的射频读卡器；黑三角号表示待定位井下人员即射频标签。图1(a）为理想状态下双机测量待定节点的情况。图1(b）为受环境等因素影响下双机测量情况，阴影部分未知节点可能存在的区域。把RSSI测距原理应用到井下巷道，其巷道模型如图2所示。

由于巷道内部环境复杂，射频读卡器选中安装在巷道壁上。设巷道的宽度为d，相邻两射频读卡器的距离为s，读卡器与射频标签的数据传输距离为l，则在安装射频读卡器时应满足：s<2l,l>d。

1.2 RSSI定位算法

RSSI算法是指根据无线传感器接收到的待定节点发出的信号指示强度，根据公式计算出待测信号在传播路径中的损耗，然后根据理论或经验的信号传播模型，把信号强度转换成距离[5]。作为一个基本的测距方法RSSI定位方法具有外围硬件设备少、实现简单、经济实用的优点，在定位系统中得到了广泛应用。在本设计中，已知射频读卡器（已知节点）发射的信号强度，矿井人员随身携带射频标签（待测节点）接收读卡器发射的信号强度，计算出信号的传播损耗，利用理论和经验模型把传播过程中的损耗转换为距离，然后再利用已知的射频读卡器间的实际距离，根据双机测位模型通过一定的算法计算出射频标签的移动位置。根据所测得位置实现井下人员定位。

RSSI是无线信号，在运用到井下人员定位时，像其他信号一样，容易受到反射、散射和衍射的影响，极大地影响了RSSI数据的接收。为了减少上述误差，使用时常采用将发射功率调至最大和选择精度较高的理论公式。RSSI测距的理论公式如下[6]:

根据式（1）可得：

式中：pr(d)是在距离发射点距离为d处的接收信号强度；d0是参考距离；pr(d0)是在参考距离d0处的路径衰减系数；n是路径衰减指数；X0是平均值为0的高斯分布随机数。

2 井下人员定位系统设计

本系统用来解决井下工作人员实时跟踪定位的问题。系统设计需要满足以下三个条件：

(1）为了在安全性能上得到保证，整个定位系统的设计都依据煤矿安全规程与规范标准进行。

(2）在误差允许范围内，该系统能对井下工作人员的具体位置进行实时监控；能对工作人员进行考勤；能统计人员下井的时间和地点；能够显示何时下井、何时离井、具体位置等信息。

(3）在满足了安全要求和实现系统的定位功基础上，提高了系统的可靠性，并且数据传输更加完整、及时和准确。

为了实现上述定位系统的功能，把整个系统分成硬件设计和软件设计两个部分[7]。

2.1 系统结构

井下人员定位系统是由井下定位部分与井上监测部分组成的。井下定位部分由CAN总线连接的众多井下人员定位单元组成；井上部分由中继器把井下部分测得数据传输到监测中心；如图3所示。

2.2 系统的主要硬件设计

硬件系统主要由射频标签、射频读卡器分站、CAN总线、中继器和地面监测中心的监测计算机5部分组成。

图3所示的定位单元是实现人员定位的核心部分，由射频读卡器分站和射频标签两部分组成。作为连接地面监控计算机和射频识别定位系统的桥梁，射频读卡器的硬件电路主要由4个功能模块组成：C8051F020主控制模块、由主控制模块中的单片机控制实现的NRF2401信号收发模块、LCD显示模块、串行通信和下载模块。硬件电路中的NRF2401信号收发模块在接收到单片机的指令后，通过射频读卡器的天线发送信息给标签并能从标签天线接收信息，单片机将接收到的有用信息显示在LCD上[6]，并且通过串口CAN总线经电平转换后发送给地面监控计算机。

射频标签的核心电路结构为：C8051F020控制模块和CC2500无线模块。射频标签为有源标签，用矿灯电池对其供电，上电后C8051F020单片机首先要读取E2PROM中的程序和相关的数据放进自身的存储器中，然后运行调入单片机的程序并开始运行射频标签的通信协议，通过单片机对无线模块的控制，实现信息从天线的发射或接收。同时CC2500无线模块设置成RX模式，从RSSI状态寄存器中连续读取RSSI值。

2.3 系统的主要软件设计

本设计中系统软件主要由井下定位子系统和井下人员定位管理系统两部分组成。主要用到的开发工具有Keil Vision 2.0和Microsoft Visual C++6.0[8]。其中，井下定位子系统主要用来获取和处理现场人员的信息并且发送出去，人员定位管理系统主要用来收集、显示、查询井下人员的信息。

2.3.1 井下定位子系统

井下定位子系统主要由三部分组成：定位分站软件设计、已知节点软件设计和待测节点软件设计。

定位分站的主要功能：建立无线网络、对无线网络管理和维护、接收无线信息与负责CAN总线的数据交换。

已知节点的主要功能：为待测节点和定位分站提供自身位置信息和RSSI值的定位信息。

待测节点的主要功能：接收定位命令、向已知节点广播RSSI值、接收返回的RSSI值、利用自身定位引擎计算位置并上传、突发情况紧急报警。

2.3.2 井下人员定位管理系统

煤矿井下人员定位管理系统是人员定位系统中提供给用户操作的部分，它以友好的界面形式实现人机交互，并且能够把巷道内人员分布情况直接展示出来[9]。人员定位管理系统主要由三部分组成，如图4所示。

人员定位管理系统完成的功能有：

(1）日常考勤。自动统计下井人员的下井时间，当前位置，生成考勤报表。

(2）人员定位与跟踪。把矿井图按比例显示在此用户图形界面上，标注各已知节点和读卡分站的位置，用动态的图标表示井下人员的移动。

(3）数据存储、查询、打印。存储井下人员的出勤和活动轨迹，设置查询和打印功能。

(4）安防救护。定期对人员定位系统和井下紧急避难设备进行检查，遇到紧急情况实时显示井下人员的数量、身份、位置。

(5）其他功能。管理软件有联网功能，提供远程登陆和访问；针对矿井可能的人员变化和定位节点变化设置了扩容功能；为解决日后对更多功能的需求问题设置了升级功能。

3 结语

基于RSSI的井下人员定位系统通过测量RSSI的值，结合双机测定待测节点的算法计算出人员的位置。通过这种测距方法进行定位，成本低、易实现。所设计的定位软件采用CAN总线进行数据传输，具有抗干扰能力强和传输实时性好等特点。系统对煤矿井下人员的实时追踪定位的应用上，有较强的推广价值。

参考文献

[1]刘伟.井下移动目标无线定位技术研究[D].北京:中国矿业大学,2014:23-25.

[2]刘志高,李春文,邢智鹏,等.巷道网络全局定位系统关键技术分析与实验[J].煤炭学报,2011(3):519-526.

[3]JAUFFRET C,BARRERE J,CHABRIEL G.Array shape observability from time differences of arrival[J].IEEE transactions on aerospace and electronic systems,2011,47(2):1515-1520.

[4]孙利民,李建中,陈渝,等.无线传感器网络[M].北京:清华大学出版社,2005.

[5]谭志,张卉.无线传感器网络RSSI定位技术的研究与改进[J].北京邮电大学学报,2013,36(3):88-91.

[6]韩东升,杨维,刘洋,等.煤矿井下基于RSSI的加权质心定位算法[J].煤炭学报,2013,38(3):522-528.

[7]HU Zhen,GU Dongbing.Localization in wireless sensor networks using a mobile anchor node[J].Computer society,IEEE,2008,26(7):602-607.

[8]孙波,刘冬阳,徐奉,等.基于RSSI的煤矿井下巷道定位技术误差分析[J].煤炭学报,2014,39(z2):609-614.