论文部分内容阅读
摘 要：现在越来越多的电子设备上安装了WiFi装置，如笔记本，手机，平板，WiFi设备的定位问题一直以来也是热门的研究方向。大部分已有的WiFi定位方法都依赖事先的静态无线环境信号信息采集来，最后实现实时的定，然而收集无线环境信息的工作量是巨大的，需要人工的在不同的采样点采集WiFi信号强度信息。同时在无线信号环境信息并非是稳定的，采样点的WiFi信号信息是一直变化的，并非静止。无线网络环境信息采集成为了许多WiFi定位问题研究的重点。
关键词：WiFi定位；无线传感；网络
1在无线传感网络中感知WiFi信号
日常生活中常见的WiFi协议和无线传感器网络中的网络协议ZigBee都运行在2.4GHz上，他们的工作频段有着相互重叠的部分。在混合网络环境中，当WiFi和无线传感器网络处在重叠的频段上时，他们发出的信号可能会产生相互的干扰，同时他们的载波监听机制也可能受到对方信号的干扰。
ZigBee协议是为低功耗传输而开发的协议，其传输数据的速度（最高约250Kbps）和载波监听的时间周期都比WiFi来的慢，在WiFi，ZigBee的混合无线环境中，ZigBee协议的传输会受到WiFi协议的显著干扰，WiFi协议受到的影响则较小。实际部署的无线传感器网络，为了节约能量，其自主通信一般是周期性并且周期的时间比较长，当WiFi设备和无线传感器网络共存时，无线传感器网络节点监听到的信道背景信号信息大部分是来自WiFi设备。
有两个参数在选取RSSI分布峰值的时候起关键作用，一个是RSSI峰值区间的大小，一个是RSSI峰值区间的门限。我们在实际的无线传感器网络和WiFi共存环境中通过实验来确定这两个参数。在实际的环境搭建过程中，通过实验可以确定这两个参数的最佳值，我们选取τ=0.8，peak range=5为我们的单个无线传感器的背景RSSI峰值选取参数。
由于硬件性能的制约，TelosB节点在计算量较大时，系统容易锁死，并且传感器节点在内存和外存资源方面都比较匮乏，在传感器上，我們对数据采样的过程进行优化，对采样过的数据进行压缩，尽量将得到的峰值结果发送会PC端，节省传感器内存的使用。数据经过重采样，定位精确度并没有下降很多，同时减少了传感器节点的运行故障。
2在无线传感器网络中定位WiFi
在理想无干扰的无线情况中，WiFi信号强度是会随着信号传播距离的增加而衰减的[13]。在许多利用信号强度直接定位无线设备位置的研究中，学者们都是利用无线信号的衰减模型来计算无线信号发射源设备的位置。
Pr（d）=Pro-10αlog（d）+Xσ
但是真实的无线网络环境是复杂的，空气中存在不止一种无线网络信号，特别是在国际通用的2.4GHz频段上，存在多种无线网络信号（WiFi，ZigBee，Bluetooth，微波等），单纯套用理论的公式来计算WiFi信号强度的衰减并不实际，单纯利用在空间中某个点测量到的WiFi信号值，并不能有效的估计WiFi设备位置。
首先，我们在一个无线干扰相对少的无线网络环境中（一个只有WiFi设备在发送数据的无线网络环境）让无线传感器网络观察WiFi信号在空间中的传播情况。在环境中，我们布置有一个WiFi设备，它会持续地发送数据包，同时布置了无线传感器阵列，阵列中的无线传感器在工作的过程中，会不断地监听背景信道中的WiFi信号强度，并将采集到的强度值写入自带的闪存中，阵列中的无线传感器在工作时并不会与其他节点进行通信。事后，我们将无线传感器接入到电脑上，直接读取闪存中的背景信道数据。
3实验环境
本实验使用的无线传感器网络包含了49个节点，以方阵形式放置，节点间距为3m，WiFi设备放置在节点的阵列形成的方格中间。无线传感器网络的节点为运行TinyOS 2.1.2系统的TelosB节点，WiFi设备为笔记本电脑，型号为ThinkPad T410i，笔记本上搭载了Intel 6300AGN无线网卡，在实验中的理论最高速率为54Mbps，笔记本连接在临时的WiFi热点上。
在实验中，传感器节点不会有额外的通信开销，在监听和采集背景无线信道的信号数据之后，会在统一的时间点将数据回传给无线传感器网络根节点，然后回传PC，做进一步的定位分析。在实验开始时，我们发送一次同步命令来同步传感器节点的采集信号时间。WiFi设备则通过发包软件，不断的发包，在无线传感器网络中存在多台WiFi设备的情况中，它们连接在同一个无线局域网中，但是独立发包，并不会互相通信。无线传感器网络的ZigBee协议工作频段为15，WiFi设备的工作频段为4。
4实验结果
与Select策略的对比，PEFI方法更加全面的考虑了WiFi信号衰减的模型，定位精确度明显更高，在只有单个WiFi设备存在的情况下，PEFI的平均定位误差为3m左右，而Select的误差为7m，模拟传统WiFi定位的方法为7M左右，当WiFi设备的数量上升到两个的时候，PEFI的误差并没有显著的提升，在4m左右，而Select的误差接近8m，模拟传统WiFi定位的方法误差上升的更快达到了14M。在实验中，我们使用的无线传感器网络物理部署间距为3m，使用PEFI方法可以将WiFi设备定位到由无线传感器分割的物理小块空间中。
相比于其他对比算法，我们使用了许多传感器节点的信息来拟合一个结果，减少了个别传感器节点异常读数对结果造成的影响，在极端情况下我们的算法也可以保持一个比较稳定的状态。传感器网络仍然可以捕捉到WiFi信号的存在进行定位，PEFI方法仍然保持着较高的精确度，并不会因为WiFi传输速率较低而影响定位性能，而单纯使用Select方法的话，比较容易受到WiFi速率的影响，当WiFi速率比较低时，其性能会下降的比较多。
5结束语
随着无线传感器网络部署的逐渐增多，如何有效利用无线传感器网络全天候检测特性的研究也越来越多。本文利用了无线传感器网络能够监听跨平台网络信号的特性，提出了利用的无线传感器网络监听WiFi信号和利用监听到的WiFi信号进行WiFi设备定位的方法。最后我们评估了这种定位方法在真实无线传感器网络环境中的精度，其定位的精度虽然不如传统的WiFi定位方法，但是其利用既有无线传感器网络的特性免去了传统WiFi定位的大量人力工作，为进一步利用无线传感器网络全天候监测特性的研究，提供了基础。
关键词：WiFi定位；无线传感；网络
1在无线传感网络中感知WiFi信号
日常生活中常见的WiFi协议和无线传感器网络中的网络协议ZigBee都运行在2.4GHz上，他们的工作频段有着相互重叠的部分。在混合网络环境中，当WiFi和无线传感器网络处在重叠的频段上时，他们发出的信号可能会产生相互的干扰，同时他们的载波监听机制也可能受到对方信号的干扰。
ZigBee协议是为低功耗传输而开发的协议，其传输数据的速度（最高约250Kbps）和载波监听的时间周期都比WiFi来的慢，在WiFi，ZigBee的混合无线环境中，ZigBee协议的传输会受到WiFi协议的显著干扰，WiFi协议受到的影响则较小。实际部署的无线传感器网络，为了节约能量，其自主通信一般是周期性并且周期的时间比较长，当WiFi设备和无线传感器网络共存时，无线传感器网络节点监听到的信道背景信号信息大部分是来自WiFi设备。
有两个参数在选取RSSI分布峰值的时候起关键作用，一个是RSSI峰值区间的大小，一个是RSSI峰值区间的门限。我们在实际的无线传感器网络和WiFi共存环境中通过实验来确定这两个参数。在实际的环境搭建过程中，通过实验可以确定这两个参数的最佳值，我们选取τ=0.8，peak range=5为我们的单个无线传感器的背景RSSI峰值选取参数。
由于硬件性能的制约，TelosB节点在计算量较大时，系统容易锁死，并且传感器节点在内存和外存资源方面都比较匮乏，在传感器上，我們对数据采样的过程进行优化，对采样过的数据进行压缩，尽量将得到的峰值结果发送会PC端，节省传感器内存的使用。数据经过重采样，定位精确度并没有下降很多，同时减少了传感器节点的运行故障。
2在无线传感器网络中定位WiFi
在理想无干扰的无线情况中，WiFi信号强度是会随着信号传播距离的增加而衰减的[13]。在许多利用信号强度直接定位无线设备位置的研究中，学者们都是利用无线信号的衰减模型来计算无线信号发射源设备的位置。
Pr（d）=Pro-10αlog（d）+Xσ
但是真实的无线网络环境是复杂的，空气中存在不止一种无线网络信号，特别是在国际通用的2.4GHz频段上，存在多种无线网络信号（WiFi，ZigBee，Bluetooth，微波等），单纯套用理论的公式来计算WiFi信号强度的衰减并不实际，单纯利用在空间中某个点测量到的WiFi信号值，并不能有效的估计WiFi设备位置。
首先，我们在一个无线干扰相对少的无线网络环境中（一个只有WiFi设备在发送数据的无线网络环境）让无线传感器网络观察WiFi信号在空间中的传播情况。在环境中，我们布置有一个WiFi设备，它会持续地发送数据包，同时布置了无线传感器阵列，阵列中的无线传感器在工作的过程中，会不断地监听背景信道中的WiFi信号强度，并将采集到的强度值写入自带的闪存中，阵列中的无线传感器在工作时并不会与其他节点进行通信。事后，我们将无线传感器接入到电脑上，直接读取闪存中的背景信道数据。
3实验环境
本实验使用的无线传感器网络包含了49个节点，以方阵形式放置，节点间距为3m，WiFi设备放置在节点的阵列形成的方格中间。无线传感器网络的节点为运行TinyOS 2.1.2系统的TelosB节点，WiFi设备为笔记本电脑，型号为ThinkPad T410i，笔记本上搭载了Intel 6300AGN无线网卡，在实验中的理论最高速率为54Mbps，笔记本连接在临时的WiFi热点上。
在实验中，传感器节点不会有额外的通信开销，在监听和采集背景无线信道的信号数据之后，会在统一的时间点将数据回传给无线传感器网络根节点，然后回传PC，做进一步的定位分析。在实验开始时，我们发送一次同步命令来同步传感器节点的采集信号时间。WiFi设备则通过发包软件，不断的发包，在无线传感器网络中存在多台WiFi设备的情况中，它们连接在同一个无线局域网中，但是独立发包，并不会互相通信。无线传感器网络的ZigBee协议工作频段为15，WiFi设备的工作频段为4。
4实验结果
与Select策略的对比，PEFI方法更加全面的考虑了WiFi信号衰减的模型，定位精确度明显更高，在只有单个WiFi设备存在的情况下，PEFI的平均定位误差为3m左右，而Select的误差为7m，模拟传统WiFi定位的方法为7M左右，当WiFi设备的数量上升到两个的时候，PEFI的误差并没有显著的提升，在4m左右，而Select的误差接近8m，模拟传统WiFi定位的方法误差上升的更快达到了14M。在实验中，我们使用的无线传感器网络物理部署间距为3m，使用PEFI方法可以将WiFi设备定位到由无线传感器分割的物理小块空间中。
相比于其他对比算法，我们使用了许多传感器节点的信息来拟合一个结果，减少了个别传感器节点异常读数对结果造成的影响，在极端情况下我们的算法也可以保持一个比较稳定的状态。传感器网络仍然可以捕捉到WiFi信号的存在进行定位，PEFI方法仍然保持着较高的精确度，并不会因为WiFi传输速率较低而影响定位性能，而单纯使用Select方法的话，比较容易受到WiFi速率的影响，当WiFi速率比较低时，其性能会下降的比较多。
5结束语
随着无线传感器网络部署的逐渐增多，如何有效利用无线传感器网络全天候检测特性的研究也越来越多。本文利用了无线传感器网络能够监听跨平台网络信号的特性，提出了利用的无线传感器网络监听WiFi信号和利用监听到的WiFi信号进行WiFi设备定位的方法。最后我们评估了这种定位方法在真实无线传感器网络环境中的精度，其定位的精度虽然不如传统的WiFi定位方法，但是其利用既有无线传感器网络的特性免去了传统WiFi定位的大量人力工作，为进一步利用无线传感器网络全天候监测特性的研究，提供了基础。