匯聚節(jié)點組件連接如下：

4.4 程序移植與實驗結果

本實驗在Cygwin平臺下進行編譯與移植，編譯過程如圖6所示。

圖6 TinyOS編譯流程圖

進入Cygwin環(huán)境，切換到TinyOS定位程序目錄下，輸入編譯移植命令：

make cc2430em install NID=0x GRP=00

其中NID是節(jié)點號，是節(jié)點的身份標識，同一網(wǎng)絡中的節(jié)點號必須惟一;GRP是網(wǎng)絡號，同一網(wǎng)絡中所有節(jié)點的網(wǎng)絡號必須一致。

在所有節(jié)點的TinyOS移植完畢后，啟動所有節(jié)點，應用串口調試助手顯示匯聚節(jié)點發(fā)送到PC機的RSSI數(shù)據(jù)，數(shù)據(jù)結構如圖7所示，其中1~7個字節(jié)數(shù)據(jù)為信息包的包頭，8~9兩字節(jié)為中繼錨節(jié)點的節(jié)點號，10~11兩字節(jié)為源錨節(jié)點的節(jié)點號，12~13字節(jié)為源錨節(jié)點到匯聚節(jié)點的跳數(shù)，14~15字節(jié)為盲節(jié)點的節(jié)點號，21~22兩字節(jié)數(shù)據(jù)為錨節(jié)點的RSSI值。

圖7 錨節(jié)點RSSI值

在確定PC機能夠正確接收各錨節(jié)點的RSSI值后，還需要選取合適的RSSI測距信號衰減模型，將RSSI值轉化為距離。本實驗中采用在無線信號傳輸中應用廣泛的對數(shù)--常態(tài)模型，如式(1)所示：

RSSI=-(10n·lg(d)+A)+45 (1)

其中A為盲節(jié)點與錨節(jié)點相距1米時RSSI的絕對值，本實驗中測得A≈40,n為無線信號傳播指數(shù)，一般取2~4,經(jīng)過多次試驗取3.0較為合適。將本模型應用在所測得的RSSI中，并對比實際距離得到如表1和圖8所示結果：表1中d為RSSI理論模型所得距離，D為實際測量結果。

表1 RSSI值與距離的轉換

圖8 RSSI測距模型驗證

在實驗室環(huán)境下布置了4個錨節(jié)點、1個匯聚節(jié)點和1個盲節(jié)點，4個錨節(jié)點分布在4.8x3.6 m2矩形的4個點，盲節(jié)點位于矩形區(qū)域內(nèi)，匯聚節(jié)點在矩形區(qū)域外。

讀取如圖7所示的各錨節(jié)點RSSI值，在Matlab環(huán)境下通過對數(shù)--常態(tài)傳播模型將RSSI值轉變?yōu)榫嚯x，最后通過質心算法對盲節(jié)點進行定位，計算出盲節(jié)點的坐標。在實驗中采用10次測量取平均值來減小定位誤差，并計算對比盲節(jié)點理論坐標與實際坐標的誤差，得到如圖9所示的定位結果。

圖9 RSSI定位結果

通過定位算法計算出的盲節(jié)點坐標為(2.483 1,1.018 5)，實際盲節(jié)點坐標為(2.4,1.2)，誤差為0.199 6 m,基本實現(xiàn)了對盲節(jié)點的定位。

5 結論

本文在TinyOS操作系統(tǒng)下實現(xiàn)了基于CC2430模塊的RSSI定位，分析了盲節(jié)點、錨節(jié)點和匯聚節(jié)點的工作流程，確定了實驗室條件下無線傳輸模型Shadowing模型參數(shù)，最后利用Matlab計算出盲節(jié)點坐標。定位結果顯示，通過定位算法所得的盲節(jié)點坐標與實際坐標誤差為0.199 6 m,可滿足大多數(shù)無線傳感器網(wǎng)絡對節(jié)點定位的要求。