基于WSN的井下巷道RSSI性能分析

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (17): 128-132.

基于WSN的井下巷道RSSI性能分析

郭雁一夫1，刘宏立1，徐琨1，马子骥1，刘述钢2

1.湖南大学电气与信息工程学院，长沙 410082
2.湖南科技大学，湖南湘潭 411201

出版日期:2016-09-01 发布日期:2016-09-14

Performance analysis of RSSI in underground tunnel based on WSN

GUO Yanyifu1, LIU Hongli1, XU Kun1, MA Ziji1, LIU Shugang2

1.College of Electrical and Information Engineering, Hunan University, Changsha 410082, China
2.Hunan University of Science and Technology, Xiangtan, Hunan 411201, China

Online:2016-09-01 Published:2016-09-14

摘要/Abstract

摘要： 随着物联网和无线传感网络的飞速发展，基于接收信号强度（Received Signal Strength Indicator，RSSI）的无线传感网络应用成为研究的热点。在井下巷道环境中，无线信号传输容易受到多径、反射、衍射和巷道壁的干扰，从而使其很难被准确地预测，为了准确地分析井下环境中的无线信号特性，基于一个实际的井下环境，部署了一个包含多个网络节点的无线传感网络，通过大量的实测实验，采集了大量的数据，分析了RSSI在井下环境中的各种特性。实验结果表明：RSSI在井下环境中也能具有较高的稳定性，其测距的平均误差在0.8 m左右。因此，在井下采用基于RSSI的测距技术是可行的。

关键词: 无线传感网络, 接收信号强度, 测距, 井下巷道, 性能分析

Abstract: With the rapid development of the Internet of Things and wireless sensor networks, the application of wireless sensor network which based on the Received Signal Strength Indicator（RSSI） has become a hot research area. In the underground tunnel, wireless signal transmission will be susceptible to multipath, reflection, diffraction and interference of tunnel walls, consequently makes it difficult to be accurately detected. In order to accurately analyze the features of the underground radio signals, the group deploys a wireless sensor network with multiple network node, which based on a practical underground condition, and analyzes various features of the RSSI in this case by a large number of experiments, a large amount of collected data. The experimental results show that the RSSI underground can also has high stability, the mean error of ranging is about 0.8 m. Therefore, the ranging technology based on RSSI underground is feasible.

Key words: wireless sensor networks, Received Signal Strength Indicator（RSSI）, ranging, underground tunnel, performance analysis

郭雁一夫1，刘宏立1，徐琨1，马子骥1，刘述钢2. 基于WSN的井下巷道RSSI性能分析[J]. 计算机工程与应用, 2016, 52(17): 128-132.

GUO Yanyifu1, LIU Hongli1, XU Kun1, MA Ziji1, LIU Shugang2. Performance analysis of RSSI in underground tunnel based on WSN[J]. Computer Engineering and Applications, 2016, 52(17): 128-132.

[1]	徐乐，韦玉科. 基于三点定位与加权坐标的三角定位算法[J]. 计算机工程与应用, 2020, 56(9): 111-116.
[2]	周非，罗晓勇，刘云萍. 基于概率模型的实时修正IMM目标跟踪算法[J]. 计算机工程与应用, 2020, 56(21): 85-92.
[3]	徐国愚，徐刚，姜涛，胡海涛. 天地一体化网络认证机制性能定量分析方法[J]. 计算机工程与应用, 2020, 56(21): 108-114.
[4]	范钰萍，唐权华，黄龙军. 基于纵向视差的铁路危树检测[J]. 计算机工程与应用, 2020, 56(21): 242-247.
[5]	石会，蔡跃明，杨炜伟，向中武，陈德川. Nakagami-[m]信道的TSR非可信中继网络安全性能分析[J]. 计算机工程与应用, 2020, 56(12): 98-104.
[6]	何伟健，陆江城，朱耀磷，李学聪. RFID旋转天线中的椭圆模型室内定位算法[J]. 计算机工程与应用, 2019, 55(9): 87-93.
[7]	余科军，张建州. DV-Hop测距修正的定位算法研究[J]. 计算机工程与应用, 2019, 55(15): 123-127.
[8]	郝娟，张著洪，凃歆. 噪声环境下RSSI定位问题及其求解的果蝇优化算法[J]. 计算机工程与应用, 2018, 54(7): 121-126.
[9]	郑争光1，任小洪1，2，程亚军1，常政威3. 未知环境下单目视觉移动机器人路径规划[J]. 计算机工程与应用, 2018, 54(3): 255-258.
[10]	朱琼琼1，李平1，杨程1，2，胡检华1. 自适应AP选择无线室内定位算法[J]. 计算机工程与应用, 2018, 54(14): 120-126.
[11]	蒋洁琦，杨庚，李鹏. 云环境下面向隐私保护的用户行为分析[J]. 计算机工程与应用, 2018, 54(14): 127-132.
[12]	朱玉祥，彭延军. 机泵群设备故障监测及定位技术研究[J]. 计算机工程与应用, 2018, 54(14): 217-223.
[13]	张伯泉，王瑞成. 节点分区与平均跳数加权的三维DV-Hop定位算法[J]. 计算机工程与应用, 2018, 54(12): 240-243.
[14]	朱小波1，2，车进1，2，郝志洋1，2，刘毅1，2，杭立1，2. NAO机器人的快速迷宫拐点测距及航向矫正[J]. 计算机工程与应用, 2018, 54(10): 169-172.
[15]	李腾宇，易晓梅，陈石. 基于RSSI加权质心和GASA优化的WSN定位算法[J]. 计算机工程与应用, 2017, 53(6): 118-121.