摘 要
针对传统路径损耗模型经验参数在室内环境应用中的不足，该文提出了一种基于进化策略的损耗模型参数估计方法。采用启发式的随机搜索方式应用于复杂环境条件下的射频信号建模问题，输出模型较好地拟合了信号衰减曲线，20 m范围内误差小于3.7 dBm。利用获取模型提供参考节点加权因子，结合加权最邻近算法下的均值法和贝叶斯算法，实现了由二维平面演进到三维空间内的有效定位，平均定位误差可控制在3.4 m以内。
近些年来以Zigbee网络为基础构建信息交换平台，实现无线传感器网络(Wireless sensors networks, WSNS)节点定位成为了室内定位研究的重要方法。典型的定位方式有测距（distance-based）算法和无需测距（distance-free）算法。其中常用的测距算法是依据信号强度指示（receive signal strength indication，RSSI），通过对数路径损耗模型来计算相对距离，文献[3]介绍了相关定位方式的实现。文献[4]结合上述测距算法改进了质心（Centroid）算法，获得了1.24 m的最小误差，但最大误差和标准差达到了7.38 m和1.65 m。文献[5-6]分别通过结合质心算法和指纹库定位（fingerprint database positioning）算法与对数损耗模型获结合得到目标的位置信息。然而，复杂的室内条件给模型参数带来的干扰不可避免，具体参数需要根据实际环境，通过经验或者查阅相关研究资料获得，给定位精度带来了一定的影响。鉴于上述研究均未详细介绍损耗模型参数的具体获取方式，本文设计了一种基于进化理论的电磁波路径损耗模型参数辨识方法，采用加权最邻近（K-nearest neighbor, KNN）算法和贝叶斯定位算法对目标进行定位。
目前，基于RSSI的测距算法中路径损耗模型的参数缺乏有效的获取方式，因此在实际应用中常常通过经验来估计模型参数，这样会对定位精度带来影响。针对上述问题，本文探索了进化理论在模型参数辨识过程中的可行性，并结合KNN定位方式下的均值法和贝叶斯算法，验证了本文所提出的改进三维定位算法的性能，取得了较好的定位精度。