节点的测距与定位

合集下载

WSN基于测距的定位方法解析

WSN基于测距的定位方法解析无线传感器网络（WSN）是由大量分布在监测区域内的无线传感器节点组成的网络。

WSN在许多应用领域中都有重要的应用，例如环境监测、智能交通系统、军事监测等。

在这些应用中，节点的位置信息对数据的准确采集和处理是至关重要的。

因此，实现WSN节点的准确定位一直是研究的热点之一WSN节点的定位方法主要有两种：基于测距的定位和基于角度的定位。

基于测距的定位方法是通过测量节点之间的距离来确定节点的位置，其原理是利用节点之间的通信信号传输的时间、信号强度或到达时间差等信息来推算节点的位置。

测距定位方法可以分为两种基本类型：单跳测距和多跳测距。

单跳测距方法是通过直接测量相邻节点之间的距离来确定节点的位置。

其优点是简单、易实现，但缺点是节点之间的通信距离有限，无法实现节点之间的直接通信。

多跳测距方法则是通过多个节点之间的通信信号相互传递来实现节点的位置估计。

这种方法可以克服单跳测距方法的局限性，但需要更加复杂的数据处理和计算。

基于测距的定位方法有多种实现技术，包括超声波测距、无线信号传输时间、全球定位系统（GPS）协助等。

超声波测距是通过节点之间发送和接收超声波信号来测量节点之间的距离，其原理是根据声波在空气中传播的速度和时间差来计算距离。

无线信号传输时间是通过测量信号传输的时间差来确定节点之间的距离，其原理是利用信号的传输速度和时间来计算距离。

GPS协助是利用卫星信号来辅助节点的定位，通过接收卫星信号来确定节点的位置，结合其他传感器节点的数据进行位置校正和修正。

在实际应用中，基于测距的定位方法通常结合多种技术和算法进行节点位置的估计。

这些算法主要包括最小二乘定位、加权最小二乘估计、多边形法等。

最小二乘定位是一种通过最小化误差平方和来估计节点位置的方法，加权最小二乘估计则是在最小二乘定位的基础上引入权重因子来考虑节点之间的传感器误差，多边形法则是通过多个节点组成多边形的几何关系来确定节点位置。

基于RSSI测距修正和集员法节点定位算法

ＩｍｐｒｏｖｅｄＲＳＳＩｒａｎｇｉｎｇａｎｄｓｅｔｍｅｍｂｅｒｓｈｉｐｂａｓｅｄｌｏｃａｌｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｉｎｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ
ＦＡＮＧＹａｑｕｎ，ＡＮＪｉｎ
（ＤｅｐａｒｔｍｅｎｔｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＦｏｏｄａｎｄＰｈａｒｍａｃｅｕｔｉｃａｌＳｃｉｅｎｃｅＣｏｌｌｅｇｅ，Ｈｕａｉ’ａｎ２２３００３，Ｃｈｉｎａ）
基于ＲＳＳＩ测距是利用节点从发射点所接收的功率，并结合无线信道传输模型，推算离发射点的距离。然而，由于信号传输易遭受无线环境影响，包括多径、障碍物遮挡等，测量的ＲＳＳＩ值存在误差。为此，常需采取一些措施提高ＲＳＳＩ测量的精度。
测距和定位是基于测距定位算法的两个重要步骤，并且测距阶段对定位误差有直接的影响［６］。为此，研究人员对测距误差进行了较深入研究。如文献［７］提出多次测量加权ＲＳＳＩ值；文献［８］先分析信号传输模型，再估计环境参数，降低测量ＲＳＳＩ值的误差；文献［９］引用高斯加权策略，并将误差偏大的ＲＳＳＩ值滤除；文献［１０］利用
０ Байду номын сангаас 言
依据在估计未知节点位置的过程中是否使用距离划分，现在的传感节点定位算法［１４］可分为基于测距定位和基于非测距定位两类。后者属于粗粒度定位，难以满足高精度定位。而前者属高精度定位，但需要软件、硬件匹配，测量节点间的距离，即测距［５］。典型的基于测距算法有：接收信号强度ＲＳＳＩ、到达时间差ＴＤＯＡ和到达角度ＡＯＡ到达角度ＡＯＡ。相比ＴＤＯＡ和ＡＯＡ算法，基于ＲＳＳＩ测距算法无需额外的硬件设备，由于其成本低、功耗小而被广泛应用。

光纤传感网络中的节点定位算法

光纤传感网络中的节点定位算法随着网络技术的不断进步和广泛应用，光纤传感网络已成为一种重要的物联网技术手段，其在人工智能、工业自动化、智慧城市等领域都有着广泛的应用。

然而，光纤传感网络中的节点定位问题一直是个难题。

节点定位算法的准确性、实时性、成本和可扩展性等因素决定了其实际应用的效果。

如何高效准确地定位节点，成为了当前光纤传感网络的热门研究课题。

本文将介绍一些常见的光纤传感网络节点定位算法，以及其特点和应用情况。

一、TOA算法TOA（Time of Arrival）算法是一种基于时间的节点定位算法，其核心思想是根据节点发送和接收的信号之间的时间差来确定节点的位置。

该算法需要引入一个中央控制器，通过在网络中的节点之间发送包含时间戳的数据包，利用节点同步技术和时间戳信息进行节点定位。

TOA算法的定位准确度高，可以达到亚毫秒级别，但是算法对于链路时延、同步误差等因素都非常敏感，对于普通的光纤传感网络应用来说，成本较高。

二、RSSI算法RSSI（Received Signal Strength Indication）算法是一种基于信号强度的节点定位算法。

该算法通过收集节点发送信号的信号强度，然后进行测距和定位。

该算法需要大量的校准，因为信号强度的衰减受到一系列因素的影响，包括信号传播的路径、接收器的增益和环境干扰等。

RSSI算法需要网络节点足够密集，同时需要采用具有较好性能的接收器进行测距，这对于光纤传感网络的实际应用来说存在一定的局限性。

三、TDOA算法TDOA（Time Difference Of Arrival）算法是一种基于时间差的节点定位算法，它使用无线节点和基站之间信号到达时间的差异来确定节点的准确位置。

TDOA与TOA算法类似，也需要一个中央控制器，中央控制器会在网络中的基站上同步发出信号，在节点接收到信号后，根据到达时间差测量可能的位置。

与TOA算法相比，TDOA算法不需要精确的时间同步，能够减少同步误差的影响，精度和稳定性也更高，但是需要更多的计算和计算资源，成本相对较高。

定位技术的方法

定位技术的方法根据具体的定位机制，可以将现有的定位方法分为两类：基于测距的(Range-based)方法和不基于测距的(Range-free)方法[6]。

基于测距的定位机制需要测量未知节点与锚节点之间的距离或者角度信息，然后使用三边测量法、三角测量法或最大似然估计法计算未知节点的位置。

而不基于测距的定位机制无需距离或角度信息，或者不用直接测量这些信息，仅根据网络的连通性等信息实现节点的定位。

常用的定位方法是基于测距定位方法，在这种定位机制中需要先得到两个节点之间的距离或者角度信息，通常采用以下方法。

(1)信号强度测距法(2)到达时间及时间差测距法(3)时间差定位法(4)到达角定位法信号强度测距法（RSSI）已知发射功率，在接收节点测量接收功率，计算传播损耗，使用理论或经验的信号传播模型将传播损耗转化为距离。

例如，在自由空间中，距发射机d 处的天线接收到的信号强度由下面的公式给出：Pr(d )=PtGtGrλ2/(4π)2d 2L其中，Pt为发射机功率；Pr(d )是在距离d 处的接收功率；Gt、Gr分别是发射天线和接收天线的增益；d 是距离，单位为米；L为与传播无关的系统损耗因子；λ是波长，单位为米。

由公式可知，在自由空间中，接收机功率随发射机与接收机距离的平方衰减。

这样，通过测量接收信号的强度，再利用式(1)就能计算出收发节点间的大概距离。

得到锚节点与未知节点之间的距离信息后，采用三边测量法或最大似然估计法可计算出未知节点的位置。

三边计算的理论依据是，在三维空间中，知道了一个未知节点到三个以上锚节点的距离，就可以确定该点的坐标。

三边测量法在二维平面上用几何图形表示出来的意义是：当得到未知节点到一个锚节点的距离时，就可以确定此未知节点在以此锚节点为圆心、以距离为半径的圆上；得到未知节点到3个锚节点的距离时，3个圆的交点就是未知节点的位置。

然而，公式只是电磁波在理想的自由空间中传播的数学模型，实际应用中的情况要复杂的多，尤其是在分布密集的无线传感器网络中。

节点定位概述

传感器网络节点定位算法
基于测距的定位算法实现起来比较复杂，首先需要通过TOA、
TDOA、AOA、RSSI等常用的测距技术来测量各个未知节点到信标节点的绝对距离值。
这个阶段也称为测距阶段。
测距结束后就要进行定位（计算坐标）阶段，即利用测距阶段所得的节点间的距离或方位等参数来计算出未知节点的位置。
传感器网络节点定位算法
基于测距的定位算法：
➢ 三边测量定位法（Trilateration） ➢ 多边定位法（Multilateration） ➢ 三角测量法（Triangulation） ➢ 极大似然估计法（Maximum Likelihood Method） ➢ 角度定位法（Goniometry）等
MDS-MAP定位算法是University of Missouri-Columbia的Yi Shang 等提出来的。
该算法属于集中式定位算法，它是利用节点间的连通信息通过 Dijkstra或Floyd算法生成节点间距矩阵，然后利用多维尺度分析技术来获得节点间的位置信息。
这个多边形基本上确定了未知节点所在的区域并缩小了未知节点所在的范围，最后计算这个多边形区域的质心，并将质心作为未知节点的位置，这样就实现了未知节点的定位。
传感器网络节点定位算法
基于无需测距的定位算法——凸规划定位算法 (Convex Optimization)
➢ 凸规划定位算法的基本原理如图2-5所示
RFID与识别技术
概念描述
定位
➢ 即确定方位、确定某一事物在一定环境中的位置。 ➢ 在无线传感器网络中的定位具有两层意义：
• 其一是确定自己在系统中的位置。 • 其二是系统确定其目标在系统中的位置。
概念描述
在传感器网络的实际应用中：

基于RSSI的无线传感器网络节点定位

基于RSSI的无线传感器网络节点定位颜嘉俊;雷勇【期刊名称】《计算机仿真》【年(卷),期】2012(29)7【摘要】研究基于Zigbee技术的无线传感器网络中未知节点的定位问题.针对传统的Two-phase positioning循环求精定位算法复杂,且在RSSI节点测距阶段存在某些点的测距误差较大,导致定位精度大大下降.为了解决测距误差大的节点对定位精度的影响,提高定位精度,首先采用RSSI测距法测出未知节点和锚节点距离,用最小二乘法粗略定位,其次通过距离关系算出每个粗略定位点的权值,引入权值阀,舍去在权值阀外的点,最后在求精阶段采用三角形加权重心算法.此方法可以最大限度的减少测量误差大的节点对定位精度的影响.经实验证明,改进算法也存在一定的误差,但比传统的算法更加精确,提高了定位精度.%Study unknown nodes location in wireless sensor network which is the bass of Zigbee technology. To solve the problem that the traditional two-phase positioning algorithm is complexed, and some distance measurement error exists during RSSI stage, resulting in positioning accuracy dramatically reduced, the paper firstly used RSSI ranging method to measure distance between unknown nodes and anchor nodes, and also least square was used in the rough location stage. Then the weight of each rough location node was worked out by distance relationship, the valve of node weight was introduced, and the node was discarded, whose value of weight was outside the minimum weight. Finally, the weighted triangle center of gravity algorithm was usedin the refinement stage. This method minimizes the influence brought by the nodes with large measurement error. Simulation results show that the errors exist by using this algorithm, but it is more accurate than traditional algorithm, and location precision can be improved.【总页数】4页(P151-154)【作者】颜嘉俊;雷勇【作者单位】四川大学电气信息学院,四川成都610065;四川大学电气信息学院,四川成都610065【正文语种】中文【中图分类】TP393【相关文献】1.基于RSSI-锚圆算法的无线传感器网络节点自定位研究 [J], 丁承君;柳瑛;段萍;付胜梁2.基于RSSI的无线传感器网络节点定位算法 [J], 章磊;黄光明3.基于改进的RSSI无线传感器网络节点定位算法研究 [J], 苟胜难4.基于RSSI的无线传感器网络节点定位算法研究 [J], 付墨轩;廖强;;5.基于RSSI的无线传感器网络节点定位技术研究 [J], 周立君;刘宇因版权原因，仅展示原文概要，查看原文内容请购买。

一种有线传感器网络节点测距方法

０引言
得有线传感器网络节点间相对位置被确定成为可能。本文针对二线制总线型有线传感器网络，据时域脉依冲反射原理，串联在总线上的主机与多个传感器节点间对
传感器网络通常可分为无线传感器网络（Ｎ）ＷＳｓ感器网络如热能Ｊ
ＡｂｔａｔＡｉｎｔｔｅｌｃｌａｉｎｐｏｌｍｆｔｅｗｉｄｓｎｏｏｅ，ｎａｐｏｃｓｐｏｏｅｏｍｅｓｒｈｓｒｃ：ｍｉｇａｈｏａｉｔｒｂｅｏｒｅｓｒｎｄｓａｐｒａｈｉｒｐｓｄｔａｕｅｔｅｚｏｈｅｄｓａｃｅｗｅｔｅｗｉｄｅｓｒｎｄｓｉｔｎｅｂｔｅｎｈｒｓｎｏｏｅ．Ａｏｔｎｄｔｒｎｉｇｆｎｔｎｎｓｖｒｌｅｓｒｏｅａｅｅｈｓｏｅｗｉｈａｇｎｕｃｉａｄｅｅａｏｓｎｏｎｄｓｒｄｓｉｕｅｎａｃｍｍｕｉａｉｎｂｓｙｓｑｅｃ．ｈｏｔｎｄｈｓｐｌｅｅｌｃｉｎａｄｒｃｉｉｇｃｒｕｔ．ｉｔｂｔｄｉｏｒｎｃｔｕｂｅｕｎｅＴｅｈｓｏｅａｕｓｒｆｔｎｅｅｖｎｉｉｏｅｏｃｓ
抄表系统所采用的由欧盟开发的ＭＢＳ总线系统，用于Ｕ应
距离进行了测定，为有线传感器网络的节点定位提供了解
决方法。１有线传感器网络系统构成
ａｅｓｒｎｄｓｉｈｅｂｎｈｅｄｓａｅｂｔｅｈｅｎｄｓｎｏｏｅｎｔｕｓａｄｔｉｔｎｃｅｗｅｎｔｍ．Ｋｅｗｏｒｙｄｓ：ｗｉｅｅｓｒｎｅｗｏｋｓｒｎｇｎｇ；ｌａｉａｉｎ；ｓｒｄｓｎｏｔｒ；ａｉｏｃｌｚｔｏｂｕ

基于RSSI测距和距离几何约束的节点定位算法

基于RSSI测距和距离几何约束的节点定位算法无线传感器网络是一种全新的信息获取和处理方式，是由部署在感兴趣区域的大量低成本、低功耗的微型无线传感器网络节点组成。

作为无线传感器网络的基本组成部分，节点的位置信息对整个无线传感器网络是非常重要的。

节点收集感知数据时，如果不知道其感知对象位置，所感知的信息往往是毫无意义的[1，2]。

目前定位算法主要分两大类，基于测距算法(range-based)和无需测距算法(range-free)。

基于测距算法通过测量节点间的距离和角度信息，使用三边测量、三角测量或最大似然估计等定位算法。

常用的测距技术有RSSI(接收信号的强度指示)、TOA、TDOA 和AOA 等。

无需测距定位算法则不需要距离和角度信息，算法根据网络连通性等信息来实现节点定位。

基于测距的定位算法由于实际测量节点间的距离或角度，通常定位精度较高，比较各种基于距离的测距方法，基于RSSI 的定位无需额外硬件，而无线通信芯片本身具有计算收发信号强度的功能，定位不需要增加额外的硬件，不会增加节点的硬件成本和尺寸，所以基于RSSI 的测距是无线传感器网络定位比较常用的方法。

在实际的应用中由于反射、多径传播、非视距、天线增益等问题都会对RSSI的测距产生误差，从而引起较大的定位误差。

本文利用二维空间的Cayley - Menger 行列式[2，3]提供的几何约束对RSSI 的测距误差进行优化修正，结合三角形质心计算，提出了一种基于RSSI 测距和距离几何约束结合三角形质心定位算法(RDGC-TCL)。

仿真表明，该算法与基于RSSI 和三角形质心定位算法(R_TCL)相比，提高了定位精度。

RDGC-TCL 算法RSSI 测距。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

３结论
由于在传感器网络中，时间同步是一个需要解决的核心科学问题，同时也是一个难题，而在节点的测距和定位过程中，我
ｅｎｏ＿ｓｔｅｉＭｇｃｖ５ｓｔ）ｖｔｓＭｇＲｃｖｓｅｅ＿ｇｒ事件达到两ｅｒＰｅｅｒｉ阴Ｍｐｍｒｅ步。４ｚｋ节点间的同也就是说，ｅａｎ步。对于Ｂｃ来说，ｅＭ的ｏ当ｓｄｓ发们又需要精确的时间同采用对特定的声音频率（Ｈ蜂鸣ｎｇ声音）产生中断来判断声音是否到达从而进行测距的送完成时即产生Ｓｄｓｓｄｏ事件，ａｎｅＭｇｅＤｎｎｎｅＢｃ将蜂鸣器打开器发出的ｅｏ我们得出以下几点结论：一段时间；ｉｎ来说当Ｒｃｖｓ产生Ｒｃｖｓｒ方法，对ＬｔｅｓｒｅｅｉＭｇｅｅｅｉＭｇｅｅｅ．－
６国网局阅：６０‘ “ 自邮、号一３年 ” 控２元８６一４９
传感器与仪器仪表
中文核心期刊《微计算机信息》测控自动化）０年第２卷第５期（２７０４一，
二个定时器用来控制蜂鸣器的发声时间。这里两节点通过
Ｂａｎｅｏ使用的ｓｄｓ接口的ｓｄｓｓｄｏ（ＳＭｇ廿ｃｅＭｇｎｅＭｇｅＤｎＴ＿ｓｎ．ｎｅＯｐｓｔｓｔｓｃｓｅ，ｕｔｃｓ事件和Ｌｔｅ使用的Ｒｃｖｓ接口的ｎｒｌｕｅ）ｅ－ｉｎｒｓｅｅｉＭｇｅｅ
１引言
处理器、存储和无线通信技术的不断进步为网络化传感器开辟了新的发展空间，网络化传感器不仅仅是一个简单的传感器，它由处理器、存储器、无线收发机、电池和一组传感器构成，具有传感、计算和通信等多种功能。而且伴随着制造工艺的不断革新，网络化传感器的体积变得越来越小，因此人们形象的称它为 “ 智能尘埃” 由这种 “ 。智能尘埃” 组成的无线传感网络被广泛的应用到各方面，例如环境监测、军事侦察等。定位问题是传感器网络设计与应用中的一个重要问题。传感器节点的位置信息在传感器网络的协议设计、网络管理、节点间协作、标目跟踪等方面都具有重要的理论和实际意义。
１，）０将第二个参数的数值变小可以提高，但不能变得太小，太小
的话会使其负载增大，反而使测量结果不准确。另外由于麦克风不够灵敏的原因将其值设置得太小对测量结果影响不大。实验表明１厘米的分辨率是一个比较好的取值，０而且国外大部分采用声音测距的误差也是１厘米，０由于硬件本身的因素，误差无法进一步减小；＊该方法的定位时间比较长，不如信号强度定位好，适用于节点间相对位置较为稳定或者变化速度不是很快的网络拓扑结构中的定位。本文作者创新点：通过简单而有效的时间戳来达到近似的时间同步并对测量数据进行最小滤波来实现测距和定位。
一个简单的４Ｈ压电共鸣器。它的驱动和频率控制电路是内Ｋｚ
部集成的。对它的操作只制开行了Ｍｓ１Ａ感需控关就。Ｔ３ｃ传０
器板提供了麦克风，有两个主要用途，一个用途是用来做声音的测距，另一个用途是用来录音和测量声音。其中麦克风自带了滤波器和声音解码器，可以用来对Ｍ１ｃ传感器板上蜂仆３Ａ０鸣器发出的４Ｈ的声音进行监听。ｋｚ
您论得院士注的文到两院关｝
文章编号：０一５００７５１０８一２１８０７（０）一一１９０２０
传感器与仪器仪表
传感器网络节点的测距与定位
ＲｎｉｇａｄＬｃＩａｏｎ训ｒｌｓｓｎｏＮ八ｏａｇｎｎｏａｔｎｉ／ｅｅｓｒｅｖｒＺ’ ｉＩｉｓｅｋ
晒北业学刘）刚周兴社马骏岩王刚工大
ＬＵＧＡＮＧＺｌＨＯＵＸｌＮＧＳＨＥＭＡＪＹＵＮＡＮＷＡＮＧＧＡＮＧ
摘要：无线传感器网络是以传感探测、通信及计算机等科学技术为依托而构筑的目标感知和监测系统，由于其巨大的应用前景而备受学术界和工业界的广泛关注。定位问题是传感器网络设计与应用中的一个重要问题。传感器节点的位置信息在传感器网络的协议设计、网络管理、节点间协作、目标跟踪等方面都具有重要的理论和实际意义。文详细阐述了基于声波测本距的传感器网络定位算法的实现策略，对具体实现机制进行了分析并给出相关结论。关键词：传感器网络；定位算法；声波测距
图１基站接收到原始数据图１横线的数据表示节点测量到的距离，中比例因子是１０厘米。从数据流可以看出，测量的结果不稳定，有漂流而且较大。但其中有正确的结果０也就是２厘米，２０同样，将两节点的距离放置３厘米、厘米、厘米、厘米、厘米和８厘００４０５０６０７０米，得到的数据有类似的特点。仔细对声波测距的误差分布图分析后，发现其误差的分布以一种比较随意的分布，不能用我们常用的例如正态分布等分布来对其进行拟合。然而，我们使用一种比较简单的最小值滤波得到了比较好的效果。因为对接收到的数据流仔细观察，虽然在同一距离中测量值偏差的分布没有任何规律，但是从某一宽度的时间窗口，也就是同一距离
米，我们必须对Ｔｏ提供的ｉｓｙｎ定时器Ｔｅ进行改造。ｉｒｍｃ考虑到ｉＳＴＯ本身的一些其他重要组件，ｙｎ如节点间无线通信模块ｅｅｃ０ｍ。ＧｎｒＣｍ．、模数转换器Ａｃ等都用到了系统提供的ｉｎＤｃ
ｉ川组件。所以我们如果要改造Ｔｅ，Ｔｅｍｉｒ那么在改造的同时ｍＣ还要保证原来的功能不变。另外一种方法是利用处理的另外一个硬件资源，也就是ＴｅＣｎｌｉｒｏｔ，自己编写一个专用的ｍ／ｕｅｒｉｒＴｅｍ。比较两种方法，前一种在原来的基础上稍加改进节省硬件资源；后一种方法的话比较简单，但专门用了处理器的一个定时计数器只实现一个Ｔｅ，ｉｒｍ从硬件角度看浪费较大，不过它可以达到很高的计时速度，可以用来进行高频率的采样。这种方法的基本思想为：ａ节点以固定的时间间隔先ｅｏＢｃｎ我们所用的传感器板是ＣｓｏｏＢｒｓｗ公司的ＭＳ１ＡＴ３０。Ｃ通过无线发射装置向Ｌｎ：ｉｅ节点发射一条准备测距的消息，ｅｔｓＭ３Ｃ传感器板上同时集成了Ｓ０Ｔ１Ａ蜂鸣器和麦克风。蜂鸣器是其中包含一个时间戳，没法一次准备测距的消息时Ｂａ节ｅｃｎｏ刘刚：博士研究生点将时间戳加１。这里Ｂａ节点是用两个定时器，ｅｃｎｏ第一个定基金项目：国家自然科学基金资助项目（课题编号６５３６０７１１）时器用来控制向Ｌｔｒｉｅ发送准备测距的消息的时间间隔，ｓｎｅ第《仁ｐＣ技术应用２００例》
节运行的操作系点上统为Ｔｏ。ｎＳ种源代码开ｉｓＴ０是一ｙБайду номын сангаасｎｉｙ
放的操作系统，是美国加州大学伯克利分校为低功率的嵌人式网络传感器而设计的基于事件驱动的嵌人式操作系统，它以最少的硬件配置支持网络化传感器所需的并发密集操作，是一种微线程、事件触发的操作系统。它保持了网络化传感器所特有的诸多特性，高效的管理硬件系统，同时支持并发密集操作，从某种意义上达到高效的模块化和运行的健壮性。．２算法实现２为了用声波测距且将距离的最小分辨率提高到至少１厘０
中图分类号：ＰｎＴ３文献标识码：Ａ
Ａｓａ：ｗｒｅｅｓｎｔｏｎｇｔｅｓ，ＥＳａｄｃｍｕｉｉｅｏｓＭｒａｄｍｒａａｅｉｅｅｈｒｎｂｔｃＡｉｌｓｓｏｅｒｔａｓｓｏＭＭｎｏｍｎａｏｔｒ．ｏｎｒｔｅｓｎｒｗｋｉｅｅｎｒｒｃｎｎｗｋｔｅｏｃｄｍｃｒａｅｄｅｓｃｒｓａｈＰｌｃｉｉｉｒａｎ雌ｅｎｄｖｌｉｉｌｓｅｓｎｔｏｓｕｏｔｉｂｉｔｔｅｗｔａｏｓａＰｃｔｎ．ＩｔｉＰＰｒａｇ一ｎｄｓｒｇｄｉｅｅｐｇｗｒｅｓｏｅｒｄｅｔｈｒｒｈｆｒｉｒｕｌａｏｓｎｔｓａｅ，ｒｎｅｓｅｅｅｏｎｅｓｎｒｗｋｅｇｕｕｈｖｉａＰｉｔｎＰｌａｌｏｂｓｄｌｃｉａｉｎｉｄｃｓｄｉｅｉａｄｏａｓ一ａｄｒｇｇ叩Ｐａｓｐｓｔ，ｔｎｔｌｒｍｐｒｒａｃｎａｅｏａｚｏｓｉｕｅｎｄｔｌｎｕｃｔｂｓａｉｌｔｏｆｓｓａｒｏｉｕｃｅｎｎｒｈｉｒｅｅｈｈｇｉｈｅｍｎｅａｄｏｃｅｎｄｅｅａｏｔｃｎｌｓｏｓａＰｏｉｄｏｃｕｉｎｒｅｒｄｖｅ竺ｙｗｒ：ｒｅｓｎｏｎｔｏＫｒｎ一ａｅｏａｚｏ，ｃｕｔ一ａｅａｇｇｅｓｉｌｓｗｍｏｄｗｅｓｅｒｅｒａｇｂｄｌｃａｎａｓｉｂｓｄｒｉ里ｅ、ｓｉｉｌｔｏｃｎｎ
ｃｖ事件时，ｓｎ节点开始计时。ｅｅｉＬｔｅｉ：ｅ２结果分析．３程序在传感器节点上运行，在基站接收到的数据（）如图１是两节点距离２厘米时的测量结果，０其中发回基站标出的数值
乘以１厘米就是两节点间的实际距离。０
＊外界环境对于测距的影响较大，尤其是外界噪声和蜂鸣器发出的声音的回声；，当测距较远时，如果是在室内回音对于测距结果影响很大，即使采用最小值滤波法也不会得到稳定的值。为了消除回音的影响，应该将蜂鸣器的发声时间间隔取小，两次发声之间的时间间隔取大，从而消除室内回音影响，在采用上述方法消除回音的影响之后，在长距离的测量中得到稳定而正确的数据；＊对于距离的分辨率，可以通过改变Ｌｎｒｉｅ计时器触发ｅｔｓ的时间间隔来控制，也就是ｃＴｅｓＺＩＥ＿ＥＥＴｌｍ．ａｉｒｔ汀ＭＲＲＰＡＴａ，