智能空间中RSSI定位问题研究_孙佩刚

智能空间中RSSI 定位问题研究孙佩刚1,2,赵　海1,罗玎玎1,张晓丹3,尹震宇1(11东北大学嵌入式实验室3,辽宁沈阳110004;2.沈阳炮兵学院,辽宁沈阳110162;3.沈阳航空工业学院,辽宁沈阳110034) 摘　要:　定位服务是智能空间所必须提供的基本服务,而定位精度的高低在很大程度上取决于距离测量精度.本文分析了现有无线测距技术运用到智能空间中存在的诸多问题,结合无线传感器节点的硬件特性,选择了基于RSSI 的定位技术,提出了三种基于RSSI 定位的实现机制:最小二乘曲线拟合法,信号强度分布法以及混合定位法.在此基础上,针对所提出的三种定位技术从定位计算量、定位误差等方面进行了实验测试与对比分析.结果表明,混合定位法所需的计算量小、定位精度高,能更好地满足于资源受限环境下的定位服务需求.由此可见,借助于本文提出的混合定位法,结合适当的迭代定位算法可以有效地应用于实际系统的定位.关键词:　智能空间;接收信号强度显示;定位服务;无线传感器网络;定位误差中图分类号:　TP393117 文献标识码:　A 文章编号:　037222112(2007)0721240206Re search on RSSI 2ba sed Location in Smart SpaceS UN Pei 2gang 1,2,ZH AO Hai 1,LUO Ding 2ding 1,ZH ANG X iao 2dan 3,YI N Zhen 2yu 1(11Embedded Laboratory ,Northeastern Univer sity ,Shenyang ,Liaoning 110004,China ;2.Shenyang Artillery Academy ,Shenyang ,Liaoning 110162,China ;3.Shenyang Institute o f Aeronautical Engineering ,Shenyang ,Liaoning 110034,China )Abstract :　Location is one of the fundamental services provided by smart space ,and the location precision is mainly decided by the accuracy in distance measurement.However ,the current wireless location technology applying into smart space brings on a series of problems.Considering the hardware characteristics of current wireless sensor nodes ,the paper selects the location mecha 2nism based on RSSI ,and puts forward three methods :Least 2Square Curve Fitting Method ,Signal Strength Distribution Method and Hybrid Location Method.Then the paper tests performances of the three methods from location cost and location error.Seen from test results ,the Hybrid Location Method which need little computing amount and has high precision is better able to meet the re 2quirement of positioning services under the resource 2constrained environment.It is proved that with appropriate iterative location al 2gorithms ,the Hybrid Location Method above can be effectively used in practical positioning applications.K ey words :　smart space ;receive signal strength indicator ;location services ;wireless sensor networks ;location error1　引言 智能空间(smart space )是一个嵌入了计算、信息设备和多模态传感装置的工作空间,其目的是使用户能非常方便地访问其中的信息、获得计算服务,从而高效地进行单独工作和与他人协同工作[122].随着智能空间中的用户对信息的交互性和就地性需求越来越强烈,这就给基于位置的服务和应用提供了广阔的市场空间.在目前已有的无线定位技术中,有的技术需要基站(Base S tation ,BS )与移动节点(M obile N ode ,M N )之间的精确同步,有的技术需要移动节点携带昂贵的收/发设备,有的定位技术甚至根本无法应用于室内环境.针对这种情况,本文提出了基于无线传感器网络(W ireless Sensor Netw orks ,WS Ns )的智能空间定位技术,该技术无需基础设施(如BS )的参与,也无需向系统中添加任何定位测量专用设备,而是利用智能空间中预先布置好的信标节点(Beacon N ode ,BN ),通过读取其来自未知移动节点接收信号的RSSI 值,采用参照距离与能量衰减关系曲线,或结合智能空间的信号强度分布图查找采样值数据库等方法来确定移动节点的位置.通过实际测试,本文提出的混合定位法所花费的运算量小、价格低廉,且能保证一定的定位精度,能够较好地满足智能空3嵌入式实验室为辽宁省面向先进装备业的嵌入式技术重点实验室.收稿日期:2006206226;修回日期:2006212204基金项目:国家863高技术研究发展计划(N o.2001AA415320);国家985重点建设项目(N o.985222ES 2K 01);国家自然科学基金(N o.69873007)第7期2007年7月电 子 学 报ACT A E LECTRONICA SINICA V ol.35　N o.7July 2007间的定位服务需求.2　技术背景 现有的移动定位技术根据其应用环境,大致可以分为两类:一类是大范围室外定位技术,主要有如下几种:G PS定位法[3]、蜂窝单元标识(Cell2ID)定位法[4]、T OA定位法、T DOA定位法、AOA定位法[5]、AOA/T OA混合定位法[6]等;另一类是短距离室内定位技术,典型的如光跟踪定位系统、A2G PS定位、无线电波与超声波组合定位、射频识别技术(RFID)以及RSSI定位等.由于本文研究的是智能空间定位,因此重点关注现有的室内定位技术.光跟踪定位[7]一般要求所跟踪目标和探测器之间线性可视且跟踪目标不透明,通过固定的红外线摄像机和很多红外线发光二极管的协同工作,完成跟踪定位.由于其技术特点,要实现高精度的光定位,要求具备复杂且昂贵的设备.A2G PS是一种可以用于室内的改进G PS定位技术[8],其要求在手机内集成G PS接收器,且需大量的相关器并行搜索可能的延迟码,完成定位.由于现阶段G PS接收机的价格及将其嵌入到手机中的技术成本,决定了A2G PS应用的受限性.无线电波与超声波协同定位技术[9]利用电磁波传输与声波传输的时间差来测距,精度较高且成本较低,决定了其有着一定的市场潜力.但其测量距离较短且会发生声吸收现象影响到距离测量精度,如果需要实现较长距离的定位,需要在超声波探头前端外扩多级放大电路.射频识别系统主要由三部分组成:电子标签、读卡器和在标签和读卡器之间传递射频信号的微型天线.当标签置于读卡器发出固定频率的电磁场附近获得了能量并产生上电复位后,原本处于“休眠状态”的标签被激活并将含有自身种类识别码标志、制造商标志等信息代码调制到载波上经卡内天线发射出去,供读卡器处理识别.一般情况下,A2G PS的定位误差约在5～50米范围内;RFID、光跟踪及超声波的定位误差约在1～2米以内.其中无线电波与超声波协同定位,精度较高可达几厘米到几十厘米的数量级上.根据美国联邦通信委员会(FCC)要求手机定位服务的精度在67%的情况下要达到50米以内,95%的情况下要达到150米以内.因此,上述几种定位系统均可以应用于实际系统的定位,但在实际应用时,需要权衡成本与需求加以选择.上述的室内定位技术中,还有一种是RSSI定位技术[10].它是利用电磁波在传输过程中,接收信号功率强度与传输距离存在着某种变化关系,找出特定环境中的这一变化关系,便可用于定位.目前,许多无线收/发芯片都能提供RSSI检测值,原则上只要芯片之间能够通信,就能够估测出二者之间的距离.所以,基于RSSI的定位,用于实时系统定位时,非常方便.但由于受到地板、墙壁和人体等各种物体等障碍物的阻拦,电磁波会存在着反射、绕射及衍射,使得RSSI值随机变化较大.因此,采用少量信标节点进行RSSI定位,往往定位精度不高,但在引入了多个节点之后,通过迭代定位算法进行计算后,定位误差能够控制在1～2米左右.本文研究基于RSSI的智能空间定位技术.一般地,在智能空间内布置了若干无线传感器网络节点,各节点可以实现本地的计算、存贮,也可以自动组网,将数据通过多跳转发到接收节点,节点间相互协作共同完成传感监测任务.考虑到能耗及花费等因素,传感器节点一般不装备专用定位设施.为此,上述几种室内定位技术并不能很好地适用于智能空间,而RSSI定位由于无须添加任何基础设施、成本低廉,而又具有较高的定位精度,故为智能空间的定位服务所采用.文献[11]通过仿真得出了采用RSSI技术的定位误差范围:当采用两个接入点(Access P oint,AP)时,误差在2175～15198m之间;采用三个AP时,误差在2112～5164m之间;采用四个AP时,误差在2106～2180m之间;而采用5个AP时,误差大约在1142～2180m之间.上述文献是基于W LAN的仿真研究,而本文是基于WS N的实验研究,采用的是Crossbow公司新一代产品M icaZ作为实验节点,在4个BN参与的测试情况下,采用混合定位法,定位误差在2米以内,如果引入更多的BN,定位误差会进一步减小;定位延迟在70毫秒以内,实时性很高.3　基于Mica Z的RSSI值获取 利用M icaZ节点及其编程板MI B510之间的通信可以得到RSSI值.由于M icaZ使用了兼容IEEE802.15.4规范的高性能无线芯片CC2420,而CC2420在M AC层帧传输时,每帧的最后两个字节用作控制字段,当发送1421第　7　期孙佩刚:智能空间中RSSI定位问题研究时,存放CRC冗余码,当接收时,用于存放RSSI值、CRC 的校验结果及链路质量显示(Link Quality Indication, LQI)值.图1是典型的CC2420帧结构[12].从CC2420接收的M AC帧中读出的RSSI值是芯片寄存器RSSI-VA L的值,此时需经过一个简单运算,才能将其转换为接收节点的RF管脚的功耗值.运算公式如下:P=RSSI-VAL+RSSI-OFFS ET[dB](1)这里RSSI-OFFSET是系统开发过程中的经验值,与RF前端增益有关,CC2420芯片取其值为-45dBm.P 是一个相对值,单位为dBm,表示相对于1mW的分贝数.就CC2420而言,接收信号的功率P一般在0～-100dBm之间,当信号功率衰减到接近于-100dBm时, M AC帧不会被接收.4　基于RSSI的定位算法411　曲线拟合法根据大尺度路径衰减模型[13],可以得出接收功率P r与传输距离d的关系,由于智能空间环境的电磁波传输损耗符合对数正态阴影模型,其数学描述如下:P L(d0)[dB]=-10log10G t G rλ2(4π)2d20(2)P L(d)[dB]=P L(d0)+10ηlog10dd0+Xσ(3)P r(d)dB]=P t[dB]-P L(d)[dB](4)尽管公式中参数的取值受到多种因素的影响,但接收能量的衰减与传输距离一定存在某种变化关系.为了避免大量的经验测量来获得遮蔽因子Xv值,本文采用曲线拟合法试图从数学角度直接拟合出Pr～d的变化关系,由于CC2420芯片的本底噪声相对于Pr而言很小,可以忽略不计.为此,这里以RSSI近似替代Pr值进行后续的定位计算,其定位过程见表1.表1　曲线拟合法的定位过程1在一个预先设置好的智能空间内,布置若干数量的已知自身位置的BN,选择一个M N,向各BN发送广播包.2各BN接收M N发来的信号,记录各帧的RSSI值,经过式(1)运算后,得到RF接收功率值P r.3记录各BN到M N的传输距离d,记录相应距离时的P r值,得到距离与功率值对(d,P r);不断移动M N,每一个BN都得到了一组数据{(d1,P r1),(d2,P r2),(d3,P r3),…(d m,P rm)}.4各BN根据所测得的数据,以d为x2axis,以P r为y2axis,进行最小二乘曲线拟合,得到各自BN的P r～d曲线.5对于任意需要实际定位的M N,各BN根据所接收到的P r值,参照各自的P r～d曲线,得到相应的d值,然后根据多边定位法进行定位. 以下是本文利用曲线拟合法做的一个案例.实验中采用了M icaZ作为M N节点发送广播信号,编程板MI B510作为BN节点,在接收到M N发出的信号同时,取出RSSI值,通过串口将其显示出来,并按公式(1)计算出信号到达CC2420芯片RF管脚的功率Pr.逐渐改变M icaZ节点到MI B510的距离,将距离d与功率Pr成对记录下来,每条记录采样500次,取统计平均值,将P r～d的对应关系绘制成二维变化曲线.为了让图形便于观察,Pr仍以RSSI值的对数形式表示,单位为dBm,结果如图2.由图2曲线的变化趋势可以看出,到达接收端M i2 caZ的功耗与传输距离呈现出明显地衰落变化趋势,但并非一条平滑的曲线,这表明利用RSSI进行定位,存在着一定程度的抖动;当传输距离较近时,功率衰减较快,而传输距离越远,衰减越慢;当传输距离接近8m左右时,信号功率对传输距离的变化表现不明显.因此,基于RSSI的定位技术,当传输距离越近,定位越准确,传输距离越远,定位误差越大.根据所采集到的样本数据,借助于统计分析工具SPSS对其利用基本曲线进行拟合,比较拟合优度,选择了如下的功率与传输距离成幂率分布的曲线:E=K31/(d2)(5)2421 电 子 学 报2007年再次根据样本数据,利用最小二乘法对式(5)进行曲线拟合,当距离以米为单位,功率取纳瓦时,K值约为1514.这样,就可以通过接收点的信号强度,计算出传输距离.实际点的位置与拟合后得到的估计位置相比,如图3所示.由图3可以看出,当距离在6m以内时,基于RSSI 的测距方法还比较准确,其拟合误差大约在±35%以内.特别地,当距离在4m以内时,Pr～d变化关系明显.此时,拟合误差较小,定位精度较高.412　信号强度分布法由于室内无线信号的传输容易受到多种因素的影响,有时接收信号强度与M N到BN之间的距离没有一致的变化关系,所以用数学方法很难精确描述,曲线拟合法有时会出现估测不准的地方.此时,一个可行的办法是构建采样值数据库,借助于信号强度分布法来求解.其主要步骤如表2所示.表2　信号强度分布法的定位过程1在一个预先设置好的智能空间内,布置若干数量的已知自身位置的BN,并对BN进行编号.选择一个M N,向各BN发送广播包.2各BN接收M N发来的广播信号,记录各帧的RSSI值,经过式(1)运算后,得到RF接收功率P r值.3记录各BN到M N的传输距离d,同时记录接收功率P r值,结合各BN自身的位置坐标,得到一条记录(BN2ID,pos-X,pos-Y,d,P r);不断移动M N,每一个BN都得到了多条记录.4将各BN所测得的多条记录,按BN编号,记录入采样值数据库;依据各BN的采样值数据库,描绘出智能空间的接收信号强度分布图.5对于任意需要实际定位的M N,各BN根据所接收到的P r值,参照各自的信号强度分布图及采样值数据库,得到相应的d 值,然后根据多边定位法进行定位. 根据实际测量的经验得知,基于RSSI的距离测量方法,在8m以内精确性较高.所以,在室内对BN进行布置时,应使各BN间的距离尽可能不要超过8m.为此,笔者选择了一个8m×8m的室内区域,在四个角落里布置了4个BN,依据其各自的采样值数据库,得到了各BN的场强分布图,如图4所示.为了便于显示,将RSSI值过于随机的点进行了修正,且当各BS的传输距离超过4m时的信号强度分布未画出来.坐标轴标注单位为mm.当有一个未知MN进入图4所示的信号强度分布区域后,首先检测BN#1、BN#2、BN#3、BN#4四个参考点中,哪一个接收信号功率最大,则可判定该节点离哪个基站最近,查询该基站的采样值数据库;同时根据其它基站所接收到的RSSI值,查找相应的采样值数据库,得到距各自基站的距离,结合适当的定位算法,于是移动节点的位置可以计算出来.413　混合定位法智能空间环境下,精确定位最直接的方法是对定位场地的信号强度进行大数据量采集,构建庞大的采样值数据库.然而,在实际应用中,在每个移动用户可能出现的位置多次采集数据,是一件费时费力的事.一旦室内环境发生变化,如室内设施移动了位置、改变了BS的位置等,都需要重新构建采样值数据库,计算量具大.然而,本文4.1节所提出的曲线拟合法,仅通过少量的采样值,拟合出RSSI值衰减与传输距离变化的Pr～d曲线,完成实际测距.实际采样测量的工作量大大减少,搭建定位平台的时间也得以缩短.由多次进行RSSI的采样经验可知,BN与M N之间传输距离存在某一阈值(dth),当二者之间的距离小于d th时,RSSI值与传输距离的变化关系明显.相应地,利用曲线拟合法得到的曲线,当dth以内的传输距离时,距离估计值与实际值的绝对误差较小,定位相对精确.因此,可以采用曲线拟合与采样值数据库相结合的定位方法,称之为混合定位法(Hybrid Location M ethod,H LM),来进行定位.简言之,混合定位法就是当BN与M N的位置在dth 以内时,采用曲线拟合法定位;当距离在dth以外时,采用采样值数据库即信号强度分布法进行定位.这里,dth 定义为距离门限,与实际定位中所要求的定位精度有关.混合定位法在很大程度上减少了采样工作量,但不可避免地又引入了曲线拟合所带来的误差.由于室内环境的复杂性,无线信号传播的不确定性,目前还没有哪一种无线传播模型能精确地反映室内无线信号环境.本文将实际采样与曲线拟合相结合,不失为一种可行的折衷方案.在实际应用中,通过多次测量,可以有效减小测距误差;通过引入多个已知位置的BN,能够有效降低定位误差.3421第　7　期孙佩刚:智能空间中RSSI定位问题研究5　测试与性能分析511　测试环境本文以M icaZ 系列WS Ns 节点为实验平台.该平台包括由MPR2400C A 处理/通信板组成的M otes 若干,及由几块MI B510型号的编程板组成.M otes 可以独立完成无线的收/发及信号处理功能,基站除了具备M otes 的功能之外,还可以将接收信息通过串口显示与主机上.为了进行实地测试,选择了一个12m ×8m 的教室作为实验环境,在此空间内布置了5个MI B510作为BN ,其位置已知且固定不动,分别位于教室的四个墙角及中间,目的是要求对进入房间任意点的无线信号都能够接收到.设置一个移动用户携带一个M ote ,在房间内以大约2.5km/h (0.7m/s )的速度行走,这是室内行走的一般速度[14].由M ote 向各BN 发送数据包,各BS 在接收数据包的同时,记录收到每数据帧到达时的RSSI 值,经过运算转换成射频前端的功率值,将结果通过串口显示出来,并记入采样值数据库中,以备查用.512　定位开销分析定位开销是指系统为实现定位功能所付出的代价,包括定位计算量、定位成本等.由于本文提出的基于RSSI 的定位技术,在M icaZ 硬件平台上,无须添加任何硬件即可实现.因此,这里主要考虑定位的计算量,比较一下本文提出的三种定位方法的计算量.,RF 功率与传输距离成反比,距离越近,衰减越快.因此,均匀采样是低效的.实验中,1m 以内取10cm 为单位,做一次采样;1～2m 的范围内,取20cm 为单位做一次采样;2～3m 的范围内,取30cm 做一次采样;依此类推.以一次采样所需的计算量为单位运算量,可以推算出曲线拟合法的运算量如下:Q c =101+102+103+…+10n　取(n ≤12)(6)其中:n 为传输距离,最大取12m ,Q c 为运算量,[・]为对括弧内的数值按四舍五入法取整.曲线拟合法是在一个直线方向上进行的采样,而信号强度分布法是在一个平面内进行采样,按照线与面的关系,可以推断出场强分布法的计算量应当为曲线拟合法运算量的平方这一数量级上.因此,信号强度分布法的运算量如下:Q f =k 31012+1022+1032+…+10n2取(n ≤12)　(7)其中,k为比例因子,这里为了便于计算,取k =1.由于混合定位法采用的是d th 以内使用曲线拟合法,超过d th 使用信号强度分布法,本实验中选取d th =5m .因此,其计算量运算式如下: Q h =101+102+…+105+k 31062+1072+…+10122(8)为了直观显示,将式(6)～(8)绘成图,传输距离,纵坐标表示计算量,如图5所示.由图5可以直观地看出信号强度分布法的计算量最大,而曲线拟合法的计算量最小.其中,混合定位法的计算量接近于曲线拟合法,其在5m 以内与曲线拟合法重合,但超过5m 后,采用了信号强度分布法,所以计算量有所增加.但由于当传输距离增大之后,每米距离内采样点数量有所下降,故计算量上涨比较平缓.513　定位误差分析通过对定位计算量的分析可知,信号强度分布法所需的定位计算量具大,消耗资源多,除非用于固定不变的场合,且对定位精度要求极为苛刻,否则实际中较少选用.为此,这里仅比较了曲线拟合法与混合定位法的定位误差,搭建了本文5.1节的测试环境.随着移动用户的不断移动,各BN 实时测量其到M ote 的距离,并利用三边定位及最小二乘法对其进行定位并进行实时位置跟踪.因此,可以对两种算法的跟踪轨迹与实际移4421 电 子 学 报2007年动轨迹进行比较,得到每种算法的定位误差情况,如图6所示.从图6可以看出,两种定位算法在5m 以内时定位误差较小;当大于5m 时,曲线拟合法的误差明显变大,而混合定位法的误差增加并不明显,这是由于采用了采样值数据库中的经验数据的结果;但无论如何,两种算法的定位误差都落在2m 范围内,能够较为精确地反映出移动用户的行走轨迹.6　结论 现有的许多定位方法由于受到成本、技术等多种因素的影响,不能较好地应用于室内定位,这给智能空间环境实现位置服务带来了难题.本文研究了智能空间中的RSSI 定位问题,提出了三种基于RSSI 的定位方法,利用现有的传感器硬件节点,无须外加任何新硬件,即可实现精确定位.其中,混合定位法由于其定位计算量小,定位精度较高,更推荐为智能空间环境的定位计算使用.致谢　感谢东北大学嵌入式技术重点实验室为作者提供了完备的软硬件实验平台,感谢朱剑博士、程大伟硕士及朱思远硕士在程序调试及实地测试中给予的大力支持和帮助.参考文献:[1]B J ohanson ,T Winograd ,A Fox.Interactive workspaces [J ].IEEE Computer ,2003,36(4):99-103.[2]M Weiser.The computer for the 21st century [J ].ScientificAmerican ,1991,265(3):94-100.[3]B Gaetano ,C Matthew ,L Anthony ,et al.Delivering real 2worldubiquitous location systems [J ].Communications of the ACM.2005,48(3):36-41.[4]T Emiliano ,V Andrea.Cell 2ID location technique ,limits andbenefits :An experimental study [A ].In Proc.IEEE WMCSA ’04[C ].Washington :IEEE Press ,2004.51-60.[5]H S Ali ,T Alireza ,K work 2based wireless location[J ].IEEE Signal Processing Magazine.2005,22(4):24-40.[6]Z Vasileios ,M G George ,L George.A taxonomy of indoor andoutdoor positioning techniques for mobile location services [J ].ACM SIGecom Exchanges.2002,3(4):19-27.[7]A Smith ,H Balakrishnan ,M Goraczko ,et al.Tracking movingdevices with the cricket location system[A ].In Proc ACM Mo 2biS Y S ’04[C ].Massachusetts :MIT Press.2004.190-202.[8]G L Sun ,J Chen ,W Guo ,et al.Signal processing techniques innetwork 2aided positioning :a survey of state 2of 2the 2art position 2ing designs [J ].Signal Processing Magazine ,22(4):12-23.[9]C Fretzagias ,M Papadopouli.Cooperative location 2sensing forwireless networks [A ].In Proc PerCom ’04[C ].Orlando :IEEE Press ,2004,14(17):121-131.[10]H Marko ,L J uha ,I Hannu ,et ing calibration in RSSI 2based location tracking System [A ].In Proc CSCC ’01[C ].Crete :IEEE Press ,2001.461-465.[11]陈永光,李修和.基于信号强度的室内定位技术[J ].电子学报.2004,32(9):1456-1458.Chen Yong 2guang ,Li Xiu 2he.Signal strength Based indoor geolocation[J ].Acta Electronica Sinica.2004,32(9):1456-1458.(in Chinese )[12]Chipcon 2420Datasheet[S ].2005,36-39.[13]S R Theodore.Wireless Communications :Principles and Prac 2tice (2nd Edition )[M ].Prentice Hall Press ,2001,69-138.[14]孙佩刚,赵　海,张文波,等.普适计算中定位服务的参考点布置及选择算法[J ].电子学报,2006,34(8):1456-1463.Sun Pei 2gang ,Zhao Hai ,Zhang Wen 2bo et al.Research on reference nodes placement and selection of ubiquitous comput 2ing locating service[J ].Acta Electronica Sinica.2006,34(8):1456-1463.(in Chinese )作者简介:孙佩刚　男,1976年生于安徽明光,东北大学博士研究生,沈阳炮兵学院讲师.主要研究方向为普适计算与嵌入式系统、无线与移动通信、无线传感器网络等.E 2mail :sunpg611@赵　海　男,1959生于辽宁沈阳,东北大学教授、博士生导师,辽宁省面向先进装备业的嵌入式技术重点实验室主任,主要研究方向为普适计算与嵌入式系统、无线传感器网络、信息与数据融合、复杂网络等.E 2mail :zhhai @罗玎玎　男,1977年生于辽宁沈阳,东北大学博士研究生,主要研究方向为普适计算与嵌入式系统.张晓丹　女,1975生于吉林通化,沈阳航空工业学院副教授,主要研究方向为复杂网络、信息与数据融合等.尹震宇　男,1979生于辽宁沈阳,东北大学博士研究生,主要研究方向为无线传感器网络.5421第　7　期孙佩刚:智能空间中RSSI 定位问题研究。