基于RSSI测距的三维无线传感网络萤火虫定位算法的研究

高技术通讯２０１６年第２６卷第１期：１～７　ｄｏｉ：１０．３７７２／ｊ．ｉｓｓｎ．１００２－０４７０．２０１６．０１．００１　基于ＲＳＳＩ测距的三维无线传感网络萤火虫定位算法的研究①　张立国②马　鹏金梅　范关常　刘宇浩　秦皇岛０６６００４）　（燕山大学河北省测试计量技术与仪器重点实验室摘要研究了三维空间无线传感器网络（ＷＳＮ）未知节点的定位。针对目前三维空间　无线传感网络定位算法精度低的问题，提出一种基于接收信号强度指示（ＲＳＳＩ）测距的萤　火虫定位的算法。该算法首先利用ＲＳＳＩ进行测距，建立信号强度随传播距离衰减的模　型，然后在已知一定数量的锚节点的情况下，通过萤火虫算法寻找目标函数最优值，进而　对未知节点进行定位。仿真验证结果表明，该定位算法相比其他算法定位精度有很大提　高，在３０ｍ×３０ｍ　ｘ　３０ｍ的空间内定位误差仅为０．５９ｍ。　关键词无线传感网络（ＷＳＮ），三维空间，接收信号强度指示（ＲＳＳＩ），萤火虫算法（ＦＡ）　优且计算比较复杂。此外还有多种测距和定位算　０　引言　无线传感网络（ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ，ＷＳＮ）　节点位置对整个网络的应用有重要影响，因此节点　法　Ｊ以及ＤＶ．Ｈｏｐ定位算法和改进的混合蛙跳算　法　。　本研究采用接收信号强度指标（ｒｅｃｅｉｖｅｄ　ｓｉｇｎａｌ　ｓｔｒｅｎｇｔｈ　ｉｎｄｉｃａｔｏｒ，ＲＳＳＩ）方法实现测距，并且对所测　定位技术在无线传感网络中有着举足轻重的地位。　迄今为止无线传感网络的定位方法大都针对二维空　间，而在实际应用中网络节点主要分布在三维空间，　因而较好的三维空间定位方法有着良好的发展前　景。节点定位不但要考虑定位精度，而且要考虑定　位成本和复杂度。目前国内外针对此问题提出了多　种算法。例如胡伟等人提出了一种基于四面体质心　迭代的三维近似三角形内点测试（ａｐｐｒｏｘｉｍａｔｅ　ｐｏｉｎｔ—　ｉｎ．ｔｒｉａｎｇｌｅ　ｔｅｓｔ，ＡＰＩＴ）定位算法＿１　Ｊ，该算法虽提高了　数据进行统计加权处理来减小环境等因素造成的测　量误差，建立起距离与信号强度之间精确的衰减模　型，然后用萤火虫算法对未知节点进行定位，并且与　传统的四边测量算法　以及交叉粒子群算法　和　遗传算法　进行对比，结果表明，萤火虫算法的定　位精度明显高于四边测量算法、交叉粒子群算法和　模拟退火算法，并且四点定位分八次测量再取均值　的方法误差最小，定位精度最优。　节点覆盖率，减小了计算量，但是实验过程较为复　杂，不容易实现；印第安大学的Ｚｈａｎｇ等提出了一种　Ｌａｎｄｓｃａｐｅ．３Ｄ定位算法　Ｊ，此方法节点间无需通讯，　减小了功耗，但其存在即时迭代过程计算量大，ＬＡ　装置在移动过程中要严格保持同步等缺点；Ｚｈａｎｇ　等　利用粒子群优化（ｐａｒｔｉｃｌｅ　ｓｗａｒｍ　ｏｐｔｉｍｉｚａｔｉｏｎ，　１　ＲＳＳ！测距　１－１　ＲＳＳＩ测距原理　无线信号传输过程中，信号强度会随着距离的　增大而衰减。因此，接收信号强度指示（ＲＳＳＩ）测距　原理是将信号强度的衰减转变成信号的传播距离，　利用信号强度的衰减与传播距离之间的函数关系来　ＰＳＯ）算法进行节点定位，但此算法容易陷入局部最　①②河北省自然科学基金（Ｆ２０１５２０３３９２）和秦皇岛市科技计划（２０１５０２Ａ０４３）资助项目。　男，１９７８年生，博士，副教授；研究方向：惯性导航，三维立体重构及智能信号处理；联系人，Ｅ．ｍａｉｌ：ｚｌｇｔｉｍｅ＠１６３．ｃｏｒｎ　（收稿日期：２０１５—１０－２０）　高技术通讯２０１６年１月第２６卷第１期　估测传播距离　ｍ］。　通常信号衰减模型采用对数——常态分布模型　来获得距离信息，但在实际测量时，通常将上述模型　转换为阴影模型，如下式所示：　ＲＳＳＩ＝一１０ｎ×ｌｇｄ＋Ａ　（１）　式中，ＲＳＳＩ为接收信号强度，单位为ｄＢｍ；ｎ为衰减　因子，其值与环境有关；ｄ为接收端与发射端之问的　距离，单位为ｍ；Ａ为信号传播单位距离时接收到的　信号强度，显然，Ａ与ｎ的值决定了ＲＳＳＩ与ｄ的大　小。　１．２数据的统计加权　由于ＲＳＳＩ测量结果容易随环境变化而产生误　差，因此有必要对测量数据进行加权处理以减小其　误差　。　本文提出了一种利用测量中值对数据进行统计　加权处理的方法。设每组数据测量次数为ｎ，然后　将数据按照从小到大顺序排列，因此数据中值定义　如下式所示：　ＭＲｓｓ，　（　［ＲＳＳＩ（￣１，ｎ为奇数　【　［Ｒｓｓ，（詈）＋Ｒ　５，（号＋　）］，ｎ为偶数　（２）　船　，即为测量中值，再求出各个ＲＳＳＩ值和测　量中值之间的方差，如下式所示：　Ｄ　＝（ＲＳＳＩ　—ＭＲ跚）　（３）　为了避免方差为零，进行加权系数处理，Ｐ　为　加权系数，用下式表示：　＿ｌ　（４）　对加权系数进行求和处理，　为归一化加权系　数，用下式表示：　Ｐ　Ｆ　＝｝　（５）　Ｐ　。　由式（３）、（４）、（５）可以看出，测得的ＲＳＳＩ值与　测量中值肘　，相差越大，加权系数　的值越小，即　所占比重越小；当ＲＳＳＩ值与　船，值相等时，加权系　数　值最大，此时ＲＳＳＩ值被赋予最大权重。　将测得的多组数据分别与对应的加权系数相　乘，再求和，所得结果即为两节点间ＲＳＳＩ信号的衰　一２一　减值：∑Ｆ　×ＲＳ‘＝１　ＳＩｉ。　此方法的优点在于以测量中值为基础计算权　值，将包含粗大误差结果的ＲＳＳＩ值赋予很小的权　值，累加时可以忽略，这样既没有简单的删掉粗差数　据，又能滤除一部分粗大信号，使得ＲＳＳＩ测距方法　能够适应更加复杂的环境。　２　萤火虫算法　２．１萤火虫算法简介　萤火虫算法（ｆｉｒｅｆｌｙ￣ｇｏｆｉｔｈｍ，ＦＡ）是由剑桥学　者Ｙａｎｇ在２００９年提出的一种基于生物群智能的随　机优化算法　引，随后应用在寻优问题上，并能够成　功寻找到函数最优解。　２．２萤火虫算法实现定位　萤火虫之问均可以相互吸引，且由亮度低的向　亮度高的靠近，发光强度由目标函数决定ｒ１。，Ｈ］。　设未知节点坐标和锚节点坐标分别为（ｚ，Ｙ，　ｚ）和（　，Ｙ　，　），未知节点的估计坐标为（　，多，　三），未知节点和锚节点之间的真实距离为　ｄ　＝￣／（　—Ｘｉ）　＋（ｙ—Ｙｉ）　＋（　—Ｚｉ）　（６）　设未知节点与锚节点的测量距离为ａ　，因此可　得到目标函数　，Ｙ，　）＝　（　—Ｘｉ）　＋（Ｙ—Ｙｉ）　＋（ｚ—ｚ　）　一　Ｉ　（７）　其中每一个萤火虫都是目标函数的一个解。当目标　函数取最小值时，误差最小，定位精度最高，即位置　最优，因此把定位问题转变为对目标函数求解优化　问题。最终，大多数萤火虫都聚集在最优解附近。　其中ｎ为锚节点个数，得到的输出值即为未知节点　估算坐标（　，夕，三），因此定位误差为　卵＝ｊ（ｘ一曼）　＋（ｙ一多）　＋（ｚ一三）　（８）　程序执行步骤如下：　步骤１：获取锚节点与未知节点间距离。　步骤２：初始化萤火虫种群，在指定范围内随机　分布萤火虫。　张立国等：基于ＲＳＳＩ测距的三维无线传感网络萤火虫定位算法的研究　首先协调器节点与电脑相连，建立无线传感器　程序执行前萤火虫分布　３　网路，随后，作为终端发射信号的未知节点和作为路　由器的８个锚节点打开，开始加人网络。未知节点　发射信号，８个锚节点接收信号，将自己接收到的信　号强度传递给协调器节点并在电脑上显示　引。　本文先选取Ａ、　、Ｆ、日４个点（选取点的原则为　４点不共面，且未知节点在４点所构成的区域内）对　未知节点』ｖ进行定位，将萤火虫数量设置为３０，迭　冒２　憾　掘１　０　３０　图ｌ０萤火虫初始分布图　代次数为２００，用ＭＡＴＬＡＢ仿真的效果如图８所示。　程序执行前萤火虫分布　３　２　鹊　恒１　０　３Ｏ　图８萤火虫初始分布图　如图９所示，大多数萤火虫基本上都聚集在未知　节点坐标附近，程序输出结果为（　，多，三）＝（１５．３１，　２１．１３，Ｉ．１９），根据式（８）得到定位误差为　＝　１．４２　ｍｏ　程序执行后萤火虫分布　３　§２　檀１　０　３Ｏ　图９萤火虫最终分布图　接下来，用８个锚节点共同为未知节点定位，本　次将萤火虫数量设置为６０，迭代次数设置为３００，仿　真效果图如图１０所示。　如图ｌ１所示，大部分萤火虫基本上都聚集在未　知节点坐标附近，程序输出结果为（　，多，三）＝　（１５．１２，２１．１６，２．４０），根据式（８）得到定位误差为田　＝１．２３ｍ　程序执行后萤火虫分布　３　互２　姬１　０　３０　０　图ｌ１萤火虫最终分布图　长方体共有８个端点，选取其中４个不共面的端　点对未知节点进行定位，从中任选８组包含未知节点　区域进行定位，定位之后，取８组定位结果平均值。　其中８组端点最终输出结果分别为ＡＢＦＨ（１５．ｏ３，　２１．２３，２．３９）、ＡＥＦＨ（１５．３１，２１．１３，１．１９）、ＢＦＧＨ　（１４．８３，２０．９ｌ，２．２５）、ＣＤＦＨ（１５．４５，２１．３８，２．ｏ４）、　ＡＢＥＨ（１５．１７，２１．１３，２．４ｏ）、ＢＥＦＨ（１４．９８，１８．８６，　２．４０）、ＡＦＧＨ（１５．０３，２１．２７，２．０２）、ＣＤＦＧ（１４．７２，　１８．６４，２．３５）。最后取平均值（　，多，三）＝（１５．ａｒ７，　２０．５７，２．１３），．根据式（８）得到定位误差叼＝０．５９ｍ。　３．３对比实验分析　依据上述仿真实验，当锚节点个数分别设置为　４，５，６，７，８时（每个锚节点只利用一次，一起进行定　位；当锚节点个数取８时，区别于上述８组四个节点　平均值的方法），萤火虫定位算法与交叉粒子群算法　和遗传算法相比较，如图１２所示。　从图ｌ２可以看出，萤火虫算法相比于这两种智　能算法有着更精确的定位精度，将８组４个节点萤火　虫定位算法与传统的四边定位算法加入对比，得到的　比较结果如表３所示。　一５一　高技术通讯２０１６年１月第２６卷第１期　重　趟　删　图１２三种算法对｝匕图　表３几种算法比较表　经比较，采用８组四个节点萤火虫定位算法平　均值，不但充分利用上了全部８个锚节点，并且定位　精度要远远高于传统的四边定位算法以及交叉粒子　群算法和遗传算法的智能算法，相比于单次四个节　点萤火虫定位方法和八个节点萤火虫定位方法，能　够有效地将定位误差控制在１　ｍ以内，因此效果最　好。　４　结论　本文主要提出了一种基于三维空间无线传感网　络的萤火虫定位算法，打破了二维空间定位算法的　局限性。该算法首先用ＲＳＳＩ方法对锚节点和未知　节点之间进行测距，得到稳定的拟合曲线，然后利用　加权算法处理误差，最后在此基础上利用测距结果　使用萤火虫算法对未知节点进行定位。经过仿真验　证，该算法相比于传统的四边定位算法以及交叉粒　子群算法和遗传算法，在定位精度上有了很大的提　——６——　高，在３０ｍ×３０ｍ×３ｍ的空间内定位误差仅为　０．５９ｍ，对于分布在三维空问上的无线传感网络节　点的定位具有很好的理论和实际意义。　参考文献　［１］胡伟，朱西平，文红等．基于四面体质心迭代的三维　ＡＰＩＴ定位算法研究．传感技术学报，２０１３，２６（１０）：　１４３２—１４３６　［２］Ｚｈａｎｇ　Ｌ，Ｚｈｏｕ　Ｘ，Ｃｈｅｎｇ　Ｑ．Ｌａｎｄｓｃａｐｅ一３Ｄ：ａ　ｒｏｂｕｓｔ　ｌｏ—　ｃａｌｉｚａｔｉｏｎ　ｓｃｈｅｍｅ　ｆｏｒ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ　ｏｖｅｒ　ｃｏｍｐｌｅｘ　３　Ｄ　ｔｅｒｒａｉｎｓ．Ｌｏｃａｌ　Ｃｏｍｐｕｔｅｒ　Ｎｅｔｗｏｒｋ，２００６，３　１　ｓｔ：２３９－２４６　［３］Ｚｈａｎｇ　Ｚ，Ｃｕｉ　Ｈ，Ｌｏｃａｌｉｚａｔｉｏｎ　ｉｎ　３Ｄ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ　ｕｓｉｎｇ　ｓｔｏｃｈａｓｔｉｃ　ｐａｒｔｉｃｌｅ　ｓｗａＦＩＴＩ　ｏｐｔｉｍｉｚａｔｉｏｎ．Ｗｕｈａｎ　Ｕｎｉ—　ｖｅｒｓｉｔｙ￣ｕｒｎａｌ　ｏｆＮａｔｕｒａｌ　Ｓｃ　ｅ　ｅｓ，２０１２，１７（６）：５４４—　５４８　［４］Ｄａｌｃｅ　Ｒ，Ｖａｌ　Ｔ，Ｂｏｓｓｃｈｅ　Ａ．Ｃｏｍｐａｒｉｓｏｎ　ｏｆ　ｉｎｄｏｏｒ　ｌｏｃａｌｉ—　ｚａｔｉｏｎ　ｓｙｓｔｅｍｓ　ｂａｓｅｄ　ｏｎ　ｗｉｒｅｌｅｓｓ　ｃｏｍｍｕｎｉｃａｔｉｏｎｓ．Ｗｉｒｅ—　ｌｅｓｓ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，２０１１，（２）：２４０－２５６　［５］冯晨，张玲华．改进混合蛙跳算法在无线传感网定位　中的应用．计量学报，２０１３，３４（００４）：３６０－３６５　［６］文举，金建勋，袁海．一种无线传感器网络四边测距　定位算法．传感器与微系统，２００８，２７（５）：１０８－１１０　［７］王俊，李树强，刘刚．无线传感器网络三维定位交叉　粒子群算法．农业机械学报，２０１４，４５（５）：２３３－２３８　［８］王金鑫，赖旭芝，吴敏．基于遗传算法的三维无线传　感器网络定位新算法．高技术通讯，２００８，１８（６）：　５７９－５８４　［９］徐世武，王平．ＺｉｇＢｅｅ技术中基于ＲＳＳＩ测距的定位　算法研究．单片机与嵌入式系统应用，２０１２，１２（１）：　１Ｉ３　［１０］Ｚｈｕ　Ｘ，Ｆｅｎｇ　Ｙ．ＲＳＳＩ—ｂａｓｅｄ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｉｎｄｏｏｒ　ｌｏｃａｌｉｚａ·　ｔｉｏｎ．Ｃ　ａｎｄＮｅｔｗｏｒｋ，２０１３，５（０２）：３７－４２　［１１］陶金龙，康志伟，骆坚．基于ＲＳＳＩ测距的加权概率定　位算法．电子测量与仪器学报，２０１４，２８（１０）：１１２３－　１１２９　［１２］Ｙａｎｇ　Ｘ　Ｓ．Ｆｉｒｅｆｌｙ　ａｌｇｏｒｉｔｈｍｓ　ｆｏｒ　ｍｕｈｉｍｏｄａｌ　ｏｐｔｉｍｉｚａｔｉｏｎ．　Ｓｔｏｃｈａｓｔｉｃ　ａｌｇｏｒｉｔｈｍｓ：￣ｕｎｄａｔｉｏｎｓ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎｓ．　Ｓｐｒｉｎｇｅｒ　Ｂｅｒｌｉｎ　Ｈｅｉｄｅｌｂｅｒｇ，２００９．１６９－１７８　［１３］高伟明．萤火虫算法的研究与应用：［硕士学位论文］．　兰州：兰州大学，２０１３．１８－２２　［１４］王吉权，王福林．萤火虫算法的改进分析及应用．计　算机应用，２０１４，３４（９）：２５５２－２５５６　张立国等：基于ＲＳＳＩ测距的三维无线传感网络萤火虫定位算法的研究　［１５］王瑛辉，石理碧，孙坚．基于ＺｉｇＢｅｅ技术的无线传感　器网络在能源计量系统中的应用．计量技术，２０１３，　１１：３０－３２　Ｒｅｓｅａｒｃｈ　ｏｎ　ａ　ｆｉｒｅｆｌｙ　ｌｏｃａｌｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ＲＳＳＩ　ｒａｎｇｉｎｇ　ｆｏｒ　３　Ｄ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ　Ｚｈａｎｇ　Ｌｉｇｕｏ，Ｍａ　Ｐｅｎｇ，Ｊｉｎ　Ｍｅｉ，Ｆａｎ　Ｍｅｉｃｈａｎｇ，Ｌｉｕ　Ｙｕｈａｏ　（Ｍｅａｓｕｒｅｍｅｎｔ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ　Ｋｅｙ　ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｈｅｂｅｉ　Ｐｒｏｖｉｎｃｅ，　Ｙａｎｓｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ　０６６００４）　Ａｂｓｔｒａｃｔ　Ｔｈｅ　ｔｅｃｈｎｉｑｕｅｓ　ｏｆ　ｌｏｃａｌｉｚｉｎｇ　ｔｈｅ　ｕｎｋｎｏｗｎ　ｎｏｄｅｓ　ｏｆ　３　Ｄ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ（ＷＳＮ）ｗｅｒｅ　ｓｔｕｄｉｅｄ．Ａｉｍｉｎｇ　．ａｔ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｏｆ　ｌｏｗ　ｌｏｃａｌｉｚａｔｉｏｎ　ａｃｃｕｒａｃｙ　ｏｆ　ｃｕｒｒｅｎｔ　ｌｏｃａｌｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍｓ　ｆｏｒ　３　Ｄ　ｗｉｒｅ１ｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓａ　ｆｉｒｅ．　ｌｆｙ　ｌｏｃａｌｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｒａｎｇｉｎｇ　ｕｓｉｎｇ　ｒｅｃｅｉｖｅｄ　ｓｉｇｎａｌ　ｓｔｒｅｎｇｔｈ　ｉｎｄｉｃａｔｉｏｎ（ＲＳＳＩ）ｆｏｒ　３　Ｄ　ｗｉｒｅｌｅｓｓ　ｓｅｎ—　ｓｏｒ　ｎｅｔｗｏｒｋｓ　ｗａｓ　ｐｒｏｐｏｓｅｄ．Ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｕｓｅｓ　ＲＳＳＩ　ｔｏ　ｍｅａｓｕｒｅ　ｔｈｅ　ｓｉｇｎａｌ—ｐｒｏｐａｇａｔｉｎｇ　ｄｉｓｔａｎｃｅ　ａｎｄ　ｍｏｄｅｌｓ　ｔｈｅ　ａｔ．　ｔｅｎｕａｔｉｏｎ　ｏｆ　ｓｉｎａｌｇ　ｓｔｒｅｎｇｔｈ　ｗｉｔｈ　ｔｈｅ　ｓｉｎａｌｇ—ｐｒｏｐａｇａｔｉｎｇ　ｄｉｓｔａｎｃｅ，ａｎｄ　ｔｈｅｎｕｓｅｓ　ｔｈｅ　ｉｒｅｆｆｌｙ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｆｉｎｄ　ｔｈｅ　ｏｐ－　，ｔｉｍａｌ　ｖａｌｕｅ　ｏｆ　ｔｈｅ　ｏｂｊｅｃｔｉｖｅ　ｆｕｎｃｔｉｏｎ　ｔｏ　ｌｏｃａｔｅ　ｕｎｋｎｏｗｎ　ｎｏｄｅｓ　ｕｎｄｅｒ　ｔｈｅ　ｃｏｎｄｉｔｉｏｎ　ｔｈａｔ　ａ　ｃｅｒｔａｉｎ　ｎｕｍｂｅｒ　０ｆ　ａｎｃｈｏｒ　ｎｏｄｅｓ　ａｒｅ　ｋｎｏｗｎ．Ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｒｅｓｕｈｓ　ｓｈｏｗｅｄ　ｔｈａｔ　ｔｈｅ　ｌｏｃａｌｉｚａｔｉｏｎ　ａｃｃｕｒａｃｙ　ｏｆ　ｔｈｅ　ｎｅｗ　ｌｏｃａｌｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　Ｗａｓ　ｇｒｅａｔｌｙ　ｈｉｇｈｅｒ　ｔｈａｎ　ｃｕｒｒｅｎｔ　ａｌｇｏｒｉｔｈｍｓ，ａｎｄ　ｉｔｓ　ｌｏｃａｌｉｚｉｎｇ　ｅｒｒｏｒ　ｉｎ　ｔｈｅ　ｓｐａｃｅ　ｏｆ　１　０ｍ　ｘ　１　０ｍ×１　０ｍ　ｗａｓ　ｊｕｓｔ　０．５９ｍ．　Ｋｅｙ　ｗｏｒｄｓ：ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋ（ＷＳＮ），ｔｈｒｅｅ—ｄｉｍｅｎｓｉｏｎａｌ，ｒｅｃｅｉｖｅｄ　ｓｉｎａｇｌ　ｓｔｒｅｎｇｔｈ　ｉｎｄｉｃａｔｉｏｎ（ＲＳＳＩ），　ｉｆｒｅｆｌｙ　ａｌｇｏｒｉｔｈｍ（ＦＡ）　——一７——