几种典型无线传感器网络定位算法研究
无线传感器网络定位问题研究
ｌ 点 定位 的基 本概 念 和算 法 节
１１ 传 感 器 节 点 定 位 的基 本 概 念 ．
ＷＳ Ｎ中需要 定位的节点称为未 知节 点（ ｎ ｎｗ ｏ ｅ ； ｕ ｋ ｏ ｎｎｄ ） 而通过 Ｇ Ｓ Ｐ 等定位手段获得 自身精确位置并协助 未知节点定位 的节点 称 为参考 节点 （ｎ ｈｒ ｏｅ ； ａ ｃｏ ｄ ） ｎ 邻居节点是指在一个节点通信半径 内可直接通信的节点 。 节点定位则可表述为 ： 靠有限的参考节点 ， 依 确定布设 区中其他节点 的位 置 ， 在传感器节点 间建 立一定的空间关系 。当前对节 点定位问题的研究一般都基于以下前提 ： １有一定 比例的参考节点 ； ） ２ 节点具有测量与邻居节点距离的能力 ； ）
Ｉ Ｓ １ ０ －３ ４ Ｓ Ｎ ０ ９ ０ ４
Ｅ ｍａｌ ｉ ｆ ＠Ｃ Ｃ ． ｅ．ｎ — ｉ ｎ ｏ Ｃ Ｃｎ ｔ ： ａ ｈ ｔ ： ｗｗ ｄ ｚ ． ｅ ．ｎ ｔ ／ ｗ．ｎ ｓ ｔ ｐ／ ｎ ａ Ｔ ｈ ８ — ５ 一 ６ ０ ６ ５ ９ ９ ４ ｅ ＋ ６ ５ ５ ９ ９ ３ ６ Ｏ ６ ｌ
摘要 ： 无线传 感器网络 的定位问题是组 网的重要 问题 ， 大 多数应 用的基础 。首 先介 绍 了节点定位的相关概念和定位 方法 ， 当前 是 对
的定位 算法进行 了分类 ， 着介绍 了几种典型的节点定位算法并做 了比较分析 ， 接 最后指 出定位 算法的应 用技巧 。
关键词 ： 无线传感 器网络 ； 定位 算法； 节点定位
中 图分 类 号 ： Ｐ ９ 文 献标 识 码 ： Ｔ ３３ Ａ 文 章 编 号 ：０ ９ ３ ４ （０２０ — ０ ０ ０ １ ０ — ０ ４２ １）１ ０ ３ — ４
无线传感器网络中—种基于加权的DV-Hop定位算法
无线传感器网络中—种基于加权的DV-Hop定位算法随着科技的发展，无线传感器网络（WSN）被广泛应用于农业、能源、环境等领域，定位技术成为其重要的研究方向之一。
基于跳数的分布式定位算法（DV-Hop）因其简单、经济和可靠的特点而受到广泛关注。
本文将介绍一种基于加权的DV-Hop定位算法。
传统DV-Hop定位算法利用无线传感器网络中节点的跳数来计算节点的位置，其基本思想是节点利用其跳数信息和锚节点的位置信息来进行三角定位，从而分布式地计算节点位置。
然而，这种方法存在着误差较大的问题。
因此，研究者提出了一种基于加权的算法来解决传统算法中误差较大的问题。
基于加权的DV-Hop定位算法将节点间的距离作为权重，利用跳数和权重的乘积来计算节点的位置，从而减小位置误差。
该算法的基本步骤如下：1. 以锚节点为根节点构建一个拓扑结构，计算任意两个节点之间的距离。
2. 将距离的倒数作为权重，以根节点为起点使用DV-Hop算法计算出所有节点到根节点的距离信息。
3. 利用跳数信息和加权距离信息，通过三角定位算出每个节点的位置。
其中，节点位置的计算可以使用多种三角定位算法，如最小二乘法、加权最小二乘法等。
相比传统DV-Hop定位算法，基于加权的算法不仅考虑跳数信息，而且将距离作为权重，使得定位的精度更高。
同时，该算法没有增加额外的通信开销，因此保持DV-Hop算法的经济性和可靠性。
然而，基于加权的算法在实际应用中仍存在一些问题。
由于节点间的距离或权重可能存在变化，节点位置的准确性会受到影响。
此外，由于算法计算过程相对复杂，需要较高的计算能力。
因此，在实际应用中需要根据实际情况选择合适的算法。
总之，基于加权的DV-Hop定位算法作为一种有效的定位方法，在无线传感器网络中得到了广泛的应用。
然而，在具体应用中，需要充分考虑算法的优缺点，选择合适的算法以提高定位精度和准确性。
无线传感器网络中的节点定位与跟踪技术
无线传感器网络中的节点定位与跟踪技术随着物联网的快速发展，无线传感器网络（Wireless Sensor Network, WSN）得到了广泛的应用和研究。
节点定位与跟踪是无线传感器网络中的关键问题，对于实现对环境的全面感知和多种应用的实现至关重要。
本文将介绍无线传感器网络中的节点定位与跟踪技术，并探讨其在实际应用中的挑战和前景。
一、节点定位技术在无线传感器网络中，节点定位是指确定节点在所监测区域的位置。
准确的节点定位可以提供精确的环境感知和定位服务。
目前常用的节点定位技术包括多基站定位、距离测量定位和推测定位等。
1. 多基站定位：多基站定位是一种基于接收信号强度指示（Received Signal Strength Indication, RSSI）的定位方法。
根据节点与多个基站之间的信号衰减模型，通过测量信号强度来计算节点的位置。
然而，该方法需要多个基站的参与，且受到信号干扰和非视距等因素的影响。
2. 距离测量定位：距离测量定位是通过节点之间的距离测量来确定节点位置的方法。
常见的距离测量技术包括全球定位系统（Global Positioning System, GPS）和无线信号传播时间测量等。
然而，GPS在室内或有阻挡物的环境下工作效果不佳，而无线信号传播时间测量受到信号传播速度不均匀和多径效应的影响。
3. 推测定位：推测定位是一种基于邻居节点之间的拓扑关系和信号传播模型来估计节点位置的方法。
通过建立无线传感器网络的拓扑结构和分析节点之间的信号传播特性，可以推测节点位置。
推测定位方法相对于其他定位技术而言，成本低、能耗低，但精度相对较低。
二、节点跟踪技术节点跟踪是指在无线传感器网络中追踪移动节点的位置和状态。
节点跟踪技术可以应用于物品追踪、人员定位和动态环境监测等领域。
目前常用的节点跟踪技术包括基于时间差测量的三角定位算法、卡尔曼滤波算法和粒子滤波算法等。
1. 基于时间差测量的三角定位算法：基于时间差测量的三角定位算法是通过测量节点到多个基站的信号传播时间差来确定节点位置。
无线传感器网络的布局与定位方法研究
无线传感器网络的布局与定位方法研究无线传感器网络（Wireless Sensor Networks，WSN）是一种广泛应用于各个领域的技术，它通过无线通信将多个感知器节点连接起来，形成一个分布式的网络系统，能够实时采集、处理和传输环境中的各种信息。
无线传感器网络的布局与定位方法是该领域的重要研究方向之一，它对于网络的性能和应用效果具有重要影响。
在无线传感器网络的布局中，主要考虑的是如何合理地部署感知器节点，以达到网络性能优化的目标。
一个好的布局方案可以提高网络的覆盖范围、降低能量消耗、增强网络容量等。
传统的节点布局方法主要根据经验或者人工设定来进行，但是这种方法往往无法满足大规模网络的要求。
因此，近年来研究者们提出了一些自适应、智能化的布局方法，利用机器学习和优化算法来优化网络节点的布置位置。
一种常用的自适应布局方法是基于机器学习的节点分布预测。
通过利用网络拓扑信息和历史数据，可以建立模型来预测节点的分布情况，从而优化节点的位置。
例如，可以使用聚类算法将节点划分为若干个簇，并确定每个簇中心节点的位置，然后在每个簇中按照一定规则进行节点部署。
这种方法可以根据网络的需求和特性，自动调整节点布局，提高网络的性能和效率。
另一种常见的布局方法是基于优化算法的节点部署。
优化算法通过数学模型和目标函数来寻找最优的节点位置，以达到某种特定的优化目标。
例如，可以使用遗传算法、蚁群算法等来优化节点的位置分布，使得网络的平均传输距离最小或能效最大。
这类方法可以充分利用搜索算法的优势，找到较好的解决方案。
除了布局方法，无线传感器网络的定位方法也是一个重要的研究方向。
传感器节点的准确定位对于许多应用场景是必要的，例如环境监测、智能交通系统等。
由于传感器节点的分散部署和移动性，传统的定位方法如GPS定位在无线传感器网络中无法直接应用。
因此，研究者们提出了一些新的定位方法来解决这一问题。
一种常见的无线传感器网络定位方法是基于信号强度的定位。
无线传感器网络中节点定位算法的使用教程
无线传感器网络中节点定位算法的使用教程无线传感器网络（Wireless Sensor Networks，WSNs）是由许多分布在特定区域内的无线传感器节点组成的网络系统。
节点的定位是WSNs中的一个重要问题，准确的节点定位可以帮助我们更好地理解和控制环境。
本文将为您介绍几种常见的无线传感器网络节点定位算法，并提供相应的使用教程。
一、距离测量节点定位算法距离测量是节点定位的一种常见方法，通过测量节点之间的距离来确定节点的位置。
常用的距离测量节点定位算法包括三角定位法和多边形定位法。
1. 三角定位法三角定位法基于三角形的边长和角度来计算节点的位置。
首先，选择三个已知位置的节点作为参考节点，测量参考节点间的距离和角度。
然后，通过计算未知节点相对于参考节点的距离和角度，使用三角学原理计算未知节点的位置。
使用教程：在使用三角定位法时，需要提前部署一些已知位置的节点作为参考节点。
首先，通过测量参考节点间的距离和角度，计算出它们的位置信息。
然后，在需要定位的节点周围布置足够多的参考节点，测量它们与参考节点之间的距离和角度。
最后，通过三角定位算法计算出目标节点的位置。
2. 多边形定位法多边形定位法利用几何多边形的边长和角度来计算节点的位置。
首先，选择若干个已知位置的节点作为多边形的顶点。
然后，测量各个顶点之间的距离和角度，并计算出多边形的边长和角度。
最后，通过多边形定位算法计算出未知节点相对于多边形的位置，从而确定未知节点的位置。
使用教程：使用多边形定位法时，首先选择若干个已知位置的节点作为多边形的顶点。
然后，测量各个顶点之间的距离和角度，计算出多边形的边长和角度。
最后，在需要定位的节点周围布置足够多的参考节点，测量它们与多边形顶点之间的距离和角度。
通过多边形定位算法，计算出目标节点相对于多边形的位置，最终确定目标节点的位置。
二、信号强度测量节点定位算法信号强度测量是利用节点之间的信号强度来进行定位的方法，常用的信号强度测量节点定位算法有收集定位法和概率定位法。
基于RSSI的无线传感器网络节点定位算法研究
基于RSSI的无线传感器网络节点定位算法研究基于RSSI的无线传感器网络节点定位算法研究一、引言随着无线传感器网络（Wireless Sensor Network, WSN）技术的不断发展，其在环境监测、智能家居、农业、医疗等领域得到了广泛应用。
节点定位是无线传感器网络中的一个基本问题，它对于获得节点位置、网络拓扑结构以及实现网络管理和数据传输等都具有重要意义。
在节点定位中，如何准确、快速地确定节点的位置一直是研究的热点。
本文主要研究基于接收信号强度指示（Received Signal Strength Indicator, RSSI）的无线传感器网络节点定位算法。
二、基础知识与相关技术2.1 无线传感器网络无线传感器网络是由大量分布在空间中的无线传感器节点组成的网络系统。
每个节点都能够感知周围的环境信息，并通过无线通信与其他节点进行数据交换。
无线传感器网络通常具有自组织、自适应和自修复的特点，能够灵活应对不同环境和任务的需求。
2.2 RSSI定位技术RSSI是无线传感器网络中一种常用的测量指标，用于表示接收到的信号强度。
RSSI值可以通过节点测量到的信号功率指示（Received Signal Power Indicator, RSPI）进行转换得到。
RSSI定位技术是利用节点接收到的信号强度信息进行定位的一种方法。
三、RSSI定位算法综述3.1 距离-距离法距离-距离法是一种基于RSSI的定位算法，通过测量节点之间的信号强度差异来计算节点之间的距离，进而确定节点的位置。
这种方法简单易实现，但容易受到信号传播路径、多径效应和信号衰减等因素的影响，导致定位误差较大。
3.2 最小二乘法最小二乘法是一种常用的定位算法。
它通过构建RSSI与距离之间的数学模型，利用最小二乘法求解节点坐标。
这种方法相对准确，但需要事先进行多组离散点的数据采集和离散点信息的拟合，计算复杂度较高。
3.3 搜索法搜索法是一种基于RSSI测量结果搜索节点位置的方法。
无线传感器网络中DPC安全定位算法研究
对 多 种 安 全 定 位 算 法 分 析 ，提 出 了 一 种 分 散 式 的基 于 Ｒ Ｓ 测 距 的 Ｄ Ｃ 安 全 定 位 算 法 ，算法 应用 测量 一 致 性 以及 ＳＩ Ｐ 测 量 与 计 算 一 致 性 原理 检 测 并滤 除 多 种 恶 意 攻 击 生 成 的 虚 节 点 ，而 且 算 法 没 有 设 计 中心 节 点 ，所 有 的 正 常 节 点 都
ｔｃ ｄ ｆｌｅ ｕｔｔ ｅ ｆ ｌｅ ｎｏ ｓｔ ａ ｒ ｎ ｒ ｔ ｄ ｂｙ ｍ ａｉｉ ｕｓａ ｔｃ ｐｐ ｙ ｎ ｔ ｏ ｉｔ ｎ ｙ ｏ ｅ ｓ ｒ ｎｄ ｔ ｅ ｔａ ｉｔ ｒｏ ｈ ａ ｓ ｄｅ ｈ ｔａ ｅ ｇｅ ｅ ａｅ ｌ ｃ ｏ ｔａ ｋｓａ ｌ ｉ ｇ ｈｅ ｃ ｎｓｓｅ ｃ ｆｍ ａ ｕ ｅ ａ ｏｍ — ｎ ｐｕ ｉ ｇ；ｍ ｅ ｗ ｈ ｌ ｌ ｔ ｄｅ ｅｉ ｖ ｖ ｄ ｉ ｈ ｃｉ ａ ｉ ｔ ｕｔ ｅ ｔａ ｏｄ Ｔｈｅｐｅｆ ｒ ａ ｃ ｌ ｏｒｔ ｍ ｓ ｔｎ ｎ ａ ｉｅ ａｌ ｈｅｎｏ ｓａ ｎ ｏｌ ｅ ｎ ｔ ｅ ａ ｔｖ ｔｏｎ ｗｉｈｏ ｃ ｎ ｒ ｌｎ ｅ． ｒ ａ ｒｏ ｍ ｎ ｅｏｆｔ ａ ｇ ｉ ｈ ｉ ｈｅ ｓｕ ｅ ｎ ｄ ｔ ｘｐ ｒｍ ｅ ｔ ｅｓ ｔ ｈ ｔ ｄｉｄ，ａ ｈｅｅ ｅ ｉ ｎ ａ ｒ ｕｌｓｓ ｏｗ ｈａ ｌ ｔ ｔＤＰＣ ｔｌ ｓｖ ｒ ｇｈ ｅ ｃｅ ｙ ａ ｄ ｇｏ ｏｂ ｔ ｅｓ ｎ ｏｉｙ ｃ ｎｄｉｉ ｓ ｓｉｌ ｈａ ｅ ｙ ｈｉ ｆ ｉｎｃ ｎ ｏｄｒ ｕｓｎ ｓｉ ｎ ｓ ｏ ｉ ｔｏｎ
文献标识码 ：Ａ
文章编号 ：１ ０ —３ Ｘ（０ １１ —０ ８ １ ０ ０４ ６ ２ １）２０ ０ —０
Ｒｅ ｅ ｒ ｈ ｏ ｅ ｕ ｅＤＰＣ ｃ ｌ ａ ｉ ｎ ａ ｇ ｒｔ ｍ ｆ Ｓ ｓ ａ ｃ ｎｓｃ ｒ ｌ ａ ｉ ｔｏ ｌ ｏ ｉｈ ｏ Ｎ ｏ ｚ Ｗ
三维无线传感器网络节点定位算法研究
Ｒｅ ｅ ｒ ｈ ｏ ｏ ｏ ａ ｉ ａ ｉ ｎ ａ ｇ ｒｔ ｓ ａ ｃ ｎ ｎ ｄｅ ｌ ｃ ｌ ｔｏ ｌ ｏ ｉｈｍ ｏ ｚ ｆｒ
ｎ ｄｅｒ ｄｉｓ ｉ ｏ ａ ｕ ｓ３０ｍ ｎ ａ ｃ ｏｒｎ ｄ ａｉ ｓ ｍ ｏｅ ｔ ａ ％ ．ｅ ａｉｅ ｐｏ ｉｉｎｉｇ ｅｒ ｒ ｏ ｈ ｗｏ ａｇ ｒｔ ａ ｄ ｎ ｈ ｏ ｅ ｒ ｔｏ ｉ ｒ ｈ ｎ ２５ ｒ ｌｔｖ ｓｔｏ ｎ ｒｏ ｆｔ ｅ ｔ ｌ ｏ ｉ ｈｍｓ ｃ ｎ ａ
ＡＰ Ｔ ｉ ｒ ｖ ｄ ａｇ ｒ ｈ ａ ｅｐ ｏ ｏ ｅ ｏ ｈ ｅ ・ ｉ ｎ ｉｎ ｌ ｒ ｌｓ ｅ ｓｒｎ ｔ ｏ ｋ ａ ｅ ｎ ｔａ ｉ ｏ ａ Ｖ・ ｐ Ｉ ｍｐ ｏ ｅ ｏ ｉ ｍ ｒ ｒ ｐ ｓ ｄ ｆｒｔ ｒ ｅ ｄ ｍｅ ｓｏ ａ ｅｅ ｓｓ ｎ ｏ ｅｗ ｒ ｓｂ ｓ ｄ ｏ ｒ ｄｔ ｎ ｌＤ － ｌ ｔ － ｗｉ ｉ Ｈｏ
ｔ ｒ ｅ ｄｉ ｅ ｓｏ ｌｗｉｅ ｅ ｓ ｓ ｎ ｏ ｅ ｗｏ ｋｓ ｈ ｅ ． ｍ ｎ ｉ ｎａ ｒ ｌｓ ｅ ｓ ｒ ｎ ｔ ｒ
Ｌ ａ ｇ ｇ ｎ Ｉ Ｃｈ ｎ — ｅ ｇ，Ｗ ＥＩＣｈ ｎ － ｅ ｇ ｂｏ
（ ｃ ｏｌ ｆ ｈ ｓ ａ Ｓｉｎｅａ ｄＴ ｃ ｎ ｌｇ ， ｅｔａ ｏ ｔ ｎｖｒｉ ， ｈ ｎ ｓａ４ ０ ８ ， ｈｎ ） Ｓ ｈ ｏ ｏ ｙｉ ｌ ｃ ｃ ｎ ｅｈ ｏｏｙ Ｃ ｎｒ ｌ ｕｈＵ ｉｅｓｙ Ｃ ａ ｇｈ １０ ３ Ｃ ｉａ Ｐ ｃ ｅ Ｓ ｔ
Ａｂ ｔ ａ ｔ Ｏ ｈ ａ ｉ ｆｔ Ｏ ｎ ｖ ｌｒ ｇ —ｒ ｅ ｐ ｓ ｉｎ ｎ ｌｏ ｉ ｍｓ ｎ ｍｅ ｓ ｒ ｃ ： ｎ ｔ ｅ ｂ ｓｓ ｏ Ｗ ｏ ｅ ａ ｅ ｆｅ ｏ ｉ ｏ ｉ ｇ ａｇ ｒｔ ａ ｄ ＤＶ— ｐ ｉ ｒ ｖ ｄ ａｇ ｒ ｈ ａ ｄ ｎ ｔ ｈ Ｈｏ ｍｐ ｏ ｅ ｌｏ ｉ ｍ ｎ ｔ
- 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)。
几种典型无线传感器网络定位算法研究朱慧勇【摘要】无线传感器网络中的定位算法根据是否用到测距分为基于测距的定位算法与基于非测距的定位算法.文章根据这两种分类论述了TOA,AOA,TDOA,质心算法、APIT算法、Bounding-Box算法、凸规划算法等几种典型的无线传感器网络定位算法.【期刊名称】《江苏科技信息》【年(卷),期】2017(000)008【总页数】4页(P38-41)【关键词】基于测距的定位算法;基于非测距的定位算法;无线传感器网络【作者】朱慧勇【作者单位】西安铁路职业技术学院,陕西西安710014【正文语种】中文无线传感器网络中常用的测距技术有到达的时间［1］（Time of Arrival，TOA），到达的角度［2］（Angel of Arrival，AOA），到达的时间差［3］（Time Different Of Ar⁃rival，TDOA），接收的信号强度指示［4］（Received Sig⁃nal Strength Indicator，RSSI）。
凡是用到以上测距技术的定位算法都可以归于基于测距的定位算法。
反之为基于非测距的定位算法。
一般来说，基于非测距的算法不需要额外的硬件去获得距离信息，定位精确度不高，在成本和能耗上优于基于测距的算法。
基于非测距的定位算法主要有质心算法［5］、APIT算法［6］、Bounding-Box算法［7］、凸规划算法［8］等等。
下面按基于测距的定位算法与基于非测距的定位算法的分类来阐述几种典型的无线传感器网络定位算法。
1.1基于TOA的定位算法TOA测距技术的主要原理是发射信号的速度乘以时间，可以分为单程测距和双程测距。
单程测距：发射节点在时间t1发射信号，接收节点在时间t2收到信号。
假设信号的传播速度为v，于是发射节点到接收节点的距离d：d=v×(t2-t1) （1）单程测距对发射节点和接收节点要求严格的时间同步。
双程测距：发射节点在时间t1发射信号，接收节点在时间t2收到信号，接收节点然后在时间t3也发射信号给发射节点，发射节点在时间t4收到信号。
于是发射节点到接收节点的距离d：双程测距不需要严格的时间同步，比较典型的就是GPS定位系统。
当未知节点D知道与3个锚节点A，B，C的距离信息da，db，dc后，就可以用3边定位算法求出未知节点D的坐标。
假设(xa,ya)，(xb,yb)，(xc,yc)，(xd,yd)是节点A，B，C，D的坐标，于是有方程组：解出这个方程就可以得到未知节点D的坐标。
注意，节点A，B，C不能共线，否则得不到节点D的坐标。
1.2基于AOA的定位算法AOA测角度的方法：锚节点装配了天线阵列或者几个超声波接收机，通过这些设备感知未知节点发送出的信号，从而可以识别未知节点的方向。
当未知节点D知道与3个锚节点A，B，C的方向信息后，可以计算出∠ADB，∠ADC，∠BDC，从而可以用三角测量法计算出未知节点D的坐标。
如图1所示，当弧段AC在三角形ABC内时，由点A和点C以及∠ADC可以确定一个圆O1，设圆心为O1(xo1,yo1)，半径为r1，λ=∠AO1C=2π-2∠ADC，于是有下列方程通过解方程（4）可以求得O1的坐标以及r1的大小，从而得到DO1=r1。
同样的方法重复两次可以得到未知节点D到其他圆心的距离。
再按3边定位算法可以求出未知节点D的坐标。
相同方法，当未知节点又知道与其他两个锚节点的距离后，就可以采用三边定位的方法计算自己的位置坐标。
另一种是4个锚节点A，B，C，K同时发射相同速度v 的信号，未知节点D收到A，B，C，K信号的时间分别为t1，t2，t3，t4，和前面一样，假设(xa,ya)，(xb,yb)，(xc,yc)，(xk,yk)，(xd,yd)是节点A，B，C，K，D的坐标，且t1<t2,t1<t3,t1<t4。
于是可以得到方程组：1.3基于TDOA的定位算法TDOA测距技术可以分为两种；一种是一个锚节点同时发射两种不同速度v1与v2的信号，未知节点收到两个信号有个时间差t，于是未知节点到锚节点的距离s 可以表示为：解出方程组（6）就可以算出未知节点D的坐标。
方程组（6）类似3个单条双曲线相交，理论上有唯一解，不过求解过程比较麻烦。
目前，己经提出了多种具有不同精度和计算复杂度的算法［9］。
2.1 质心算法把力学上的质点系求质心坐标［10］运用在无线传感器网络上定位就叫作质心算法。
质心算法的过程是：锚节点周期性的向邻居节点发送包含锚节点的位置和标识号的消息，邻居节点包含锚节点和未知节点，锚节点接收到消息后直接删掉，未知节点收到消息存储下来，当未知节点收到不同消息的数量达到一定值的时候，就可以计算出自己位置，未知节点的位置是自己通信范围内的锚节点系的质心，当然这些锚节点都曾发送消息给过未知节点。
2.2APIT算法近似三角形内点测试法（Approximate Point-in-Triangulation Test，APIT）算法与质心算法有相同之处，下面论述APIT算法的过程。
APIT算法的过程：（1）未知节点收集自己所有邻居锚节点的信息；（2）从所有邻居锚节点任选3个出来做三角形，未知节点通过PIT（Perfect pointin-Triangulation Test,最佳三角形内点测试）来判断自己是否在三角形内，如果在三角形内就保留这个三角形，如果不在接着重复第2步，直到选取足够多的三角形或者穷举完所有组合；（3）所有三角形相交形成的多边形的质心就是未知节点的位置坐标。
PIT原理：如图2所示，假设锚节点A，B，C 3点组成一个三角形，还有一个未知节点D，如果未知节点D向某个方向移动，并且同时远离或者靠近3个锚节点A，B，C，那么可以判断未知节点在三角形ABC之外，反之，在三角形ABC之内。
进行PIT时会遇到两个实际问题：一是大多数无线传感器网络中节点都是静止的；二是受到无线传感器节点自身弱点的影响，未知节点不可能穷举出所有包含它的三角形组合。
2.3Bounding-Box算法Bounding-Box算法则采用以未知节点的邻居锚节点为中心，通信半径R的两倍做正方形，然后这些正方形的相交区域的质心是未知节点的坐标。
下面以未知节点D和它的3个邻居锚节点A，B，C来介绍该算法。
如图3所示，未知节点D的坐标为(xd,yd)，3个锚节点A，B，C的坐标为(xa,ya)，(xb,yb)，(xc,yc)，首先锚节点A，B，C发消息给未知节点D，消息包含位置信息和节点标号。
然后未知节点D根据这个分别以A，B，C的坐标为中心，以2 R为边长做出正方形，最后这3个正方形相交的区域Y的质心就认为是未知节点D的坐标。
其中：未知节点D的坐标为：目前对Bounding-Box算法的改进，主要是利用RSSI测距技术对未知节点到锚节点的距离进行了更进一步的优化，定位效果还可以。
2.4 凸规划算法加州大学伯克利分校的Doherty等人将节点间点到点的通信连接视为节点位置的几何约束，把整个网络模型化为一个凸集，从而将节点定位问题转化为凸约束优化问题，然后使用半定规划和线性规划方法得到一个全局优化的解决方案，确定节点位置［11］。
下面以未知节点D和它的3个邻居锚节点A，B，C来介绍该算法。
首先锚节点A，B，C发消息给未知节点D，消息包含位置信息和节点标号。
然后未知节点D把消息整理后传送给后台进行计算处理。
后台经过计算再把值返回给未知节点D。
从图4可以看到，未知节点D是在分别以A，B，C为圆心，R为半径的3个圆A，B，C相交区域之内，即图中阴影区域之内。
怎么找一个点来估计未知节点的坐标，这里用到了质心算法，但是求不规则区域的质心比较困难，于是对阴影区域进行了半定规划和线性规划得到了包含阴影区域的最小矩形区域，再对最小矩形区域进行质心处理就比较简单了。
由于未知节点D的计算能力有限，只能传到后台进行计算，因此凸规划算法是集中式定位算法。
近10年来，无线传感器网络定位算法研究取得了不少的丰富的研究成果，本文按基于测距的定位算法与基于非测距的定位算法的分类论述了几种典型的无线传感器网络的定位算法，其中穿插了一些图形，方便理解；另外介绍了一些计算方法，如三边定位法和三角定位法等等。
总之，无线传感器网络的定位技术仍然还是WSN 的关键技术之一。
【相关文献】［1］SAHINOGLU Z,GEZICI S.Ranging in the IEEE 802.15.4a standard［C］.IEEE Wireless and Microwave Technology Conference,2006：1-5.［2］KUŁAKOWSKI P,VALES-ALONSO J,EGEALÓPEZ E,et al.Angle-of-arrival localization based on antenna arrays for wireless sensor networks［J］.Com⁃put&Electrical Engineering，2010（6）：1181-1186.［3］WHITEHOUSE K,KARLOF C,WOO A,et al.The effects of ranging noise on multi-hop localization：an em⁃pirical study［C］.The Fourth International Conference on Information Processing in Sensor Networks（IP⁃SN05）,2005：73-80.［4］LUO X,O’BRIEN W J,JULIEN C parative evaluation of received signal-strength index（RSSI）based indoor localization techniques for construction job⁃sites［J］.Advanced Engineering Informatics,2011（2）：355-363.［5］BULUSU N,HEIDEMANN J,ESTRIN D.GPS-less low cost outdoor localization for very small devices［J］. Institute of Electrical and Electronics Engineers Person⁃al Communications Magazine,2000（5）：28-34.［6］WANG Z J,JIN H.Improvement on APIT localiza⁃tion algorithms for wireless sensor networks:Networks security,wireless communications and trusted comput⁃ing,2009［C］.NSWCTC’09.International Conference on IEEE,2009（1）：719-723.［7］MERKEL S,MOSTAGHIM S,SCHMECK H.Dis⁃tributed geometric distance estimation in ad hoc net⁃works［J］.Ad-hoc,Mobile,and Wireless Networks,2012（2）：28-41.［8］GENTILE C,ALSINDI N,ALSINDI R,et al.Cooper⁃ative localization in wireless sensor networks：central⁃ized algorithms［M］.New York：Geolocation Techniques，2013. ［9］任妘梅.基于无线传感器网络的定位研究［D］.西安：西安电子科技大学，2013.［10］同济大学应用数学系.高等数学［M］.5版.北京：高等教育出版社，2002.［11］汪炀.无线传感器网络定位技术研究［D］.合肥：中国科学技术大学，2007.。