论文写作网

　　别的，质心定位算法很容易受到信标节点密度和信标节点选择的影响[15]。现有的改造算法大部门都是回收基于加权的思想来举办改造，固然在必然水平上提高了定位精度，可是并没有很好地办理质心算法存在的问题。在图1中，假如未知节点O2定位时不选择信标节点E、F、G、H来举办位置预计，而是选择E、G、H来举办位置预计并以信标节点E、G、H组成的多边形的几许质心作为预计位置，误差则会大幅度低落。
　　 　　连年来，跟着微机电系统、无线电通信以及嵌入式计较等技能的不绝进步，无线传感器网络（Wireless Sensor Network， WSN）逐渐被遍及应用于情况监测、康健医疗、抢险救灾和疆场监督等规模[1-2]。对付许多应用，没有位置信息的数据是不具备任何意义的，好比野活跃物习性监测、丛林火警救助以及基于地理位置信息的路由协议等[3]。最传统的定位要领就是回收GPS（Global Positioning System）举办定位，然而这种定位方法并不合用于无线传感器网络，主要原因有以下两点：1）无线传感器网络一般都有成百上千个节点，为每个节点配备GPS吸收器会大幅度增加网络本钱；2）GPS吸收器能耗很是高，而对付无线传感器网络来说，每个节点存储的能量很是有限（一般都是通过电池供电，给节点改换电池是很不现实的，尤其是在情况很恶劣的场景下），这种定位方法会大幅度低就逮络的生命周期。因此，今朝一般的处理惩罚步伐都是给少部门传感器节点配备GPS吸收器来确定自身的位置信息（这种可以或许直接确定自身位置信息的节点称为信标节点），然后再操作信标节点的位置信息通过必然的定位算法来确定其他节点的位置（这种无法直接确定自身位置信息的节点称为未知节点）[4]。
　　对付质心定位算法，假如未知节点的实际位置与其通信范畴内信标节点组成的多边形的几许质心位置很靠近，那么定位结果会较量好。然而在实际场景下，未知节点的实际位置并不必然很靠近信标节点组成的多边形的质心位置。当未知节点的实际位置与信标节点组成的多边形的质心位置相距很远时，将会发生很大的误差。如图1所示，未知节点O1的实际位置与信标节点A、B、C、D组成的多边形的几许质心位置间隔很近，这种环境下用多边形的几许质心作为未知节点的预计位置发生的误差会较量小，而未知节点O2的实际位置与信标节点E、F、G、H组成的多边形的几许质心位置间隔很远，此时若以几许质心作为最终的预计位置，则会导致较大的定位误差。
　　质心定位（Centroid Localization， CL）算法是一种完全基于网络连通性的定位算法，其计较和实现起来都较量简朴，可是定位精度有限。今朝，一些学者已经提出了一些改造算法。文献[12]提出了基于加权思想的质心定位（Centroid Localization， CL）算法文献[12]提出了基于加权思想的质心定位（Weighted Centroid Localization， WCL）算法，它指出间隔未知节点越近的信标节点对未知节点位置预计的重要水平越高，它用1/dg来暗示各个信标节点的权重，个中：d是未知节点到信标节点的间隔，g是调理因子；这种要领在必然水平上提高了定位精度。在文献[13]中，操作两个基站以差异的功率向整个网络发射信号，按照信号强度差异，将整个网络区域分别成了若干个栅格，从而确定包括未知节点的最小区域，再将该区域的质心作为未知节点的预计位置。文献[14]的焦点思想是先操作质心算法求得各个未知节点的初次预计位置，让未知节点同邻人节点互换信息；然后再对这些邻人节点的位置取平均值作为自身的最终预计位置。在文献[15]中，也是操作加权的思想，它将未知节点到信标节点的信号强度的比值作为加权因子。文献[16]指出纵然在同一片监测区域内里，路径损耗模子的参数也会有所差异，因此它每计较一个未知节点位置的时候，都要从头对路径损耗模子的参数举办预计，然后操作RSSI（Received Signal Strength Indication）值预计未知节点到信标节点的间隔，再按照文献[12]中计较权重的要领对未知节点的位置举办预计。
　　为了办理无线传感器网络中的节点定位问题，海表里的研究者已经提出了一些相关定位算法。这些算法主要可以分为两类：基于测距（Rangebased）的定位算法[5-7]和无需测距（Rangefree）的定位算法[8-10]。文献[11]提出了回收几许质心道理来举办定位：信标节点每隔一段时间向邻人节点广播一个信号（信号中包括有位置信息），当未知节点在一段时间内吸收到来自某个信标节点的信号数量高出某一个阈值后，该节点认为与此信标节点连通，最后将与之连通的所有信标节点组成的多边形的几许质心作为自身的预计位置。