无线传感网络定位技术研究与实现.doc

无线传感网络定位技术无线传感网络定位技术无线传感网络定位技术摘要当代移动通信和无线网络技术的不断进步，使得我们在平时的生活中更加依赖于自动化或半自动化的设备。目前无线传感网络技术越来越受到人们的重视，并且已经应用在航天、生态、救灾和家居生活等众多领域。其中定位技术在无线网领域中有着非常关键的作用，大多数情况下没有坐标信息的无线传感器节点缺少实际使用价值。目前已有较为成熟的无线传感网定位技术可以被分为需要测距的定位技术和与测距无关的定位技术。本文首先分别介绍了基于测距的定位技术和无需测距定位算法的基本原理，并在此基础上研究了常用二维和三维无线传感网定位算法。关键词：无线传感网络定位 二维定位 三维定位 Abstract With the development of mobile communications and wireless networking technology, people have increasingly high demand for automation equipment. Currently,wireless sensor network technology draws more and more peoples attention,and it has been used in many fields,such as aerospace, military, medical,disaster rescue and medical area. Positioning technology plays a very important role in wireless sensor networks. In most cases, a wireless sensor node without location information is of no value useless. Currently,positioning technology is divided into the localization algorithm based on ranging and localization algorithm based on non-ranging. Firstly,the paper introduces the basic principles of the localization algorithms based on ranging and non-ranging. On the basis of these,we investigated common two-dimensional and three-dimensional localization algorithm for wireless sensor networks. KEY WORDS： wireless sensor networks positioning, two-dimensionalpositioning, three-dimensional positioning1.绪论1.1引言22无线传感器网路（WNS）被誉为21世纪最有影响力的21项技术和改变世界的l0大技术之一，无论在民用领域还是军用领域均有巨大的应用前景。无线传感器节点通常随机布放在不同的环境中执行各种监测和跟踪任务，以自组织的方式相互协调工作，最常见的例子是用飞机将传感器节点布放在指定的区域中，随机布防的传感器节点无法事先知道自己位置，传感器节点必须能够实时地进行定位。因此位置信息对传感器网络的监测活动至关重要，事件发生的位置或获取信息的节点位置是传感器节点监测消息中所包含的重要信息，对于大多数应用而言，在不知道具体位置信息的监测消息往往是毫不意义的。传感器节点必须先明确自身位置才能够详细说明“在什么区域或位置发生了特定事件”，来实现对外部目标的定位、追踪和覆盖。因此，确定事件的发生的位置或获取信息的节点位置是传感器网络最基本的功能之一，对传感器网络应用的有效性起着关键的作用1。在无线传感器网络的各研究分支中，定位技术是无线传感器网络中关键的支撑技术之一。首先，在无线传感器网络的各种应用中，节点的感知数据必须与位置相结合，离开位置信息，感知数据是没有意义的，如环境监测、抢险救灾、森林火灾监控等，没有地理位置信息就无法确定事件发生何处，也不能够采取有效及时的处理措施。其次，使用传感器节点的位置信息能够提高路由效率，节约能耗，增强网络安全性及实现网络拓扑的自配置等。然而，传感器网络规模通常比较大，给网络中所有节点均安装GPS收发器或者人工配置节点位置会受到成本、能耗、效率等问题的限制，甚至在某些场合可能无法实现。因此必须开展适合无线传感器网络特点的定位技术研究。基于上述原因，定位技术在无线传感器网络的理论研究和应用中具有重要的意义，已经成为了无线传感网络技术中的一个研究热点。1.2无线传感网定位技术概述在定位领域中，无线传感网络的节点可以分为两类：一类是己知自身坐 标的节点，被称为信标节点或销节点，该节点通常是通过GPS或人工部署的 方式得到节点坐标的；另一类是位置坐标节点，被称为未知节点(Unknown Node)，该类节点则是需要我们通过周围的描节点所提供的信息来估算出自身节点的坐标信息。根据未知节点定位过程中是否需要周围描节点提供距离信息，可以将定位算法具体分为两大类：一类是需要测距的定位算法，即需要错节点提供与 未知节点间的距离信息；另一类是无需测距的定位算法，即不需要锚节点提供测距信息，仅通过角度或数据传输经过的跳数等信息则可以完成定位的算法。一般来说，基于测距的定位算法利用三边测量法、三角测量法或极大似然估计法来计算节点的位置，常用的测距技术有RSSI，TOA，TDOA和AOA。RSSI定位技术具有功耗低和硬件成本低的优势，但也存在多路径损耗等问题影响从而存在一定的误差。TOA(根据到达时间定位)需要节点间有较为精确的节点时间同步机制，对于硬件设备要求比较高，并且对网络结构较为不均勾的网络来说更加难于实现。TDOA根据到达时间差定位技术，需要利用超声波信号传播对于到达时间的准确测量来定位，但超声波距离有限并且有障碍物等环境问题对超声波的传播有一定的影响；AOA(根据信号到达角度定位技术)受外界环境干扰严重，并且需要额外的硬件来计算信号到达时的角度。基于测距的定位算法比较精确，但需要节点本身通信频率较高，从而节点能耗幵销较大。无需测距的定位算法则无需通信频率较快，提高了定位能耗，但是却牺牲了一定的定位精度。虽然定位精度降低了，但其在实际应用中仍然具有许多典型案例。目前常用的无需测距的定位算法有质心算法，DV-Hop算法，APIT定位算法。质心算法的原理是通过获取网络中节点间的连通关系来佔算连通节点问的距离，从而进一步利用连通节点组成的儿何图形质心来估算H标节点坐标。DV-Hop算法能够通过多跳传输获取到目标节点无线覆盖范围之外的信标节点的数据，从而获取到更多的有用信息。APIT定位算法是将错节点的区域划分成一个个三角形区域，通过判断未知节点位于哪些三角形区域内，进一步缩小定位范围。利用描节点本身的坐标即可进一步得出目标点的位置。2.二维定位算法2.1基于测距的定位算法目前常用的测距方式有接收信号强度、红外线、超声波以及GPS，这四种测距方式的性格比较如表2-1所示：表2-1 常用测距方式的比较测试方式RSSI红外线超声波GPS额外硬件无有有有硬件成本低低高高测距误差03m05m010cm010m由表2-1可以得知，除RSSI外的其他三种测距方法，都需要节点安装相应固件，提高了本身的体积和价格；GPS技术有其局限性，更适用于户外定位，小范围的定位并不可靠；红外线技术的测距精度比较低，而超声波的测距成本较高；基于RSSI的测距技术则被广泛应用，并且市场是大多数节点本身就可以完成对RSSI的获取，易于实现，因此基于RSSI的测距技术是WSN中最常用的技术。2.1.1 RSSI定位算法RSSI定位算法是已知节点发射信号强度，接收节点测量接收到的该信号的强度，并计算传播过程中的损耗，使用理论或经验的信号传播衰减模型将传播损耗转换为距离，再利用已有的算法计算出节点的位置。比较典型的应用如RADAR、SpotON。虽然在实验环境中RSSl定位方法表现出良好的特性。但在实际应用中，由于反射、多径传播、NLOS和天线增益等问题都会产生显著的传播损耗和较大的误差，因此RSSI技术定位误差较大1。基于 RSSI 的定位算法利用信号传输过程中的衰减模型来计算锚节点与未知节点之间的距离，然后利用所测量的距离来实现未知节点的定位。由于传感器网络节点自带 RSSI 指示的功能，定位算法不会增加硬件消耗，应用成本比较低，因而得到广泛的应用，其算法原理如图2.1所示。图 2.1 基于 RSSI 的定位算法原理示意图如图 2.1 所示，无线传感器已知三个锚节点的位置信息，U表示未知节点的真实位置信息，U表示通过RSSI测量计算出来的位置信息。通常情况下，锚节点发送的广播信号传输到未知节点的过程中，会受到环境和多路径的影响，导致信号传输过程中产生衰减现象，未知节点收到的锚节点发送的信号强度会受到一定的影响。这种信号衰减会存在一定的规律性，通过测量未知节点接收的信号强度能够估算锚节点与未知节点之间的距离。信号的衰减模型表示如下： （2-1）其中n表示环境因子，它是随着未知节点与锚节点之间距离的增加而路径损耗的指数，一般取值范围为2-4之间。本公式的计算单位为dB，PL(d)表示距离锚节点d处接收到的信号的功率；PL(d0)表示一个经验值，d0表示一个参考距离，即距离为d0接收到的信号功率。表示与传播距离无关的高斯噪音，通常称之为遮蔽因子。在环境因子和遮蔽因子已知的前提下，通过对未知节点接收功率的测量及其两点之间的距离计算，其RSSI 模型如图2.2所示：图 2.2 RSSI 信号传输模型示意图 由于不同的无线传感器网络定位的应用环境的不同，无线传感器网络的目标监测区域的环境因子和干扰因子也不尽相同。上述提到的RSSI 测量中环境因子的经验值变化范围多在 2-4 之间，是综合室内环境和室外环境的平均范围。室内环境因子的经验值在 1.9-2.2 之间。室外环境因子在1.4-5.4之间。环境因子的变化与最终未知节点测量的功率关系如图2.3所示：图 2.3 环境因子与功率之间的关系图2.1.2基于TOA的定位算法基于TOA的定位算法是一种利用测量来自锚节点信号到达的时间来进行定位的一种算法。首先锚节点将发送时间设置在广播信号中，并发送广播信号，未知节点接收到锚节点发送的广播信号并确定信号到达的时间，最终通过发送时间和接收时间来计算信号传播的时间，然后在利用信号传播速度来计算未知节点与锚节点之间的距离，最后利用三边测量法来实现计算出未知节点的坐标。TOA方法定位精度相对较高、但是需要锚节点与未知节点之间保持严格的时间同步，这对于硬件系统的要求比较高，因此对整个传感器网络的成本要求较高4。其算法原理如图2.4所示： 图 2.4 基于 TOA 的定位算法原理示意图此外，从二维平面角度来研究节点到达时间定位算法需要至少在通讯半径之内的三个锚节点。其原理如图2.5所示：图 2.5 在二维平面的 TOA 定位原理示意图其中r表示未知节点到锚节点的距离，而t表示信号从锚节点到未知节点的时间。C表示无线信号在介质中的传播速度，C是常数。设A(x1，y1)，B(x2，y2)，C(x3，y3)为三个锚节点的坐标，未知节点的坐标设为 P(x，y)。测量的距离可以表示为如下： （2-2）将上三条公切弦屮任意两条组合求交点，即可得到待测点P的估计坐标。2.1.3基于TDOA的定位算法基于TDOA的定位算法是一种基于测量锚节点到达未知节点的时间差来计算未知节点的位置的定位算法。在该算法中，锚节点首先设置两种不同频率的无线信号，然后同时广播出去。由于这两种信号在传输过程中的速度不一样，因此到达未知节点的时间也不相同，可以根据这种时间差来计算锚节点与未知节点之间的距离，通过三边测量法来计算未知节点的位置坐标信息。基于 TDOA的定位算法最大的特点是定位的精度高、误差小。但同时监测区域的环境对于信号传输的影响可能有效定位的精度。 图 2.6 TDOA 原理图（一）基于TDOA的定位算法与TOA方法相似，但是该算法有两种方式进行定位计算，第一种就是采用发送两种无线信号，并利用未知节点的时间差来进行定位，常用的无线信号包括无线电波和超声波。这种方法的最大支出在于需要在节点中增加接受两种信号的接收装置，从而会增加传感器节点的硬件设计的复杂度，相应的制作成本也会随之增加。该算法的原理如图所示，锚节点a在 To时刻发送无线电波，未知节点b在T1时刻接收到a发送的无线电波。锚节点a在T2时刻发送超声波，未知节点b在T3时刻接收到a发送的超声波信号。通过锚节点a的发送时间To、未知节点b接收时间T1、锚节点a的发送时间T2和未知节点b接收时间 T3 以无线电信号的传播速度VRF和超声波的传播速度VUS就可以计算出锚节点与未知节点之间的距离。另外一种测量方式就是测量两个不同的锚节点发送过来的无线信号的时间差来进行定位计算。与第一种方式最大的不同在于这种方式只需要发送一种无线信号，对于硬件成本有所降低。最大的缺点在于要求锚节点时间的同步性。其原理如图2.7所示：图 2.7 TDOA 原理图（二）图2.7中，r12表示锚节点1到未知节点的距离减去锚节点2到未知节点的距离。r23表示锚节点2到未知节点的距离减去锚节点3到未知节点的距离。假设图中锚节点1、2、3的坐标表示为A(x1，y1)，B(x2，y2)，C(x3，y3)，未知节点的坐标p表示为(x，y)。无线信号从未知节点到锚节点之间的时间分别表示为t1，t2和t3则可以分别计算出r12和r23： （2-3） 将坐标 A、B、C、P 坐标带入到（2-3）中，得到基于TDOA的定位算法中双曲线的表达式（2-4）：（2-4）然后利用数学计算方式进一步求解，最终求的未知节点 p 的坐标。2.1.4基于AOA的定位算法 基于AOA的定位算法是利用未知节点与锚节点之间的角度关系来进行定位的一种算法。这种算法依靠天线阵列或者超声波接收阵来测量锚节点与未知节点之间的角度，因此需要传感器节点能够测量角度的硬件设施，相对于实施成本而言比较高。其原理如图2.8所示： 图 2.8 基于AOA的定位算法示意图如图2.8所示，A，B表示两个已知的锚节点，C表示未知节点。未知节点C与锚节点 A、B之间的形成两个夹角。根据AB直线和其测量出的夹角就可以画出C点的具体位置，然后就可以计算未知节点C点的坐标。基于AOA的定位算法最大的优点在于只需要知道两个锚节点就可以计算未知节点的位置。不过由于需要测量锚节点与未知节点之间的角度，所以需要多个接收器辅助完成定位。所以对于硬件的消耗也比较高。2.1.5基于无线射频干涉定位算法无线电干涉测量方法很早就被用于天文学等相关研究，但直到 2005 年，Maroti 等第一次提出了射频干涉定位系统 (Radio Interferometric Positioning System，RIPS) 将信号干涉方法应用到无线传感网络定位系统中来3。RIPS 通过两个发送节点发射频率相近的射频在待定位节点处得到叠加信号。Maroti 等证明当两个射频的频率相近，它们的叠加信号的包络的频率可以被低成本的传感节点所测量到。由此可以进一步得到两个接收传感节点的相对相位偏移为： （2-5）图 2.9 无线射频干涉测量从式2-5来看，两个接收节点的相对相位偏移只与发送节点和接收节点之间的距离以及射频波长有关。发送节点通过发射不同波长的射频，可以得到多个如式2-5的方程。求解它们的联立方程，便可以得到待定位传感节点和锚节点之间的相对位置。利用 RIP 方法的优点在于其不受多径反射的影响而且并不增加普通传感节点的成本。但使用该方法对锚节点之间的同步要求很高。2.2基于非测距的定位算法在非测距算法中，不需要测量节点之间的距离及角度关系，根据整个网络的连通性来计算或者估计未知节点的位置信息。非测距算法是降低整个网络的整体消耗，提高无线传感器网络的整体性能。常用的非测距算法包括质心定位算法DV-Hop（distance vector-hop）算法、凸规划定位算法及 APIT （approximate point-in-triangulation test）定位算法等。2.2.1质心定位算法 在质心算法中，第一，发送广播信号。在发送广播信号之前，需要设置锚节点信号的发射周期，然后将自身的标识号与所在的位置信息存入广播数据包中，将数据包以设置的发射周期发送出去。第二，接收广播信号。未知节点每接收到锚节点发送的广播信息就自动存储，并将计数器加1。当未知节点的超过一定的时间阈值，就认为接收到所有的广播数据都已经收到。第三，质心定位。未知节点利用收到的全部节点信息组成N边形，并将未知节点的位置认为是N边形的质心，然后对取得的全部锚节点坐标取平均值，从而得到未知节点的坐标。 （2-6）其中(Xi，Yi)表示未知节点，(X1，Y1)(XN，YN)表示(Xi，Yi)受到的锚节点的坐标。其算法原理如图2.10所示： 图 2.10 质心定位算法的原理示意图 图2.10表明，质心算法的关键在于未知节点能否接受到全部锚节点发送的广播信号，对于整个网络的依赖性特别强。算法不需要具体锚节点和未知节点之间的频繁通信，算法流程相对简单，是非测距算法中易于实现的算法。但同时，该算法以锚节点发射的广播信号按照理想的无线信号模型进行传播，对于目标监测区域的环境干扰因素考虑不够全面，信号在现实环境下会在传播过程中出现反射、折射、干扰等现象，无法按照理想的无线信号传输模型进行传播。从几何角度来讲，锚节点的数量越多，对于算法的精度越高，这样就增加整个无线网络的成本，而且维护费用也相对增加4。2.2.2 DV-Hop定位算法 DV-Hop 定位算法的原理是锚节点向所有的传感器节点发送广播信号，未知节点收到锚节点发送的广播信号后存储并转发，最后目标监测区域的传感器节点都接收该广播信号。目标检测区域的相邻节点之间的通信表示为1跳，当未知节点接收到广播信号时，先计算锚节点传播的最小跳数，然后根据网络的连通性，计算平均每一跳的距离。将最小跳数乘以平均跳距，得到未知节点与锚节点之间的相对距离。最后通过极大似然法或者三边测量法来计算未知节点的坐标信息4。DV-Hop的主要原理示意图如图2.11所示： 图 2.11 DV-Hop 原理示意图如图2.11所示，节点L1、L2和L3是已知的锚节点，并且它们之间的距离和跳数也是已知的。根据已知信息首先计算出平均节点的跳距为（35+63）/(2+5)=14M。假设未知节点为P，L2的广播信号首先传递到P处，未知节点P首先从L2处获取最短跳数，然后在以此从L1、L3处获取最短跳数，从而计算未知节点与三个锚节点之间的距离： P 与L1之间的距离：d1=2*14=28 P 与L2之间的距离：d2=2*14=28 P 与L3之间的距离：d2=4*14=56 假设未知节点的坐标为(X，Y)，L1 坐标为(X1，Y1)，L2 坐标为(X2，Y2)，L3 坐标为(X3，Y3)，那么未知节点的坐标信息计算公式如下所示： (2-7）2.2.3凸规划定位算法 凸集规划定位算法首先需要完成整个传感器网络的节点互通性，使得各个传感器节点之间构成几何约束关系，从而使得传感器网络形成一个凸集的几何图形。这样就将传感器定位转换为几何关系的最优解的问题。凸集约束优化的方式是将线性优化方式和线性规划优化方式相结合，通过这样的结合得到一个全局的优化方案，从而实现未知节点的定位4。其原理如图2.12所示：图 2.12 凸规划定位算法原理示意图如图2.12所示，算法首先要根据锚节点之间的位置以及锚节点的与未知节点P之间相互通信的范围来计算位置节点存在的某个区域。如果能够准确的计算出这个区域，可以将这个区域转换为矩形图形D，然后计算该矩形区域D的质心坐标并将其转换为未知节点的坐标。几何约束条件越小那么算法的精度就会越高。在算法的使用过程中，为了尽可能的使用约束条件，需要锚节点尽可能的分布在整个传感器网络的边缘部分。如果传感器节点离开了网络中心，那么就会增加算法定位的误差。 2.2.4 APIT定位算法 APIT 定位算法一种类似三角形内点测试的算法，主要是基于区域规划的传感器节点定位算法。该算法的原理就是锚节点首先发送广播信号，未知节点接收到所有的相邻的锚节点的坐标信息，然后从得到的锚节点的坐标中随机选取三个组成一个三角形。利用三角形的几何关系来测试锚节点组成的三角形是否包括未知节点，如果不包括则摒弃，如果包括则存储三个节点的位置信息。如此循环选取相邻锚节点组成三角形，直到所有的相邻的锚节点都选取完成或者选取的三角形已经达到了定位的精度则停止。通过上述过程形成一个多边形区域。将多边形的质心作为未知节点的位置。其原理如图2.13所示：图 2.13 APIT 定位算法原理示意图如图2.13所示，对APIT算法主要流程进行分析： （1）锚节点发送广播信号，所有的未知节点接受锚节点发送的信号，并存储所有的锚节点位置信息； （2）从存储的锚节点信息中随机抽取三个锚节点组成三角形，并判断未知节点是否在三角形内部；如果在三角形内部，则存储起来； （3）将所有的符合条件（2）的三角形重叠起来，计算重叠区域的几何图形； （4）取几何图形的质心为未知节点的位置P，并计算P的坐标信息。 APIT的算法是一种典型的分布式定位算法，因为在定位计算中，都是由每个节点内部完成。该算法最大的优势在于实现了分布式计算，节约了未知节点计算的开支，同时不受无线传感网网络节点的分布的影响，最大的缺点在于传感器网络中需要布置大量的锚节点来完成定位。 2.3典型算法比较表2-2 典型算法的比较名称信标节点数邻居节点数功耗成本外加装置通道开销定位精度RSSI影响小影响小低低无小低TOA影响小影响小较高高有小较高TDOA影响小影响小高高有小高AOA影响小影响小中高有小中RIPS影响小影响小低低无小低质心算法影响较大影响大低低无中低DV-hop影响较大影响较大低低无大低凸规划影响较大影响大低低无大低APIT影响大影响较大低低无中中3.三维定位算法经过前面两章对WSN节点定位技术的介绍，我们对节点定位技术有了一定的了解，但其大多数算法针对的是针对二维空间的，而在实际应用中许多情况都需要处于三维空间中，例如部署在高山、森林中的无线传感器节点，悬浮在空气中用来检测空间不同位置的气温、悬浮颗粒物等情况。这些应用的前提是已知节点的三维空间的坐标，所以有必要进行三维空间的定位算法的研究。现如今，在国内外无线传感器节点定位领域中，仍然缺少一种被公认的三维空间定位算法。目前，针对实际应用中的三维定位的需要，人们提出了许多的三维定位算法，如Landscape-3D、Constrained 3-D、Ou算法、APIS等几种典型的无线传感器网络三维定位算法。3.1 IRSSI-3D定位算法与二维定位算法类似，三维无线传感器网络中也需要充当不同角色的无线传感器节点，包括信标节点、汇聚节点和未知节点。算法要求信标节点具有可以提取接收到的数据包信号强度RSSI的能力，并且目标网络进行周期性的分布。假设无线传感器节点符合理想的信号传输模型，即在三维空间中是一个中心福射的球，并且随着点到球心距离的增加信号强度成逐渐衰减的趋势。在目标区域(W，H，T)内部署描节点和未知节点，将锚节点设置成向周围广播自身信息，包括自身的ID，信号能量大小，位置信息。首先，信标节点接收到其邻居信标节点发送来的信号，并存储，当获取到多个邻居信标节点后，根据距离的不同设置加权平均数，并计算其对应的衰减系数。然后每个描节点向位置节点发送自身坐标，和其所在位置的衰减系数，未知节点则根据邻居锚节点的衰减系数和坐标进行计算，从而得出其到各个邻居描节点的距离。最后，过滤较远的邻居节点，选择最近的四个邻居铺节点，利用与邻居节点的距离，根据四面体定位算法求出未知节点的坐标。算法的具体过程如下：1.确定目标监测区域，部署描节点和未知节点。2.最佳节点数量计算：即根据所选区域和节点通信能力，估算出最佳节点数量。3.信标节点发送信号：每个信标节点向其他邻居节点发送信号，信号包括自身坐标信息和ID信息。4.铺节点处理接收到的信息：接收到其他铺节点信号后，根据信号能量大小和未知信息计算信号衰减系数，当有多个邻居锚节点时，由于根据距离的不同，利用加权平均数求最后的衰减系数。5.铺节点向未知节点发送自身所在位置的衰减系数，计算未知节点到各个邻居铺节点之间的距离。6.过滤较远的邻居节点，选择最近的四个邻居铺节点，利用与邻居节点的距离，根据四面体定位算法求出未知节点的坐标。3.2 Landscape-3D算法Landscape-3D算法的核心是采用了LA ( Location Assistant)设备每隔一段吋间就向周围发射其坐标消息，并且LA装置处予运动状态，目标节点通过接收到LA装置的位置信息后，利用RSSI测距技术获取与LA之间的距离，从而利用数学模型来确定目标节点的坐标，如图所示。图 3.1 Landscape-3D 原理图假设LA装置在三维空间中是运动的，并且在运动过程中随时可以获取自身的位置信息。LA装置的位置信息可以是，提前设计好的运动轨迹，或者可以利用GPS等定位设备为其定位。LA装置向网络中每隔一段时间就向周围广播自身的坐标信息，被定位节点获取到该消息后可以提取RSSI来计算到该节点的距离信息。为了提高测距的精确度，该算法尝试用状态预测和更新迭代的方法，当以离线方式进行处理时，每个节点首先收集距离信息并通过逐渐地增加观察信息来更新估计的位置。Landscape-3D算法的最大优点是不依赖与网络中节点的密度和网络的拓扑结构，减小了通信幵销。并且每个节点都是独立的，可以独立计算自身的位置坐标，因此对网络的拓扑结构和规模无关。其缺点是对LA装置的硬件要求比较高，因为整个算法的前提是LA具有较准确的未知获取能力，该装置直接决定了算法的精确度。3.3 Ou算法Ou算法类似于Landscape-3D算法，需要在网络中部署有一个可以周期性的广播身位置信息的飞行描节点(Flying Anchor)。同样的该算法需要做如下要求：1.每个飞行铺节点可以周期性的获取自身位置，并能够将位置信息广播给被定位节点；2.在网络中，飞行铺节点的密度足够，能够用于未知节点坐标的获取；3.节点间不互相干扰，相对独立。图3.2 Ou算法原理示意图如图所示，S点为目标节点，虚线代表飞行锚节点所穿过的路径，当节飞行锚节点处于A和B两点之间时，目标点S可以收到飞行锚节点发送的距离信息。此时我们可以获取到AS的距离以及BS的距离，同吋可以获取到A和B的位置坐标，由此算法可以进一步利用几何模型来计算出目标点S的坐标。综上所述，现有常用的三维空间定位算法，大都在能量消耗、硬件成本和定位精度上做了折中，由于三维空间定位中环境更加复杂，现在没有更加普遍适合各种环境的算法出现。现有算法也对硬件要求比较高，Landscape-3D算法和Ou算法都需耍有特定轨迹的铺节点，这一点在实验室环境下，甚至在实际应用中都较难于实现。4.总结无线传感器网络是一种新型通信技术，它基于嵌入式设备，可以实现分布式无线信息的传输，被认为是21世纪最有价值的技术之一。无线传感网络己经广泛应用于航天、生态、救灾和家居生活等众多领域，能弥补传统网络在许多领域上的不足或空缺。传感器网络节点为智能系统提供周围环境的上下文相关信息，在许多情况下，若节点本身不能获取到关于位置的信息，则本身已经失去了其使用价值。本文首先分别介绍了基于测距的定位技术和无需测距定位算法的基本原理，并在此基础上研究了常用二维和三维无线传感网定位算法。本文对无线传感器网络中的基本定位原理、国内外研究现状进行了归纳和介绍. 目前研究的各类定位算法都是在综合权衡能耗、 成本和精度等因素的基础上提出来的, 其计算量、 精度等方面也存在较大差别, 适合的应用范围也各不相同. 因此, 无线传感器网络中定位方法的应用需要针对不同的场合, 综合考虑节点的规模、成本及系统对定位精度等要求来设计和选择. 同时, 对于具有分布式、 低复杂性、 高精度、 通用性等特点的无线传感器网络定位方法还有待进一步深入研究.参考文献1 程海军. 基于RSSI的无线传感器网络定位算法改进研究D. 重庆理工大学, 2013.2 杨军.无线传感网络节点定位算法综述J.仪器仪表标准化与计量, 2012, 01：38-41. 3 徐学永.面向应用的无线传感网络定位问题研究D.中国科学技术大学, 2011. 窗体顶端窗体底端4 国海涛. 无线传感网络定位技术研究与实现D.北京邮电大学,2014.5 汪炀;无线传感器网络定位技术研究D.中国科学技术大学;2007.6 冯砚毫. 无线传感器网络定位技术研究D.重庆大学,2011.7 Guan Weiguo,Deng Zhongliang,Ge Yuetao,et al.A location fingerprinting algorithm based on RSSI statistic parameters matching estimateJ.Key Engineering Materials,2011(6)： 480- 4818 Heurtefeux K，Valois F.Is RSSI a good choice for localization in wireless sensor networkC.2012 IEEE 26th International Conference on Advanced Information Networking and Applications.Fukuoka：s.n，2012：732- 7399 Diego Francisco Larios,Julio Barbancho,Francisco Javier Molina,Carlos Len.Localization Method for Low-power Wireless Sensor NetworksJ. Journal of Networks . 2013 (1) 10 Zhi ZHONG,Da-Yong LUO,Shao-Qiang LIU,Xiao-Ping FAN,Zhi-Hua QU.An Adaptive Localization Approach for Wireless Sensor Networks Based on Gauss-Markov Mobility ModelJ. Acta Automatica Sinica . 2010 (11) 11 Tomic S,Mezei Ivan.Improved DV-Hop localization algorithm for wirelesssensor networks. 2012IEEE10thJubilee International Symposium onIntelligent Systems and Informatics (SISY) . 201212 Savarese C,Rabay J,Langendoen K.Robust Positioning Algorithms for Distributed Ad-Hoc Wireless Sensor Networks. Proceedings of the USEN IX Technical Annual Conference . 200213 JAspenes,T Eren,D K Goldenberg,et a l.A Theory ofNetwork Localization. IEEE Transactions onMobile Computing . 200614 Andreas Savvides,Chih-Chien Han,Mani Srivastava.Dynamic fine-grained localization in ad-hoc networks of sensors. Proceeding of the 7th Annual ACM/IEEE International Conference on Mobile Computing and Networking(MobiCom 2001) . 200115 He T,Huang C,Blum B M,et al.Range-free Localization Schemes in Large Scale Sensor Networks. Proceedings of the 9th annual international conference on Mobile computing and networking . 200316 Poggi C,Mazzini G.Collinearity for sensor network localization. Proceedings of 2003 IEEE 58th Vehicular Technology Confer-ence . 2004