无线传感器网络动态节点定位算法综述

第３５卷第１期　东北电力大学学报　Ｖｏ１．３５．Ｎｏ．１　２０１５年２月　Ｊｏｕｒｎａｌ　Ｏｆ　Ｎｏｒｔｈｅａｓｔ　Ｄｉａｎｌｉ　Ｕｎｉｖｅｒｓｉｔｙ　Ｆｅｂ．，２０１５　文章编号：１００５－２９９２（２０１５）Ｏｌ一００５２—０７　无线传感器网络动态节点定位算法综述　李建坡　，钟鑫鑫　，徐　纯２　（１．东北电力大学信息工程学院，吉林吉林１３２０１２；２．国家新闻出版广电总局２０２１￣，黑龙江齐齐哈尔１６１０００）　摘　要：介绍了无线传感器网络节点定位的基本原理、定位算法的最新进展及其评价标准。从基　于测距的动态节点定位算法和无需测距的动态节点定位算法两个方面分类讨论了典型的动态节点定位　算法，并对各算法的性能进行归纳比较。最后指出了目前算法存在的问题及未来发展趋势　关键词：无线传感器网络；节点定位；综述　中图分类号：ＴＰ３９３　文献标识码：Ａ　无线传感器网络（Ｗｉｒｅｌｅｓｓ　Ｓｅｎｓｏｒ　Ｎｅｔｗｏｒｋｓ，ＷＳＮ）是由部署在监测区域内大量的传感器节点组成，　通过无线通信方式形成的一个多跳的自组织网络系统，其目的是协作地感知、采集和处理网络覆盖区域　中被感知对象的信息，并发送给观察者。在ＷＳＮ中，位置信息对传感器网络的监测活动至关重要，例如　在军事应用、环境监测、医疗保健、目标监测与跟踪、智能交通、物流管理等许多应用领域中，如何确定无　线传感器网络中节点的位置信息（节点定位）成为必须解决的关键问题之一　。从１９９２年ＡＴ＆Ｔ　Ｌａ—　ｂｏｒａｔｏｒｉｅｓ　Ｃａｍｂｒｉｄｇｅ开发出室内定位系统Ａｃｔｉｖｅ　Ｂａｄｇｅ至今　Ｊ，针对不同应用领域，人们已经设计了很　多无线传感器网络节点定位系统和算法。但是，每种系统和算法都用来解决不同的问题或支持不同的　应用，本文对ＷＳＮ节点定位的基本原理和国内外开展的相关研究工作进行了分析和总结，本文着重分　析了ＷＳＮ节点定位的现状和存在的问题，明确今后的发展趋势，为ＷＳＮ节点定位的广大研究人员提供　参考和借鉴。　１　ＷＳＮ节点定位的基本原理　在ＷＳＮ定位技术中，根据节点是否已知自身的位置，将节点分为锚节点（也称为信标节点）和未知　节点（也称为待定位节点），将在一个节点通信半径之内，可以直接通信的节点称为该节点的邻居节点，　在传感器节点定位过程中，未知节点在获得对于邻近锚节点的距离，或者获得邻近的锚节点与未知节点　之间的相对角度后，一般使用三边测量法、三角测量法和极大似然估计法来计算自身的位置。　１．１　三边测量法　三边测量法（Ｔｒｉｌａｔｅｒａｔｉｏｎ）　的基本原理是根据３个锚节点到未知节点的距离来确定未知节点的坐　标，即求３个已知圆心和半径的圆的交点，假设已知三个锚节点Ａ　（　，Ｙ　），Ａ：（　，ｙ　）和Ａ。（　，，Ｙ，）到未　知节点Ｕ（　，Ｙ　）的距离分别为ｄ　ｄ以，ｄ以，如图１所示。　收稿日期：２０１４—１０—１５　基金项目：国家留学基金项目（［２０１２］３０４３）；吉林省教育厅科学技术研究项目（［２００９］１０１）．　作者简介：李建坡（１９８０－），男，河北省定州市人，东北电力大学信息工程学院副教授，博士，主要研究方向：无线传感器网络、智能信　息处理．　第１期　李建坡等：无线传感器网络动态节点定位算法综述　５３　根据图１，有下式成立：　（　一　）　＋（Ｙ　一Ｙ　）　＝ｃｆ　（ｉ＝１，２，３），　解方程组，便可得到　点的坐标。　１．２　三角测量法　（１）　三角测量法（Ｔｒｉａｎｇｕｌａｔｉｏｎ）　７１也称为方位测量定位　法，通过锚节点发射到未知节点的信号到达角度来计算未　知节点的坐标，如图２所示，假设未知节点Ｕ（　，ｙ　），分别　测得锚节　ｈａ　（　，Ｙ　）和Ａ：（　：，Ｙ：）发出的信号到达角度分　别为０　和０　，则：　＾，　一　图１　三边测量法原理　ｙ　ｔａｎ（０　）＝　ｙ　一ｙ　（ｉ＝１，２），　（２）　求解该方程组，便可解得未知节点的坐标（　，ｙ　）。　１．３极大似然估计法　极大似然估计法（Ｍａｘｉｍｕｍ　Ｌｉｋｅｌｉｈｏｏｄ　Ｅｓｔｉｍａｔｉｏｎ）［８１的　原理是根据ｎ（ｎ≥３）个锚节点到未知节点的距离利用最小　二乘法计算节点坐标，假设ｎ个锚节点Ａ　（　，Ｙ　），Ａ：（　：，　Ｙ　），…，Ａ　（　，Ｙ　）到未知节点Ｕ（　，Ｙ　）的距离分别为ｄ　ｄ以，…，ｄ　，如图３所示，则下式成立：　（　一　）　＋（Ｙ　一Ｙ　）　＝ｄ　（ｉ＝１，２，…，Ｆｔ），　组表示为：　ＡＬ＝ｂ，　图２　三角测量法原理　（３）　从第一个方程分别减去最后一个方程，并用线性方程　（４）　Ａ２　２（　１一　）　●　２（Ｙ１一Ｙ　）　●　图３　极大似然估计法原理　其中，Ａ：　●　●　２（ｘ　一１一　）　２（ｙ　一１一Ｙ　）　『＿　６＝一　＋Ｙ　一Ｙ　＋ｄ　一ｄ　］　ｌ　：一　一　＋ｙ：一　一　＋ｄ：一ｄ　一　ｊ’　＝［　］。　（５）　使用最小二乘法得到方程组的最小二乘解为：　￡＝（Ａ　Ａ）　Ａ　ｂ，　估计。但是需要进行较多的浮点运算，从而增加了能量消耗。　当凡（ｎ≥３）个锚节点到未知节点的距离存在测量误差时，此方法能够得到具有最小均方差的坐标　２　ＷＳＮ节点定位算法评价标准　ＷＳＮ节点定位算法的性能直接影响其实用性和先进性，如下是国内外研究学者所关注的主要评价　指标。　（１）定位精度　这是定位技术的首要指标，一般用误差值与节点无线射程的比值来表示；　（２）网络规模　５４　东北电力大学学报　第３５卷　小同的定位系统或算法所能定位目标的数量是一个重要的评价指标，节点数量增加带来了网络通　信干扰、结构复杂度和通信复杂度的增加，规模的扩大对算法的适应性提出了考验；　（３）锚节点密度　锚节点的定位通常依赖于人工部署或者ＧＰＳ实现，锚节点占ＷＳＮ节点总数的比例称为锚节点密　度，一般锚节点的密度越大，定位精度越高，但定位的成本也就越高；　（４）节点密度　节点密度会影响ＷＳＮ的网络连通度，在连通度大的网络中，节点可以获得更多的定位辅助信息，但　是节点密瞍的增大不仅意味着网络部署费用的增加，而且会因为节点间的通信冲突问题带来有限带宽　的阻塞，节点密度通常用网络的平均连通度表示；　（５）容错性和自适应性　实际应用场合存在着多种不确定性，例如多径传播、通信盲点、节点能量耗尽、损坏等。这要求定位　系统和算法有较强的容错性和适应能力，能自动调整以减小不确定因素带来的错误和误差；　（６）功耗　由于传感器节点电池能量有限，因此在保证定位精度的前提下，与功耗密切相关的定位所需的计算　精、通信肝销、存储开销、时间复杂性是一组关键性指标；　（７）代价　包括时删、空间、成本等多种代价，主要是由定位算法决定节点的硬件设施。　上述指标是相互关联的，必须根据应用的具体需求做出权衡，以选择和设计合理的定位算法和定位　系统　３　ＷＳＮ动态节点定位常用算法　本文将现有的ＷＳＮ节点定位算法按照节点分布特点分为基于测距的动态节点定位算法和无需测　距的动态节点定位算法。　３．１　基于测距的动态节点定位算法　３．１．１　ＤＬＳ定位算法　２００６年，文献［９］提出了针对动态ＷＳＮ的ＤＬＳ（Ｄｙｎａｍｉｃ　Ｌｏｃａｌｉｚａｔｉｏｎ　Ｓｃｈｅｍｅｓ）算法，布置在指定区　域的锚　点具有较强的计算和通信能力、充足的能量、并且预先知道所在的位置，待定位节点能够在测　攮区城内自由移动，能够测量接收信号的强度，锚节点按照一定时间间隔周期性地广播自身ＩＤ消息，未　矢【】节点接收到三个或者三个以上锚节点广播的信息后，把锚节点ＩＤ以及接收到的信号强度打包送回到　埘心的锚　，锚节点在收到反馈后，计算未知节点到锚节点间的距离，然后利用三角测量法计算未知　的位置．　ＤＬＳ算法的位置计算集中在锚节点，所以减少了未知节点的能量开销以及内存消耗，但同　时　提高了对锚节点的硬件需求。　３．１．２　ＭＢＡＬ定位算法　２００７年，Ｋ．Ｋｉｍ等人提出ＭＢＡＬ（Ｍｏｂｉｌｅ　Ｂｅａｃｏｎ－Ａｓｓｉｓｔｅｄ　Ｌｏｃａｌｉｚａｔｉｏｎ）定位算法¨　，网络中部署一　个移动锚节点，锚节点能够在移动过程中获取自身位置坐标，锚节点按照预先设定的路径移动，按一定　的时间间隔发送信标数据包，未知节点接收记录信标信号，测得距锚节点的距离，使用三边定位法进行　定位，确定自身位置后，该未知节点转换为参考节点，协助其它节点定位，该算法利用了单个移动锚节　点，征满足一定的定位精度前提下，能够有效降低网络能耗。　３．１．２　Ｃｏｎｓｔｒａｉｎｅｄ　３一Ｄ定位算法　２００６年，密歇根理工大学的Ｊｉａｎｌｉｎ　Ｌｉａｎｇ等人提出一种限定空间内的三维定位算法Ｃｏｎｓｔｒａｉｎｅｄ　３一　Ｄ川三维空间中的信标节点从空间底层向顶层移动，未知节点通过测量与邻近锚节点之间距离推算　自身位置，定位后的未知节点转化为锚节点，协助其它节点定位。Ｃｏｎｓｔｒａｉｎｅｄ　３一Ｄ算法解决了三维空间　一多解的　题，但是由于定位精度与锚节点密度有关，锚节点密度不够大时，导致定位精度下降，定位节点　第１期　李建坡等：无线传感器网络动态节点定位算法综述　５５　直接升级为锚节点会产生误差积累，并且该算法需要测量实际距离，增加网络节点的硬件成本。　３．１．３　Ｌａｎｄｓｃａｐｅ一３Ｄ算法　２００６年，Ｌｉｑｉａｎｇ　Ｚｈａｎｇ等人提出Ｌａｎｄｓｃａｐｅ一３Ｄ算法　，该算法引入一个能够在网络中自由移动的　辅助定位装置（ＬＡ），ＬＡ周期性地广播其自身位置和发射功率信息，未知节点接收到广播信息并依靠　ＲＳＳ计算与辅助装置之间的距离来确定自身位置。同时该算法采用了ＵＫＦ（无损卡尔曼滤波）校准机　制来提高定位精度，分为即时方式和离线方式两种，算法的突出优点是定位效果不依赖于节点密度和网　络拓扑结构，但是该算法需要辅助定位装置搭载锚节点，因此成本较高；算法的即时迭代过程虽然对普　通节点的硬件要求不高，但网络计算量大大增加；离线方式不受时间限制，但是要求节点具有存储大量　观测信息的能力。　３．１．４　ＭＢＬ—ＭＤＳ定位算法　文献［１３］提出了一种基于移动信标多维尺度变换的定位算法ＭＢＬ－ＭＤＳ（Ｍｏｂｉｌｅ　Ｂｅａｃｏｎ－ｂａｓｅｄ　Ｌｏ－　ｃａｌｉｚａｔｉｏｎ　Ｕｓｉｎｇ　Ｃｌａｓｓｉｃａｌ　Ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ　Ｓｃａｌｉｎｇ），该算法将ＭＤＳ扩展到三维空间中的节点定位，单移　动信标节点在移动过程中发送信标信息包，未知节点收到不同位置的信标信息后利用ＲＳＳ计算距离，　然后对自身位置进行定位，在充分利用ＭＤＳ算法连通性的基础上，引入判决准则来解决多维尺度变换　中的不确定映射问题，引入选择规则来选择有用的参考节点，该算法具有缩短定位时间、提高定位精度　的优点。　３．２　无需测距的动态节点定位算法　３．２．１　ＭＣＬ定位算法　２００４年，弗吉尼亚大学的Ｌｉｎｇｘｕａｎ　Ｈｕ等人首次将应用在机器人定位领域的蒙特卡罗定位算法　（Ｍｏｎｔｅ　Ｃａｄｏ　Ｌｏｃａｌｉｚａｔｉｏｎ，ＭＣＬ）应用到ＷＳＮ中　１４］，ＭＣＬ算法的核心思想是用Ｎ个带权重的离散采样来　估计其后验概率密度，并利用重要性采样来迭代更新，算法主要包括预测阶段和过滤阶段。该算法利用　节点的移动性来提高精度，而且不需要额外的硬件，能够在存储有限，锚节点分布密度较低的情况下实　现定位，且具有较高的定位精度，但是定位需要大量的样本，定位所需的时间也长。　文献［１５］提出了一种基于模糊理论的蒙特卡洛移动节点定位算法，该方法通过对信号能量数值进　行模糊化，滤波条件的精确化来弥补ＭＣＬ的不足，仿真结果表明，该方法比传统ＭＣＬ定位时间缩短　５８．６％，定位精度比ＭＣＬ算法提高了约３７％。　文献［１６］提出了一种自适应蒙特卡罗无线传感器网络移动节点定位算法，该算法利用不同区域的　采样粒子对未知节点的定位精度影响不同，对不同区域的采样粒子自适应调整其影响权重，对未知节点　进行定位；同时，利用上一时刻采样粒子增加限定条件，提高定位精度。仿真结果表明，本算法在规则度　不同的条件下节点的定位误差平均下降了约１３％，在速度不同的条件下定位误差平均下降了约１０％，　网络覆盖率可达到９９．１９％。　文献［１７］提出了一种迭代ＭＣＬ定位算法，信标节点的位置信息在每个时间段只被其邻居节点转　发一次，但是接收到该信息的其它节点会保存它们，并在下一时间段将它们与待转发的信息融合成一个　数据包进一步转发，增加待定位节点用于估算前几个时间段位置样本集的观测值，从而提高算法的定位　精度，在信标节点密度较低时，更能体现算法的优越性。　文献［１８］提出了ＭＭＣＬ（Ｍｕｌｔｉ—ｈｏｐ—ｂａｓｅｄ　Ｍｏｎｔｅ　Ｃａｄｏ　Ｌｏｃａｌｉｚａｔｉｏｎ）算法，该算法不需要知道节点的　无线电射程，利用ＤＶ－ｈｏｐ算法来计算节点的平均每跳距离，利用节点到各锚节点的跳数和平均每跳距　离，给出节点的可能分布区域，应用ＭＣＬ求出满足条件的可能位置。　３．２．２　ＣＤＬ算法　文献［１９］提出了一种基于色彩理论的移动无线传感器网络动态定位算法ＣＤＬ（Ｃｏｌｏｒ—Ｔｈｅｏｒｙ—Ｂａｓｅｄ　Ｄｙｎａｍｉｃ　Ｌｏｃａｌｉｚａｔｉｏｎ）。传感器节点位置用ＲＧＢ值表示，节点运动速度服从［　Ｉ／　］间的均匀分布，锚节　点安装ＧＰＳ模块，知道其自身位置，该算法采用ＤＶ－ｈｏｐ算法　。　’获取节点间距离。其基本思想是：利用　无线传感器网络中全部锚节点的广播信息（例如节点位置以及ＲＧＢ值），在服务器上建立一个位置信息数　据库并协助每一个节点计算其ＲＧＢ值，进而计算节点的位置坐标，该算法采取集中式结构，适合应用于需　５６　东北电力大学学报　第３５卷　要服务器做监控或是收集数据信息的环境，其定位精度比ＭＣＬ算法¨　高出４０％一５０％。　文献［２２］在ＣＤＬ算法的基础上，提出了一种改进的ＣＤＬ算法（Ｅ—ＣＤＬ），主要特点是在ＤＶ—ｈｏｐ算　法中用欧氏距离和最短路径距离的比值代替原算法中的最短路径，用以提高算法的定位精度，仿真结果　表明，Ｅ—ＣＤＬ的定位精度比ＣＤＬ　１　提高了５０％一５５％，比ＭＣＬ¨　的定位精度提高了７５％一８０％。　３．２．３　ＳＢＬＳ定位算法　２００８年，戴桂兰等人提出了一种基于球面坐标的ＳＢＬＳ（Ｓｐｈｅｒｅ—Ｂａｓｅｄ　Ｌｏｃａｌｉｚａｔｉｏｎ　Ｓｃｈｅｍｅ）算法　，　将定位问题抽象为多元线性方程组求解问题，最终利用克莱姆法则解决多解、无解问题，算法假设节点　的空间信号传播模型为理想的球形，锚节点在移动过程中，周期性地广播信标信息，包括锚节点的ＩＤ　号、具体时刻及该时刻锚节点的空间位置，当未知节点获取到球体表面上不共面的四点位置后，则可以　唯一的确定对应球体的球心，即未知节点的位置。该算法的定位精度不依赖于锚节点的密度及通信半　径，通信量适中，但是定位时间较长，精度有限，在节点通信半径为１０　ｍ、锚节点密度为１０％的前提下，　相对定位误差为５０．７％。　３．２．４　Ｏｕ算法　２００８年，Ｃｈｉａ—Ｈｏ　Ｏｕ等人提出Ｏｕ算法　，该算法依赖于多个飞行锚节点，飞行锚节点在飞过网络　部署区域时，实时广播自身信标信息，未知节点接收信标信息后通过集合运算得到自身位置，该算法与　网络节点密度和拓扑结构无关，未知节点之间无需任何通信，通信开销小，能够获得一定的定位精度，但　是该算法需要直升飞机、热气球等基础设备搭载锚节点，因此成本较高，安全隐患大。　３．２．５　３Ｄ－ＡＤＡＬ算法　Ｅ．Ｇｕｅｒｒｅｒｏ等学者提出了基于无人机（ＵＡＶ）的ＷＳＮ三维分布式非测距定位算法３Ｄ—ＡＤＡＬ（ｔｈｒｅｅ　—ｄｉｍｅｎｓｉｏｎａｌ　ａｚｉｍｕｔｈａｌｌｙ　ｄｅｆｉｎｅｄ　ａｒｅａ　ｌｏｃａｌｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ）　，监测区域的传感器节点安装了全向天线，　ＵＡＶ安装有定向天线，ＵＡＶ在监测区域的飞行过程中按照一定的时间间隔广播虚拟信标信息，包括虚　拟信标信息的ＩＤ、ＵＡＶ的实时坐标、定向天线的方位角和倾斜角等，传感器收到多组信标信息之后，首　先估计其水平坐标，然后利用ＵＡＶ定向天线倾斜角等信息估计其垂直坐标，最后利用其它信标信息对　结果进行修正。该方法中，节点不需要额外的设备，有助于延长的无线传感器网络的生命周期，但是昂　贵的飞行器的配置在实际应用中是不切实际的。　３．３　ＷＳＮ节点定位常用算法特点比较　对于上述代表性的ＷＳＮ节点定位算法，其特点归纳见表１。　表１　常用动态节点定位算法的特点比较　第１期　李建坡等：无线传感器网络动态节点定位算法综述　５７　４　结　论　本文主要介绍了无线传感器网络动态节点定位算法的基本原理和国内外研究现状，从基于测距的　动态节点定位算法和无需测距的动态节点定位算法两个方面分类讨论了常用的节点定位及其改进算　法，通过上面的分析总结可以看出，目前研究的各类定位算法在网络结构、计算量、定位精度、应用范围　等方面存在较大差别，也取得了丰硕的研究成果，但仍有一些问题有待解决。　（１）大部分定位算法均是在理想条件下进行分析和验证，但是无线传感器网络往往部署在山地、丛　林或者水下等复杂环境中，实际环境中的很多因素，例如无线电传播路径损耗、地形遮挡物、无线信号传　输不规则性、大气折射误差等因素在算法中很少被考虑，算法缺少在实际应用环境中的测试效果；　（２）定位精度是目前大部分定位算法首先考虑的性能指标，算法复杂度、硬件成本、系统的能耗等　参数考虑不多，这也在一定程度上限制了其应用范围；　（３）无线传感器网络定位技术已经逐步从二维空间向三维空间扩展，这方面的研究有待加强。　因此，研究低成本、高能效、易于系统化的节点定位技术，研究能够有效延长网络生命周期的低复杂　度、低开销、低能耗的节点定位技术，研究考虑到无线电传播路径损耗、地形遮挡物、无线信号传输不规　则性、大气折射误差等因素的贴近现实场景的定位技术，研究高精度的动态节点定位及复杂三维空间中　的节点定位技术，将是未来研究的技术重点。　参考文献　［１］　ＬＯＷＥＬＬ　Ｊ　Ｒ．Ｍｉｌｉｔａｒｙ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆｌｏｃａｌｉｚａｔｉｏｎ，ｔｒａｃｋｉｎｇ，ａｎｄ　ｔａｒｇｅｔｉｎｇ［Ｊ］．ＩＥＥＥ　Ｗｉｒｅｌｅｓｓ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１１，１８（２）：６０—６５．　［２］　ｕ　Ｊ，ＺＨＯＮＧ　Ｘ，ＬＵＩ．Ｔｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌ　ｎｏｄｅ　ｌｏｃａｌｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ＷＳＮ　ｂａｓｅｄ　ｏｎ　ｄｉｆｆｅｒｅｎｔｉａｌ　ＲＳＳ　ｉｒｒｅｇｕｌａｒ　ｔｒａｎｓｍｉｓｓｉｏｎ　ｍｏｄｅｌ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１４，９（５）：３９１—３９７．　［３］　ＣＨＡＯ　Ｌ，ＭＥＮＧ　Ｓ．Ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ：ｔｒａｆｆｉｃ　ｉｎｆｏｒｍａｔｉｏｎ　ｐｒｏｖｉｄｅｒｓ　ｆｏｒ　ｉｎｔｅｌｌｉｇｅｎｔ　ｔｒａｎｓｐｏｒｔａｔｉｏｎ　ｓｙｓｔｅｍ［Ｃ］．１８ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒ－　ｅｎｃｅ　ｏｎＧｅｏｉｎｆｏｒｍａｔｉｃｓ，Ｂｅｉｊｉｎｇ，２０１０，６：１—５．　［４］　ｕ　Ｊ，．ＩｌＡＮＧ　Ｘ，ＬＵ　Ｉ．Ｅｎｅｒｇｙ　ｂａｌａｎｃｅ　ｒｏｕｔｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｖｉｔｒｕａｌ　ＭＩＭＯ　ｓｃｈｅｍｅ　ｆｏｒ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｓｅｎｓｏｒｓ，　２０１４（２０１４），ｈｔｔｐ：／／ｄｘ．ｄｏｉ．ｏｒｇ／１０．１　１５５／２０１４／５８９２４９．　［５］　ＨＡＲＴＥＲ　Ａ，ＨＯＰＰＥＲ　Ａ．Ａ　ｄｉｓｔｉｒｂｕｔｅｄ　ｌｏｃａｔｉｏｎ　ｓｙｓｔｅｍ　ｆｏｒ　ｔｈｅ　ａｃｔｉｖｅ　ｏｆｉｃｅ［Ｊ］．ＩｆＥＥＥ　Ｎｅｔｗｏｒｋ，１９９４，８（１）：６２—７０．　［６］　ＴＨＯＭＡＳ　Ｆ，ＲＯＳ　Ｌ．Ｒｅｖｉｓｉｔｉｎｇｔｒｉｌａｔｅｒａｔｉｏｎ　ｏｒ　ｆｒｏｂｏｔ　ｌｏｃａｌｉｚａｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｒｏｂｏｔｉｃｓ，２００５，２１（１）：９３—１０１．　［７］　ＹＯＲＫ　Ｇ，ＰＡＣＫ　Ｄ．Ｃｏｍｐａｒａｔｉｖｅ　ｓｔｕｄｙ　ｏｎ　ｔｉｍｅ—ｖａｒｙｉｎｇ　ｔａｒｇｅｔ　ｌｏｃａｌｉｚａｔｉｏｎ　ｍｅｔｈｏｄｓ　ｕｓｉｎｇ　ｍｕｌｔｉｐｌｅ　ｕｎｍａｎｎｅｄ　ａｅｒｉａｌ　ｖｅｈｉｃｌｅｓ：Ｋａｌｍａｎ　ｅｓｔｉｍａ－　ｔｉｏｎ　ａｎｄ　ｔｉｒａｎｇｕｌａｔｉｏｎ　ｔｅｃｈｎｉｑｕｅｓ［Ｃ］．ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｎｅｔｗｏｒｋｉｎｇ，Ｓｅｎｓｉｎｇ　ａｎｄ　Ｃｏｎｔｒｏｌ，Ｔｕｃｓｏｎ，２００５，３：３０５—３１０．　［８］　ＨＯＷＡＲＤ　Ａ，ＭＡＴＡＲＩＣ　Ｍ　Ｊ，ＳＵＫＨＡＴＭＥ　Ｇ　Ｓ．Ｌｏｃａｌｉｚａｔｉｏｎ　ｆｏｒ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｔｅａｍｓ　ｕｓｉｎｇ　ｍａｘｉｍｕｍ　ｌｉｋｅｌｉｈｏｏｄ　ｅｓｔｉｍａｔｉｏｎ［Ｃ］．ＩＥＥＥ／ＲＳＪ　Ｉｎ—　ｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｒｏｂｏｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓ，Ａｌｇａｒｖｅ，２００２，１０：４３４—４３９．　ａｂｌｅ　ｌｏｃａｌｉｚａｔｉｏｎ　ｓｃｈｅｍｅ　ｆｏｒ　ｄｙｎａｍｉｃ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｃ］．Ｆｉｒｓｔ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｍｕｌｔｉ—Ｓｙｍｐｏｓｉｕｍｓ　ｏｎ　［９］　ＣＨＥＮ　Ｘ，ＨＡＮ　Ｐ，ＨＥ　Ｑ　Ｓ．Ａ　ｖｉＣｏｍｐｕｔｅｒ　ａｎｄ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｓｃｉｅｎｃｅ，Ｈａｎｇｚｈｏｕ，２００６，６：５８７－５９３．　ｌｅ　ｂｅａｃｏｎ—ａｓｓｉｓｔｅｄ　ｌｏｃａｌｉｚａｔｉｏｎ　ｓｅｈｅｍｅ　ｆｏｒ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｃ］．１６ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　［１０］　ＫＩＭ　Ｋ，ＬＥＥ　Ｗ．ＭＢＡＬ：ａ　ｍｏｂｉＣｏｍｐｕｔｅｒ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　ａｎｄ　Ｎｅｔｗｏｒｋｓ，Ｈｏｎｏｌｕｌｕ，２００７，８：５７—６２．　ＬＩＡＮＧ　Ｊ，ＳＨＡＯ　Ｊ，ＸＵ　Ｙ，ＴＡＮ　Ｊ，ＤＡＶＩＳ　Ｂ　Ｔ，ＢＥＲＧＳＴＲＯＭ　ＰＬ，ｅｔ　ａ１．Ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋ　ｌｏｃａｌｉｚａｔｉｏｎ　ｉｎ　ｃｏｎｓｔｒａｉｎｅｄ　３一Ｄ　ｓｐａｃｅｓ［ｃ］．ＩＥＥＥ　Ｉｎ—　ｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｅｅｈａｔｒｏｎｉｃｓ　ａｎｄ　Ａｕｔｏｍａｔｉｏｎ，Ｚｈｅｎｇｚｈｏｕ，２００６，６：４９—５４．　　ｌｏｃａｌｉｚａｔｉｏｎ　ｓｃｈｅｍｅ　ｆｏｒ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ　ｏｖｅｒ　ｃｏｍｐｌｅｘ　３Ｄ　ｔｅｒｒａｉｎｓ［ｃ］．３１ｓｔ　［１２］　ＺＨＡＮＧ　Ｌ　Ｑ，ＺＨＯＵ　Ｘ　Ｂ，ＣＨＥＮＧ　Ｑ．Ｌａｎｄｓｃａｐｅ一３Ｄ：ａ　ｒｏｂｕｓｔＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｌｏｃａｌ　Ｃｏｍｐｕｔｅｒ　Ｎｅｔｗｏｒｋｓ，Ｔａｍｐａ，２００６，１１：２３９—２４６．　［１３］　ＫＩＭ　Ｅ，ＬＥＥ　Ｓ，ＫＩＭ　Ｃ．Ｍｏｂｉｌｅ　ｂｅａｃｏｎ—ｂａｓｅｄ　３Ｄ—ｌｏｃａｌｉｚａｔｉｏｎ　ｗｉｔｈ　ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ　ｓｃｌａｉｎｇ　ｉｎ　ｌａｒｇｅ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥ　Ｃｏｍｍｕｎｉｃａ—　ｔｉｏｎｓ　Ｌｅｔｔｅｒｓ，２０１０，１４（７）：６４７—６４９．　［１４］　ＨＵ　Ｌ　Ｘ，ＥＶＡＮＳ　Ｄ．Ｌｏｃａｌｉｚａｔｉｏｎ　ｆｏｒ　ｍｏｂｉｌｅ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｃ］．１Ｏｔｈ　Ａｎｎｕａｌ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｏｂｉｌｅ　Ｃｏｍｐｕｔｉｎｇ　ａｎｄ　Ｎｅｔｗｏｒ－　ｋｉｎｇ，Ｐｈｉｌａｄｅｌｐｈｉａ，２００４，９：４５—５７．　３０（１２）：１４７—１５０．　［１５］　李建坡，时明，谢岩，隋吉生．一种基于模糊理论的蒙特卡洛移动节点定位算法［Ｊ］．计算机应用与软件，２０１３，［１６］　李建坡，时明，钟鑫鑫．自适应蒙特卡罗无线传感器网络移动节点定位算法［Ｊ］．吉林大学学报：工学版，２０１４，４４（４）：１１９１—１１９６．　［１７］　董齐芬，俞立，陈友荣．移动无线传感网中的迭代蒙特卡罗定位算法研究［Ｊ］．传感技术学报，２０１０，２３（１２）：１８０３—１８０９．　５８　东北电力大学学报　第３５卷　［１８］ＹＩ　Ｊ，ＹＡＮＧ　Ｓ，ＣＨＡＨ．Ｍｕｌｔｉ—ｈｏｐ—ｂａｓｅｄＭｏｎｔｅ　Ｃａｒｌｏｌｏｃａｌｉｚａｔｉｏｎｆｏｒｍｏｂｉｌｅ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｃ］．４ｔｈＡｎｎｕａｌＩＥＥＥ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　Ｓｏｃｉｅｔｙ　Ｃｍｆｆｅｒｅｎｃｅ　ｏｎ　Ｓｅｎｓｏｒ，Ｍｅｓｈ　ａｎｄ　Ａｄ　Ｈｏｃ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　ａｎｄ　Ｎｅｔｗｏｒｋｓ，Ｓａｎ　Ｄｉｅｇｏ，２００７，６：１６２—１７１．　［１９］ＣＨＡＮＧ　Ｔ，ＷＡＮＧ　Ｋ，ＨＳＩＥＨ　Ｙ　Ｌ．Ｃｏｌｏｒ—ｔｈｅｏｒｙ—ｂａｓｅｄ　ｄｙｎａｍｉｃ　ｌｏｃａｌｉｚａｔｉｏｎ　ｉｎ　ｍｏｂｉｌｅ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｃ］．１　Ｓｔ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｗｉｒｅ—　ｌｅｓｓ　Ａｄ　Ｈｏｃ　Ｓｅｎｓｏｒ　Ｎｅｔｗｏｒｋｓ，Ｌｏｎｄｏｎ，２００５，５：７３—７８．　［２０］ＨＥ　Ｔ，ＨＵＡＮＧ　Ｃ　Ｄ，ＢＬＵＭ　Ｂ　Ｍ，ＳＴＡＮＫＯＶＩＣ　Ｊ　Ａ，ＴＡＲＥＫ　ＡＢＤＥＬＺＡＨＥＲ．Ｒａｎｇｅ—ｆｒｅｅ　ｌｏｃａｌｉｚａｔｉｏｎ　ｓｃｈｅｍｅｓ　ｆｏｒ　ｌａｒｇｅ　ｓｃａｌｅ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ　［Ｃ］．９ｔｈ　Ａｎｎｕａｌ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｏｂｉｌｅ　Ｃｏｍｐｕｔｉｎｇ　ａｎｄ　Ｎｅｔｗｏｒｋｉｎｇ，Ｓａｎ　Ｄｉｅｇｏ，２００３．８１—９５．　［２１］ＤＯＨＥＲＴＹ　Ｌ，ＰＩＳＴＥＲＫ　Ｓ　Ｊ，ＧＨＡＯＵＩ　Ｌ　Ｅ．Ｃｏｎｖｅｘ　ｐｏｓｉｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎｉｎｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［ｃ］．２０ｔｈＡｎｎｕａｌ　Ｊｏｉｎｔ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｆｔｈｅ　ＩＥＥＥ　Ｃｏｍｐｕｔｅｒ　ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　Ｓｏｃｉｅｔｉｅｓ，Ａｎｃｈｏｒａｇｅ，２００１，４：１６５５—１６６３．　［２２］ＣＨＡＮＧ　Ｔ　Ｃ，ＷＡＮＧ　Ｋ　Ｃ，ＨＳＩＥＨ　Ｙ　Ｌ．Ｅｎｈａｎｃｅｄ　ｃｏｌｏｒ—ｔｈｅｏｒｙ—ｂａｓｅｄ　ｄｙｎａｍｉｃ　ｌｏｃａｌｉｚａｔｉｏｎ　ｉｎ　ｍｏｂｉｌｅ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｃ］．ＩＥＥＥ　Ｗｉｒｅｌｅｓｓ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　ａｎｄ　Ｎｅｔｗｏｒｋｉｎｇ　Ｃｏｎｆｅｒｅｎｃｅ，Ｈｏｎｇ　Ｋｏｎｇ，２００７，３：３０６４—３０６９．　［２３］戴桂兰，赵冲冲，邱岩．一种基于球面坐标的无线传感器网络三维定位机制［Ｊ］．电子学报，２００８，３６（７）：１２９７—１３０３．　［２４］ＯＵ　Ｃ　Ｈ，ＳＳＵ　Ｋ　Ｆ．Ｓｅｎｓｏｒ　ｐｏｓｉｔｉｏｎ　ｄｅｔｅｒｍｉｎａｔｉｏｎｗｉｔｈｆｌｙｉｎｇ　ａｎｃｈｏｒｓｉｎｔｈｒｅｅ—ｄｉｍｅｎｓｉｏｎａｌｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｍｏｂｉｌｅ　Ｃｏｍｐｕｔｉｎｇ，２００８，７（９）：１０８４—１０９７．　［２５］ＧＵＥＲＲＥＲＯ　Ｅ，ＡＬＶＡＲＥＺ　Ｊ，ＲＩＶＥＲＯ　Ｌ．３Ｄ—ＡＤＡＬ：Ａ　ｔｈｒｅｅ—ｄｉｍｅｎｓｉｏｎａｌ　ｄｉｓｔｒｉｂｕｔｅｄ　ｒａｎｇｅ—ｆｒｅｅ　ｌｏｃａｌｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ　ｂａｓｅｄ　ｏｎ　ｕｎｍａｎｎｅｄ　ａｅｒｉａｌ　ｖｅｈｉｃｌｅｓ［Ｃ］．５ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｄｉｇｉｔａｌ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｍａｎａｇｅｍｅｎｔ，Ｔｈｕｎｄｅｒ　Ｂａｙ，２０１０，７：　３３２—３　８　Ｒｅｖｉｅｗ　ｏｆ　Ｄｙｎａｍｉｃ　Ｎｏｄｅ　Ｌｏｃａｌｉｚａｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　ｆｏｒ　Ｗｉｒｅｌｅｓｓ　Ｓｅｎｓｏｒ　Ｎｅｔｗｏｒｋｓ　ＬＩ　Ｊｉａｎ．ｐｏ　，ＺＨＯＮＧ　Ｘｉｎ．ｘｉｎ　，ＸＵ　Ｃｈｕｎ　（Ｉ．Ｓｃｈｏｏｌ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎｏｒｔｈｅａｓｔ　Ｄｉａｎｌｉ　Ｕｎｉｖｅｒｓｉｔｙ，Ｊｉｌｉｎ　Ｊｉｌｉｎ　１３２０１２；２．Ｓｔａｔｉｏｎ　２０２１，Ｓｔａｔｅ　Ａｄｍｉｎｉｓｔｒａｔｉｏｎ　ｏｆ　Ｐｒｅｓｓ，Ｐｕｂｌｉｃａｔｉｏｎ，Ｒａｄｉｏ，Ｆｉｌｍ　ａｎｄ　Ｔｅｌｅｖｉｓｉｏｎ，Ｑｉｑｉｈａｅｒ　ＨｅｉＬｏｎｇｊｉａｎｇ　１６１０００）　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｐｒｉｎｃｉｐｌｅ　ｏｆ　ｎｏｄｅ　ｌｏｃａｌｉｚａｔｉｏｎ，ｔｈｅ　ｌａｔｅｓｔ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｒｅｌａｔｅｄ　ａｌｇｏｒｉｔｈｍｓ　ａｎｄ　ｔｈｅ　ｅｖａｌｕａｔｉｏｎ　ｓｔａｎｄａｒｄｓ　ｏｆ　Ｗｉｒｅｌｅｓｓ　Ｓｅｎｓｏｒ　Ｎｅｔｗｏｒｋ（ＷＳＮ）ａｒｅ　ｉｎｔｒｏｄｕｃｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｄｅｔａｉｌｅｄ　ｐｅｒｆｏｒｍａｎｃｅ　ａｎａｌｙｓｉｓ　ａｎｄ　ｃｏｍｐａｒｉｓｏｎ　ｏｆ　ｔｙｐｉｃａｌ　ｌｏｃａｌｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍｓ（ｒａｎｇｅ—ｂａｓｅｄ　ｄｙｎａｍｉｃ　ｎｏｄｅ　ａｎｄ　ｒａｎｇｅ—　ｆｒｅｅ　ｄｙｎａｍｉｃ　ｎｏｄｅ），ｔｈｅ　ｐｒｏｂｌｅｍｓ　ｏｆ　ｃｕｒｒｅｎｔ　ｒｅｓｅａｒｃｈｅｓ　ａｎｄ　ｆｕｒｔｈｅｒ　ｄｉｒｅｃｔｉｏｎｓ　ｗｅｒｅ　ｐｏｉｎｔｅｄ　ｏｕｔ．　Ｋｅｙ　ｗｏｒｄｓ：Ｗｉｒｅｌｅｓｓ　ｓｅｎｓｏｒ　ｎｅｔｗｏｒｋｓ；Ｎｏｄｅ　ｌｏｃａｌｉｚａｔｉｏｎ；Ｒｅｖｉｅｗ