基于HDV-Hop的無(wú)線傳感器網(wǎng)絡(luò)大型室內(nèi)定位算法研究

孫寶山　劉晟源　劉驍驍

(天津工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與軟件學(xué)院　天津 300387)

0　引　言

在物聯(lián)網(wǎng)IoT中，資料收集、跟蹤目標(biāo)、管理信息、環(huán)境監(jiān)測(cè)和基于地理位置的消息路由等大量工作中都要求精準(zhǔn)的節(jié)點(diǎn)位置信息提供保障[1]。因此，無(wú)線定位技術(shù)作為物聯(lián)網(wǎng)的核心支撐技術(shù)長(zhǎng)時(shí)間以來(lái)都持續(xù)受到了國(guó)際學(xué)術(shù)專家們普遍關(guān)注。衛(wèi)星定位技術(shù)目前以全球定位系統(tǒng)GPS為代表，雖然已經(jīng)可以在較為開闊的室外環(huán)境提供精度很高的定位服務(wù)，但在封閉環(huán)境下，例如室內(nèi)或者地下環(huán)境中，因?yàn)檎系K物阻擋了衛(wèi)星定位信號(hào)、以及多種途徑傳播等因素影響，很難對(duì)其實(shí)現(xiàn)高效定位[2]。而無(wú)線傳感器網(wǎng)絡(luò)WSN定位技術(shù)因其成本低，易實(shí)施，抗干擾性強(qiáng)等優(yōu)點(diǎn)已經(jīng)成為大規(guī)模室內(nèi)公共場(chǎng)所定位的一個(gè)重要解決方式。

按照測(cè)量節(jié)點(diǎn)彼此之間長(zhǎng)度是否必要，無(wú)線傳感器網(wǎng)絡(luò)定位技術(shù)基本可以分成必要測(cè)距的定位方法[3-4]和不必要測(cè)距的定位方法[5]兩種方式。必要測(cè)距的定位方式是通過(guò)檢測(cè)出在空間之內(nèi)所有節(jié)點(diǎn)彼此的長(zhǎng)度距離以及角度信息，如利用未知節(jié)點(diǎn)。通過(guò)使用未知節(jié)點(diǎn)與一定數(shù)量的錨節(jié)點(diǎn)間的接收信號(hào)指示強(qiáng)度RSSI[6]、無(wú)線電波從發(fā)射結(jié)點(diǎn)到接收節(jié)點(diǎn)的傳播時(shí)間TOA[7]、傳播時(shí)間差 TDOA[8]、信號(hào)到達(dá)角度AOA[9]等測(cè)量數(shù)據(jù)來(lái)獲取節(jié)點(diǎn)彼此之間的距離，之后使用三邊測(cè)量法、三角測(cè)量法以及極大似然估計(jì)法等幾何算法從而找到未知節(jié)點(diǎn)，因此定位精度相對(duì)較高。然而這些算法均需要額外的軟硬件資源來(lái)對(duì)節(jié)點(diǎn)距離信息進(jìn)行測(cè)量，這增加了算法在實(shí)際應(yīng)用中的成本以及能耗[10]?；诜菧y(cè)距的定位算法通常根據(jù)拓?fù)潢P(guān)系或者事件的先后順序來(lái)獲取未知節(jié)點(diǎn)的位置，無(wú)需測(cè)量節(jié)點(diǎn)間的實(shí)際距離。這樣在一定程度上會(huì)增加定位誤差，但是大幅度降低了測(cè)量成本和能耗，因此它的發(fā)展十分迅速。目前以不必要測(cè)距的定位為基礎(chǔ)的算法主要包括質(zhì)心定位算法[11]、DV-Hop定位算法[12]和三角形內(nèi)點(diǎn)測(cè)試定位算法(也稱APIT 定位算法[13])，凸規(guī)劃定位算法[14]和MDS-MAP定位算法[15]等。

1　相關(guān)研究

DV-Hop算法是在不必要測(cè)距的定位算法中比較經(jīng)典的一種算法[16]。該算法基于距離矢量路由思想。如果網(wǎng)絡(luò)環(huán)境中幾點(diǎn)網(wǎng)絡(luò)連通度較高并且各向同性密集，能取得較好的定位效果，但網(wǎng)絡(luò)環(huán)境中的節(jié)點(diǎn)隨機(jī)分布，錨節(jié)點(diǎn)的分布無(wú)規(guī)律，會(huì)造成能耗的浪費(fèi)與成本的增加。同時(shí)因?yàn)槠骄嗾`差大、實(shí)際路徑被直線路徑代替等原因而存在定位誤差大的問(wèn)題。為解決這些問(wèn)題，目前主要有三個(gè)部分對(duì) DV-hop 算法進(jìn)行改進(jìn): (1) 與其他的定位算法相結(jié)合，比如文獻(xiàn)[17]通過(guò)使用RSSI算法增加了一個(gè)關(guān)于錨節(jié)點(diǎn)與未知節(jié)點(diǎn)之間的修正值，從而提高了算法的定位精度；(2) 對(duì)平均每跳距離進(jìn)行改進(jìn)，比如文獻(xiàn)[18]對(duì)錨節(jié)點(diǎn)的平均每跳距離進(jìn)行算術(shù)平均處理；(3) 將定位計(jì)算方法做最后一步改進(jìn)，文獻(xiàn)[19]中利用QR分解代替最小二乘法來(lái)計(jì)算節(jié)點(diǎn)坐標(biāo)以減小誤差。這些改進(jìn)一定程度上減小了節(jié)點(diǎn)實(shí)際路徑與計(jì)算路徑的誤差，但是并沒(méi)有根本上解決DV-Hop在計(jì)算跳距階段所產(chǎn)生的非線性最小二乘問(wèn)題，同時(shí)又增加了算法的整體復(fù)雜度，增加了能耗。為改善這些問(wèn)題，文獻(xiàn)[20]以傳統(tǒng)的DV-Hop算法為基礎(chǔ)提出了HDV-Hop(Hybrid DV-Hop)算法，對(duì)錨節(jié)點(diǎn)的部署、洪泛方式以及距離的計(jì)算都做出了重大調(diào)整。首先在節(jié)點(diǎn)的布局方面，將錨節(jié)點(diǎn)部署在傳感器網(wǎng)絡(luò)外圍形成錨節(jié)點(diǎn)環(huán)，另外使用基站作為所有節(jié)點(diǎn)的數(shù)據(jù)通信中心，并承擔(dān)定位算法計(jì)算部分的工作。這種布局方式便于部署并且應(yīng)用性強(qiáng)，同時(shí)將后續(xù)的計(jì)算工作放到基站減少了傳感器節(jié)點(diǎn)因計(jì)算而消耗的能量，讓這種算法在大范圍內(nèi)定位無(wú)線傳感器網(wǎng)絡(luò)方面更具實(shí)用性。在計(jì)算階段，HDV-Hop算法使用非線性最小二乘優(yōu)化算法估算錨節(jié)點(diǎn)與未知節(jié)點(diǎn)間的距離，從而使定位精度到一個(gè)全新的高度。HDV-Hop算法包含四個(gè)階段，其算法流程圖如圖1所示。

圖1　HDV-Hop算法的流程圖

在第一階段中，錨節(jié)點(diǎn)將包含有自身ID，坐標(biāo)和變量HopCounti(初始為0)的信息洪泛至網(wǎng)絡(luò)內(nèi)所有節(jié)點(diǎn)。節(jié)點(diǎn)在保存錨節(jié)點(diǎn)信息之前會(huì)根據(jù)錨節(jié)點(diǎn)的ID檢查HopCounti的值，只保留HopCounti最小的值。在第二階段中，錨節(jié)點(diǎn)i計(jì)算平均每跳距離，公式如下：

(1)

式中：M表示網(wǎng)絡(luò)中錨節(jié)點(diǎn)的個(gè)數(shù)，j代表其他錨節(jié)點(diǎn)，HopCounti,j代表錨節(jié)點(diǎn)i和錨節(jié)點(diǎn)j之間的跳數(shù)，(xi,yi)和(xj,yj)分別代表錨節(jié)點(diǎn)i和錨節(jié)點(diǎn)j的坐標(biāo)。在計(jì)算完AvgHopLengthi后，錨節(jié)點(diǎn)i將它的ID，坐標(biāo)以及AvgHopLengthi發(fā)送到基站。在第三階段中，未知節(jié)點(diǎn)也將包含有自身ID，到錨節(jié)點(diǎn)i的跳數(shù)信息HopCounti發(fā)送到基站。在第四階段中，對(duì)于每一個(gè)未知節(jié)點(diǎn)，基站首先根據(jù)式(2)估算出未知節(jié)點(diǎn)到錨節(jié)點(diǎn)i的距離di，然后使用trilateration算法估算出未知節(jié)點(diǎn)的坐標(biāo)位置，從而完成定位。

di=AverageHopLengthi×HopCounti

(2)

2　算法改進(jìn)

2.1　錨節(jié)點(diǎn)的矩形環(huán)繞布局

錨節(jié)點(diǎn)通常是預(yù)先安裝了GPS等定位裝置的傳感器，在室內(nèi)、地下等環(huán)境中，其衛(wèi)星信號(hào)會(huì)受到干擾使得位置信息出現(xiàn)較大誤差，從而影響后續(xù)定位的精確度。另外在HDV-Hop中，對(duì)錨節(jié)點(diǎn)的布局形狀做了多種實(shí)驗(yàn)，比如圓形、三角形和矩形，并指出使用相同的定位算法。實(shí)驗(yàn)結(jié)果是隨著錨節(jié)點(diǎn)數(shù)量的變化，使用矩形布局的誤差要明顯小于傳統(tǒng)的圓形布局，而且是三種布局方式中最穩(wěn)定的一種，如圖2所示。

圖2　三種形狀布局實(shí)驗(yàn)誤差比較

由于在對(duì)無(wú)線傳感器網(wǎng)絡(luò)定位技術(shù)具有強(qiáng)烈需求的超市、地下停車場(chǎng)、機(jī)場(chǎng)等大型室內(nèi)公共場(chǎng)所中，絕大部分的監(jiān)測(cè)區(qū)域都是矩形的，同時(shí)矩形的規(guī)則性更加方便我們利用其特點(diǎn)做出改進(jìn)。因此本文決定將矩形作為新型定位算法的布局方式，如圖3所示。為方便后續(xù)的實(shí)驗(yàn)，我們將圓形的HDV-Hop算法稱為HDV-Hop定位算法，矩形的HDV-Hop算法稱為RHDV-Hop定位算法RHDV-Hop(Rectangular HDV-Hop)。

圖3　在RHDV-Hop分布的傳感器節(jié)點(diǎn)

和DV-Hop算法中錨節(jié)點(diǎn)與未知節(jié)點(diǎn)一樣隨機(jī)拋撒在網(wǎng)絡(luò)區(qū)域內(nèi)不同，RHDV-Hop定位算法中的錨節(jié)點(diǎn)是預(yù)先部署在大型公共場(chǎng)所的邊緣。這樣在部署的過(guò)程中不需要額外的定位裝置就可以獲得錨節(jié)點(diǎn)的精確位置，減小了錨節(jié)點(diǎn)的制造成本，為后續(xù)對(duì)未知節(jié)點(diǎn)的定位提供了保障。另外將錨節(jié)點(diǎn)固定在網(wǎng)絡(luò)邊緣還可以為錨節(jié)點(diǎn)提供穩(wěn)定持續(xù)的能量，保證了錨節(jié)點(diǎn)的存活率，還便于對(duì)錨節(jié)點(diǎn)進(jìn)行日常管理與維護(hù)。

2.2　平均每跳的距離

在無(wú)線傳感器網(wǎng)絡(luò)中，節(jié)點(diǎn)間數(shù)據(jù)的路由并不是沿直線傳輸?shù)?，在?jié)點(diǎn)間的跳數(shù)比較多的情況下，通信線路會(huì)變得彎曲，平均每跳距離只是籠統(tǒng)的將直線代替彎曲的線路。因此平均每跳距離并不是一個(gè)確定的值，它的大小與每個(gè)錨節(jié)點(diǎn)的拓?fù)溆嘘P(guān)。平均每跳距離的不同如圖4所示。

(a) A1的拓?fù)浣Y(jié)構(gòu)

(b) A2的拓?fù)浣Y(jié)構(gòu)

(c) A3的拓?fù)浣Y(jié)構(gòu)圖4　拓?fù)浣Y(jié)構(gòu)

在圖4中，錨節(jié)點(diǎn)A距離錨節(jié)點(diǎn)B 20米1跳，距離錨節(jié)點(diǎn)C 10米1跳，距離錨節(jié)點(diǎn)D40米2跳。在三種情況下使用式(1)計(jì)算錨節(jié)點(diǎn)A的平均每跳距離分別為：AvgHopLengthA1=(10+20)/2=15 m/hop，AvgHopLengthA2=(10+20+40)/(1+2)=17.5 m/hop，和AvgHopLengthA3=(20+40)/(1+2)=20 m/hop。比較(a)和(b)兩種情況，(b)中增加了一個(gè)錨節(jié)點(diǎn)D，改變了原有的拓?fù)浣Y(jié)構(gòu)，使得A的平均每跳距離發(fā)生變化；比較(a)和(c)兩種情況，錨節(jié)點(diǎn)的數(shù)量一樣，但是拓?fù)洳煌?，A的平均每跳距離也不相同。

對(duì)于每一個(gè)未知節(jié)點(diǎn)到所有錨節(jié)點(diǎn)的拓?fù)?，也是不完全相同的，如圖5所示。

(a) U1的拓?fù)浣Y(jié)構(gòu)　(b) U2的拓?fù)浣Y(jié)構(gòu)　　(c) U3的拓?fù)浣Y(jié)構(gòu)圖5　未知節(jié)點(diǎn)到所有錨節(jié)點(diǎn)的拓?fù)?/p>

在圖5中，錨節(jié)點(diǎn)的位置雖然沒(méi)有發(fā)生變化，但是對(duì)于未知節(jié)點(diǎn)U1、U2和U3來(lái)說(shuō)，它們的拓?fù)浣Y(jié)構(gòu)卻不相同。從拓?fù)浣Y(jié)構(gòu)上來(lái)看，未知節(jié)點(diǎn)U1的周圍都是一跳錨節(jié)點(diǎn)，它的拓?fù)浣Y(jié)構(gòu)與圖4中的A1類似，同樣的U2、U3分別與A2、A3的拓?fù)浣Y(jié)構(gòu)基本一樣。如果一個(gè)錨節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)與未知節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)相契合，也就是說(shuō)它們的平均每跳距離相差不大，根據(jù)DV-Hop里面的算法，通過(guò)選取每一個(gè)錨節(jié)點(diǎn)的平均每跳距離乘以每一個(gè)錨節(jié)點(diǎn)到該位置節(jié)點(diǎn)跳數(shù)計(jì)算距離，本文嘗試通過(guò)選錨節(jié)點(diǎn)的平均每跳距離來(lái)計(jì)算距離，實(shí)驗(yàn)結(jié)果如圖6所示。

圖6　DV-Hop算法和RHDV-Hop算法中 使用平均每跳距離誤差對(duì)比

從圖6中可以看出選擇平均每跳距離來(lái)計(jì)算距離有一定的優(yōu)勢(shì)，因此選擇恰當(dāng)?shù)钠骄刻嚯x將會(huì)是相當(dāng)關(guān)鍵的一步。在選取平均每跳距離計(jì)算未知節(jié)點(diǎn)到錨節(jié)點(diǎn)的距離時(shí)，HDV-Hop算法使用式(2)，因?yàn)閷?duì)于圓形的錨節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu)來(lái)說(shuō)，每個(gè)錨節(jié)點(diǎn)的平均每跳距離基本相同，無(wú)法進(jìn)行選取。而在RHDV-Hop定位算法中，矩形增加了錨節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)。

我們定義“AverageHop”作為標(biāo)準(zhǔn)來(lái)選取平均每跳距離。

(3)

式中：M代表網(wǎng)絡(luò)中錨節(jié)點(diǎn)的個(gè)數(shù)，對(duì)于錨節(jié)點(diǎn)i的平均跳數(shù)來(lái)說(shuō)j代表其他錨節(jié)點(diǎn)，HopCountj代表其他錨節(jié)點(diǎn)j距離錨節(jié)點(diǎn)i的跳數(shù)，對(duì)于未知節(jié)點(diǎn)i的平均跳數(shù)來(lái)說(shuō)j代表所有錨節(jié)點(diǎn)，HopCountj代表所有錨節(jié)點(diǎn)j距離未知節(jié)點(diǎn)i的跳數(shù)。圖5中U1的平均跳數(shù)(1+1+1+1)/4=1，與圖1中A1的平均跳數(shù)為(1+1)/2=1相當(dāng)， U2的平均跳數(shù)為(1+1+1+2)/4=1.25，與圖2中A2的平均跳數(shù)為(1+1+2)/3=1.33較為相當(dāng)，U3的平均跳數(shù)為(1+1+2+2)/4=1.5，與A3的平均跳數(shù)為(1+2)/2=1.5較為相當(dāng)。

2.3　算法描述

“平均跳數(shù)”是應(yīng)用在新型定位算法中的第四階段，目的是選取一個(gè)與未知節(jié)點(diǎn)的整體拓?fù)浣Y(jié)構(gòu)最吻合的錨節(jié)點(diǎn)，然后使用該錨節(jié)點(diǎn)的平均每跳距離作為全局平均每跳距離進(jìn)行計(jì)算。以下是新型定位算法的詳細(xì)流程圖7，算法的主要步驟如下：

第一步：全部錨節(jié)點(diǎn)將自己的坐標(biāo)與跳數(shù)(初始為0)洪泛至所有節(jié)點(diǎn)。

第二步：錨節(jié)點(diǎn)通過(guò)獲得的其他錨節(jié)點(diǎn)坐標(biāo)以及之間的跳數(shù)計(jì)算出每個(gè)錨節(jié)點(diǎn)的平均每跳距離，同時(shí)計(jì)算出它們的平均跳數(shù)，作為錨節(jié)點(diǎn)自身的另一個(gè)數(shù)據(jù)一起發(fā)送給基站。

第三步：未知節(jié)點(diǎn)將之前獲得到達(dá)每個(gè)錨節(jié)點(diǎn)所需要的跳數(shù)添加進(jìn)自身數(shù)據(jù)發(fā)送給基站。

第四步：基站在收到未知節(jié)點(diǎn)的數(shù)據(jù)后，開始根據(jù)全部未知節(jié)點(diǎn)到所有錨節(jié)點(diǎn)的跳數(shù)值計(jì)算出全局平均跳數(shù)。然后與每個(gè)錨節(jié)點(diǎn)的平均跳數(shù)值做對(duì)比，選取差別最小的平均跳數(shù)對(duì)應(yīng)的錨節(jié)點(diǎn)，再使用這個(gè)錨節(jié)點(diǎn)所對(duì)應(yīng)的平均每跳距離作為全局平均每跳距離進(jìn)行估算距離。

第五步：通過(guò)之前選取到的全局平均每跳距離估算出未知節(jié)點(diǎn)到錨節(jié)點(diǎn)的距離，然后通過(guò)Levenberg-Marquardt 算法估算未知節(jié)點(diǎn)位置坐標(biāo)。

圖7　改善RHDV-Hop的流程圖

3　仿真試驗(yàn)與結(jié)果分析

3.1　仿真環(huán)境

本文使用Matlab進(jìn)行實(shí)驗(yàn)仿真，在滿足基站存在，并且所有節(jié)點(diǎn)都會(huì)發(fā)送數(shù)據(jù)到基站的條件下，通過(guò)改變傳感器網(wǎng)絡(luò)規(guī)模(包括網(wǎng)絡(luò)面積和網(wǎng)絡(luò)內(nèi)傳感器節(jié)點(diǎn)的個(gè)數(shù))，錨節(jié)點(diǎn)個(gè)數(shù)和未知節(jié)點(diǎn)個(gè)數(shù)三種情況對(duì)HDV-Hop算法、RHDV-Hop算法和Improved RHDV-Hop算法的定位誤差進(jìn)行比較。仿真結(jié)果如圖8-圖10所示，其中每張圖的定位誤差為30次實(shí)驗(yàn)的平均值。

假定所有錨節(jié)點(diǎn)平均分布在網(wǎng)絡(luò)邊緣，未知節(jié)點(diǎn)隨機(jī)分布在網(wǎng)絡(luò)中央，所有節(jié)點(diǎn)的通信半徑為100 m。目前室內(nèi)定位技術(shù)通常使用Zigbee通信技術(shù)，其通信距離一般為100 m左右[21]。使用平均誤差來(lái)作為衡量定位誤差的標(biāo)準(zhǔn)，公式為:

(4)

3.2　仿真結(jié)果分析

3.2.1不同網(wǎng)絡(luò)規(guī)模的仿真結(jié)果比較

在圖8的仿真實(shí)驗(yàn)中，將無(wú)線傳感器網(wǎng)絡(luò)區(qū)域面積設(shè)置從50 000增加到500 000 m2，這與車庫(kù)、超市、機(jī)場(chǎng)等大型公共場(chǎng)所面積相吻合，另外在面積增加的同時(shí)，我們也相應(yīng)的增加未知節(jié)點(diǎn)數(shù)和錨節(jié)點(diǎn)數(shù)。

圖8　不同區(qū)域值的平均定位誤差

從圖8中可以看出，將布局方式改為矩形的HDV-Hop算法的定位誤差和HDV-Hop算法相比較并沒(méi)有增加。而無(wú)論網(wǎng)絡(luò)面積以及節(jié)點(diǎn)密度的增加，新型的RHDV-Hop算法的定位誤差一直都是最低的。這就意味著新型RHDV-Hop算法的定位精確度要好于HDV-Hop算法和RHDV-Hop算法。

3.2.2不同錨節(jié)點(diǎn)數(shù)量的仿真結(jié)果比較

在圖9的仿真實(shí)驗(yàn)中，我們分別把網(wǎng)絡(luò)面積和未知節(jié)點(diǎn)數(shù)固定為200 000 m2和1 000，將錨節(jié)點(diǎn)的數(shù)量從50增加到200，每次增加25個(gè)。

圖9　在不同數(shù)量的錨點(diǎn)上的平均定位誤差

從圖9可以看出RHDV-Hop算法的定位誤差和HDV-Hop算法相比較并沒(méi)有增加。而無(wú)論錨節(jié)點(diǎn)怎樣增加，改進(jìn)RHDV-Hop算法的定位誤差一直都是最低的。這就意味著新型RHDV-Hop算法的定位精確度較HDV-Hop算法和RHDV-Hop算法要更好。另外我們能夠得到的是不管錨節(jié)如何變化，三種算法的定位精確度變化都不是很大，可以說(shuō)明在實(shí)際環(huán)境中沒(méi)有必要部署過(guò)多的錨節(jié)點(diǎn)就可以達(dá)到同樣的定位效果。

3.2.3不同未知節(jié)點(diǎn)的仿真結(jié)果比較

在圖10的仿真實(shí)驗(yàn)中，我們分別把網(wǎng)絡(luò)面積和錨節(jié)點(diǎn)數(shù)固定為200 000 m2和100，將未知節(jié)點(diǎn)的數(shù)量從500增加到2 000，每次增加250個(gè)。

從圖10可以看出，RHDV-Hop算法的定位誤差和HDV-Hop算法相比較并沒(méi)有增加。而無(wú)論未知節(jié)點(diǎn)怎樣變化，新型的RHDV-Hop算法的定位誤差一直都是最低的。這就意味著新型RHDV-Hop算法的定位精確度要比HDV-Hop算法和RHDV-Hop算法更優(yōu)。我們還能發(fā)現(xiàn)，在未知節(jié)點(diǎn)的增加的同時(shí)，三種算法的定位精確度也在逐漸提高。在實(shí)際環(huán)境中，節(jié)點(diǎn)對(duì)應(yīng)著用戶，說(shuō)明在一個(gè)公共場(chǎng)所里，用戶密度越大，算法定位精度越好。

圖10　不同數(shù)量傳感器的平均定位誤差

4　結(jié)　語(yǔ)

本文針對(duì)大型公共場(chǎng)所對(duì)無(wú)線傳感器網(wǎng)絡(luò)定位技術(shù)的需求，在現(xiàn)有的HDV-Hop定位算法的基礎(chǔ)上進(jìn)行改進(jìn)。首先將錨節(jié)點(diǎn)部署在大型公共場(chǎng)所中比較常見(jiàn)的矩形邊緣，同時(shí)利用得出的平均每跳距離的不同與節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu)相關(guān)的結(jié)論，使用平均跳數(shù)作為比較拓?fù)浣Y(jié)構(gòu)相似程度的標(biāo)準(zhǔn)來(lái)選取合適的平均每跳距離，然后將其作為全局平均每跳距離進(jìn)行計(jì)算。理論分析與算法仿真顯示，在相同環(huán)境下，新型定位算法可以明顯提高節(jié)點(diǎn)定位精度，并且更具實(shí)用性。

較RHDV-Hop相比，本論文算法雖然在一定程度上提升了定位精確度，但是對(duì)于大型公共場(chǎng)所的實(shí)際定位需求還有一定距離。另外在現(xiàn)有的布局方式上還有其他的改進(jìn)之處。比如可以有選擇性地控制錨節(jié)點(diǎn)的開閉來(lái)調(diào)整它們的拓?fù)浣Y(jié)構(gòu)使之更加匹配未知節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)。同時(shí)并非所有的大型公共場(chǎng)所都是矩形形狀，如何根據(jù)本算法的現(xiàn)有成果提出一種適用于所有形狀的解決方案也是一個(gè)要面對(duì)的問(wèn)題。

[1] Mao G, Fidan B, Anderson B D O. Wireless sensor network localization techniques[J]. Computer Networks, 2007, 51(10):2529-2553.

[2] Liu H, Darabi H, Banerjee P, et al. Survey of Wireless Indoor Positioning Techniques and Systems[J]. IEEE Transactions on Systems Man & Cybernetics Part C, 2007, 37(6):1067-1080.

[3] Lee J, Chung W, Kim E. A new range-free localization method using quadratic programming[J]. Computer Communications, 2011, 34(8):998-1010.

[4] Sun B, Dong L. Dynamic Model Adaptive to User Interest Drift Based on Cluster and Nearest Neighbors[J]. IEEE Access, 2017, 5(99):1682-1691.

[5] Shi Q, He C, Chen H, et al. Distributed Wireless Sensor Network Localization Via Sequential Greedy Optimization Algorithm[J]. IEEE Transactions on Signal Processing, 2010, 58(6):3328-3340.

[6] Barsocchi P, Lenzi S, Chessa S, et al. Virtual calibration for RSSI-based indoor localization with IEEE 802.15.4[C]//IEEE International Conference on Communications. IEEE, 2009:1-5.

[7] Geiger D J. High Resolution Time Difference of Arrival Using Timestamps for Localization in 802.11b/g Wireless Networks[C]//Wireless Communications and NETWORKING Conference. IEEE, 2010:1-6.

[8] Lee J X, Lin Z W, Chin P S, et al. A Scheme to Compensate Time Drift in Time Difference of Arrival Localization Among Non-Synchronized Sensor Nodes[C]//Vehicular Technology Conference, 2009. Vtc Spring 2009. IEEE. IEEE, 2009:1-4.

[9] Souden M, Affes S, Benesty J. A Two-Stage Approach to Estimate the Angles of Arrival and the Angular Spreads of Locally Scattered Sources[J]. IEEE Transactions on Signal Processing, 2008, 56(5):1968-1983.

[10] Basagni S, Carosi A, Melachrinoudis E, et al. Protocols and model for sink mobility in wireless sensor networks[J]. Acm Sigmobile Mobile Computing & Communications Review, 2006, 10(4):28-30.

[11] Rappapport T S. Wireless Communications: Principles and Practice[M]. Prentice Hall: New Jersey, 1996:50-143.

[12] Tomic S, Mezei I. Improved DV-Hop localization algorithm for wireless sensor networks[C]//2012 IEEE 10th Jubilee International Symposium on Intelligent Systems and Informatics. IEEE, 2012:389-394.

[13] Zhou Y, Ao X, Xia S. An improved APIT node self-localization algorithm in WSN[C]//Intelligent Control and Automation, 2008. Wcica 2008. World Congress on. IEEE, 2008:7582-7586.

[14] Shang Y, Ruml W. Improved MDS-Based localization[C]//Proceedings of 23th Annual Joint Conference of the IEEE Computer and Communications Societies. IEEE INFOCOM04, 2004:2640-2651.

[15] Shang Y, Ruml W, Zhang Y, et al. Localization from Connectivity in Sensor Networks[J]. Journal of IEEE Transactions on Parallel and Distributed Systems, 2004(15):961-974.

[16] Niculescu D, Nath B. Ad hoc positioning system (APS) using AOA[C]//Joint Conference of the IEEE Computer and Communications. IEEE Societies. IEEE, 2003, 3:1734-1743.

[17] Zhang J, Yang R, Li J. An Enhanced DV-Hop Localization Algorithm using RSSI[J]. International Journal of Future Generation Communication & Networking, 2013, 6(6):91-98.

[18] Song G, Tam D, Xue Y, et al. RDV-hop localization algorithm for randomly deployed Wireless Sensor Networks[C]//International Conference on Software Intelligence Technologies and Applications & International Conference on Frontiers of Internet of Things. IET, 2015:190-195.

[19] Zhang D, Fang Z, Wang Y, et al. A new improved range free algorithm based on DV-Hop in Wireless Sensor Network[J]. Journal of Communications, 2015(10):589-595.

[20] Safa H. A novel localization algorithm for large scale wireless sensor networks[J]. Computer Communications, 2014, 45(3):32-46.

[21] Wheeler A. Commercial Applications of Wireless Sensor Networks Using ZigBee[J]. IEEE Communications Magazine, 2007,45(4):70-77.