冯爱丽，乔钢柱，曾建潮

(太原科技大学计算机科学与技术学院，太原030024)

随着经济的发展和科学技术的进步，无线传感器网络[1]在安全生产、交通管理、医疗设备及智能家庭中得到了越来越多的应用，无线传感器节点功耗小、成本低、可靠性高，可以方便地布置在各种生产、生活需要的地方[2]。在利用无线传感器采集数据的时候，数据的来源地是一个我们需要获得的一个重要信息，没有位置信息的数据往往是没有意义的[3]，如煤矿事故人员搜救、车辆跟踪、温度测量等，所以精确定位对无线网络的应用有非常重要的意义。

定位方法总体上分为两大类，基于测距(rangebased)算法与非基于测距(range-free)算法[4]。非基于测距的算法无需测量节点间的距离，根据网络连通度估计未知节点的位置[5];基于测距的算法则通过测量未知节点与信标节点的距离或角度，再利用三边测量，三角测量，极大似然等算法计算节点的位置信息[6]。目前，测量节点间距离的方法[7]有RSSI、TDOA、TOA、AOA 等，RSSI是通过测量信号在空气中传播损耗来获得节点间的距离信息，所以RSSI测距[8]无需增加额外的硬件设备，节约成本，简便宜行，适合无线传感器趋势发展需要，因而得到了广泛的应用。但由于空间中物体、建筑墙壁引起信号的反射、多径效应及障碍物阻挡等问题，使测量到的RSSI产生波动，从而引起测量距离误差[9-10]。为了提高定位精度，必须提高节点间距离估计的准确性，距离由RSSI值计算得来，所以首先需要选择受环境干扰小的RSSI.本文通过把所测量的每个RSSI值与平均RSSI值进行比较，去除波动较大的数据，即受移动物体影响，严重失真的RSSI值，使所选择的RSSI值可靠性更高。……