， ， ，

(长安大学汽车学院，陕西 西安 710064)

0 引 言

随着传感器技术、现代网络及无线通信技术的迅速发展，大规模分布式传感器网络(Wireless Sensor Network, WSN)在生物医疗、环境监测、军事国防等领域应用越来越广泛，WSN已成为当今世界最热门的研究领域之一[1][2]。国内外许多学者对WAN节点定位做了大量研究，如Benha University的Mohamed等人提出将整个网络划分为多个子区域并分别进行未知节点定位的改进的DV-Hop定位方法[3][4]；南京邮电大学的王萍萍提出的一种将TDOA算法和RSSI算法组合的定位方法，其根据锚节点离未知节点的距离长短选择不同的算法[5][6]；武汉理工大学的王晓丽提出的基于模拟退火算法对DV-Hop算法的平均跳距进行修正的定位方法[7]。这些定位方法与传统的节点定位方法相比精度得到提高，但对更高精度的应用场合则不能满足要求，同时定位响应速度也有待提高。

提出一种基于量子遗传算法的无线传感器网络定位技术，通过分析未知节点周边锚节点的数量，将定位情况进行分类，依据未知节点与锚节点的测量距离，建立定位优化模型，最后用量子遗传算法对模型求解。仿真结果表明，量子遗传算法比传统遗传算法有更出色的收敛性，在节点定位精度方面也比传统DV-Hop算法更高，可以应用于多数高精度、高实时性定位场合。

1 定位模型与算法分析

1.1 节点初始位置获取

首先，网络中的锚节点向它的邻近节点广播自己的位置信息，接收节点接收来自锚节点跳数信息同时忽略来自同一锚节点的大跳数数据，未知节点获取邻近锚节点的位置并测得与邻近锚节点的距离。……