马永光， 王 朔， 邢 建， 石 乐

(华北电力大学 控制与计算机工程学院，河北 保定 071003)

0 引 言

近年来，无线传感器网络[1](wireless sensor networks,WSNs)节点定位算法可归为两类：基于测距(range-based)的方法与非测距(range-free)的方法。Range-Based方法通过测量绝对距离或方位角度等信息确定节点位置，定位精度取决于测量的准确性。在基于接收信号强度(received signal strength,RSS)的定位方法中，节点根据无线信道的路径损耗模型，利用RSS值估计距离。RSS值易受环境噪声影响，影响测距的准确性[2,3]。在现有的基于RSS的定位方法[4,5]中，常常忽略噪声对RSS的影响，定位精度差强人意。

诸多定位算法又可以分为非协作式定位[2,6,7]与协作式定位[3,8]。前者仅仅利用未知节点与每个锚节点间的测量距离，逐个确定每个未知节点的位置信息；后者则利用网络中包括未知节点在内的所有节点间的测距数据，同时确定全部未知节点的位置。受节点成本与监测环境复杂程度的制约，网络中锚节点的数量十分有限，协作式定位往往能够实现更高的定位精度。

本文在充分考虑了噪声因素的基础上，将加权最小二乘法(weighted least squares，WLS)与多维标度分析法(multidimensional scaling，MDS)相结合，提出了一种新的基于RSS的协作式定位算法—WLS—MDS。

1 RSS测距的基本原理

1.1 路径损耗模型

通过在不同环境下的反复测量与理论分析，通信节点间的欧氏距离d与接收信号强度P满足Log-Normal Shadowing Path Loss模型[9]

P=P0-10nplgd+ω

(1)

式中P0为距离信号源d0;d0为参考距离(通常取d0=1 m)处的接收信号强度;nP为路径损耗指数;ω为具有方差

σ2的零均值高斯白噪声。在某一特定的环境下σ2是一个与距离无关的常数。……