葛文庚, 陈 萍

(黄淮学院信息工程学院，河南驻马店 463000)

0 引言

节点定位已成为无线传感网络(wireless sensor networks, WSNs)领域的焦点[1-4]，研究人员提出了测距定位算法、非测距定位算法等。测距定位算法虽然精度较高，但因为需要消耗高功率去维持未知节点与锚节点间的通信，而节点常采用小电池容量供电，应用局限性较大。非测距定位算法主要分为两类：启发式和分析式定位算法[5-7]。DV-Hop就是典型的启发式算法，通过未知节点与锚节点间的跳数估计它们间的距离；分析式算法是基于节点具有圆形无线电传播模型假设(radio propagation pattern, RPP)利用理论分析并推导锚节点与未知节点间的距离[6-7]。

文献[8]提出的分布式求精算法，引用“磁极”思想，缩小定位误差，但未考虑无线电传播模型问题；文献[9]提出基于遗传优化DV-Hop定位算法，但该算法与文献[8]存在同样没有考虑到无线电传播模型对定位精度影响的问题。而在真实的传输环境中，常存在信号衰落、阴影以及干扰、各向异性的信号衰减等因素，导致节点的传输模型为非圆形RPP[10]。

为此，提出面向非圆形RPP的基于人工神经网络的加权质心定位算法(artificial neural networks-based weighted centroid localization, ANNs-WCL)。ANNs-WCL算法充分考虑了因非圆形RPP问题，建立新的测距模型，然后再应用人工神经网络修正测距，最后利用加权质心定位算法估计未知节点位置。仿真结果表明，提出的ANNs-WCL算法能够有效地降低均方根误差。

1 网络模型以及问题表述

1.1 网络模型

N个传感节点随机分布于二维网络。考虑全球定位系统GPS的成本，仅部分节点配备了GPS，这些节点知晓自己的位置，为锚节点。……