任 进，姬丽彬

(北方工业大学 信息学院，北京 100144)

0 引 言

自21世纪以来，随着无线通信和信号处理技术的不断进步，无线传感器网络(Wireless Sensor Network，WSN)[1]作为无线传感技术的重要领域，正处在一个高速发展的阶段。然而，节点能量受限是WSN技术发展与应用所面临的重要挑战，因此，研究如何保证低功耗的情况下对目标节点进行高精度的定位成为一个热点问题。

近年来，对于如何优化WSN网络中定位算法，国内外学者进行了很多研究。已有研究人员将压缩感知(Compressed Sensing,CS)[2]技术与WSN相结合，利用 CS 技术降低信号的采集、传输、融合的能量消耗，同时实现网络的定位，且取得了相应的成果。文献[3-7]将机器学习运用于无线定位中：Ji等人[3]利用二元蜂群算法与压缩感知结合进行定位，具有一定的智能性；李依纯[4]利用提出的邻域加强的二分 K-means 区域划分算法，在离线阶段对指纹库区域进行聚类划分,通过提出的改进的CS定位算法获得定位坐标；Zhao等人[5]提出一种结合贝叶斯压缩感知理论和离线指纹数据库的构建方法，利用Co-Forest算法训练的随机森林分类器的决策结果以及多数原则获得定位结果，为用户完成实时定位；Zhang等人[6]提出一种基于信号到达相位差(Phase Difference of Arrival,PDOA)和接收信号强度(Received Signal Strength,RSS)的人工神经网络(Artificial Neural Network,ANN)方案；刘夏等人[7]提出了一种利用模糊C均值聚类算法和模拟退火自适应遗传算法去优化径向基函数神经网络的室内定位算法，显著提高了传统的径向基函数神经网络定位精度。文献[8-9]通过处理节点接收信号强度进行优化:Khan等人[8]将多个待定位节点的RSS值进行叠加，再将压缩的数据传输给信标节点，减少了流量开销；……