蒋 华，蔡 晨，王慧娇，王 鑫,

(1.桂林电子科技大学 计算机信息与安全学院，广西 桂林 541004；2.桂林电子科技大学 海洋工程学院，广西 桂林 541004)

0 引言

由于地球资源不断地消耗，世界各国对海洋资源日渐重视[1]。水下无线传感器网络(UWSN,underwater wireless sensor networks)在环境监测、灾难预报、军事防御等方面都具有重要的作用，而以上都需要建立在知道精确节点位置信息的基础之上[2]。但水下环境的复杂性给水下无线传感器网络定位带来了很多挑战[3]。因此水下节点定位成为了一个亟需解决的问题。

近年研究人员与科研机构提出了许多新的节点定位算法。金磊磊[4]等基于传统水下测距定位算法，利用最小二乘法提出适用于UWSN的多模态信息融合定位算法，有效提高节点定位精度。Ezzati[5]等基于无线传感器网络中的接收信号强度(RSSI)，利用深度学习、极限学习机和自动编码器高级提取的特征来提高定位性能，可以显著提升节点定位精度。吴艳玲[6]提出一种根据邻居节点局部网络块的节点定位算法，与机器学习领域中的降维方法相结合有效解决无线传感器网络在锚节点密度低下定位精度低的问题。朱芳[7]等提出了基于快速支持向量机的大规模定位算法，通过引入相似性度量来构造最小跨度，分类速度明显提高，且有效地解决了边界问题和覆盖孔问题。毛科技[8]等提出一种基于支持向量机“一对一”节点定位算法，通过引入分类思想来解决节点稀疏环境下的节点定位。这些算法均在某一方面提高了在未知节点的定位精度，但算法整体缺乏鲁棒性和对锚节点较少情况下定位精度的考虑。……