束仁义 朱家兵 沈晓波 蔡 俊 夏 泐

(淮南师范学院 电子工程学院， 安徽 淮南 232038)

0 前 言

通过中国北斗卫星导航系统(BDS)或者美国全球定位系统(GPS)可以实现户外目标定位；但对于室内、井下、管道等封闭空间，很难通过BDS或者GPS实现准确定位[1]，且成本高。因此，可以预先布置无线传感器网络(wireless sensor network，WSN)节点，使用成熟的定位算法来实现精准定位[2]。近年来，WSN在矿井人员定位、室内移动目标定位、天然气管道泄露定位等方面得到了广泛应用。许多学者提出了一些改进定位算法，如Thimmaiah等人提出了一种基于无线电信号强度的WSN定位误差优化技术[3]；Chen等人提出了基于WSN距离相关的室内迭代定位算法[4]；Lv等人提出了基于GA-PSO-BP混合算法的室内三维空间WSN定位技术[5]。2002年Suykens等人提出了基于最小二乘支持向量回归机(least square support vector regression, LSSVR)算法[6]。周松斌等人将LSSVR算法应用到WSN定位中，有效降低了估计误差对定位精度的影响，减小了平均定位误差[7]。张烈平等人提出了基于粒子群优化LSSVR的三维WSN节点定位算法，与LSSVR算法相比，该算法定位精度更高[8]。钟阳晶等人提出了基于RSSI高斯滤波的LSSVR定位算法，定位误差比未进行高斯滤波处理减少了12%～20%[9]。Zhang等人提出了基于RSSI-TOA和LSSVR算法的WSN节点三维定位算法，该算法比基于LSSVR或RSSI-TOA算法的定位精度更高[10]。

支持向量机是基于统计学习理论的机器学习算法，而LSSVR算法是基于支持向量机的一种改进[11]。本次研究是在LSSVR定位算法的基础上，采用蝙蝠算法(BA)和卡尔曼滤波算法(KF)，以提高节点定位精度。通过仿真实验对 LSSVR、基于蝙……