汪子为，房亮

（延安大学 物理与电子信息学院,陕西延安 716000）

无线传感器网络被应用于许多领域，例如环境监控，医疗机构中的患者跟踪，军事行动和活动区域识别[1]。在上述应用场景中，无线传感器网络的大多数应用都需要通过传感器定位获取目标的位置信息，才能更好地了解该目标地区的情况，以便及时采取有效的措施和控制[2]。但是，当无线传感器被部署在偏远和恶劣的环境中时，其性能则会受到资源和传输的限制[3]，因此提高节点定位精度和网络效率成为无线传感器网络中的主要挑战。

无线传感器网络的定位技术一般可分为两种：基于测距的定位技术和无需测距的定位技术[4]。其中无需测距的技术只能进行粗略定位，无法满足高精度需求，而基于测距的技术虽然定位精度相对较高，但对软硬件同时也有更高的要求[5]。基于接收信号强度（Received Signal Strength Indication,RSSI）的测距技术是无线传感器网络定位中常用的测距方法之一，网络中每个节点之间的距离可由RSSI估算[6]。但是由于反射、多径传播等因素的影响，RSSI值可能会不准确，导致定位出现较大的误差。为了减小RSSI测距误差，研究人员进行了许多角度的尝试。Shen等[7]通过使用加权质心算法将RSSI测量值加权使定位更加精准。Hussein等[8]则将梯度下降算法应用于表示RSSI测距精度的目标函数中，达到减小误差的效果。Hongbo等[9]设计深度神经网络作为分类器，将定位问题建模为分类问题，在利用RSSI测距时辅以信道状态信息和基于定位的深度学习来提高定位精度，有效减小了定位误差。……