详解无线传感器网络定位
无线传感器网络中的节点定位技术教程
无线传感器网络中的节点定位技术教程一、引言无线传感器网络（Wireless Sensor Network，WSN）是一种由大量分布式无线传感器节点组成的网络系统，被广泛应用于环境监测、物联网、智能交通等领域。
节点定位技术是WSN 中的重要问题之一，准确的节点定位能提供准确的数据，并支持更高级别的应用。
本文将介绍无线传感器网络中的节点定位技术，包括节点定位的概念、节点定位的原理与方法、节点定位算法的分类以及节点定位技术的应用。
二、节点定位的概念节点定位是指确定无线传感器网络中各个节点在空间中的位置坐标。
节点定位可以分为绝对定位和相对定位两种方式。
绝对定位是通过使用全球定位系统（GPS）或其他具备绝对空间参考的技术获得节点的绝对坐标。
相对定位是通过节点之间的相对位置关系计算出节点的相对坐标。
三、节点定位的原理与方法1. RSSI定位接收信号强度指示（Received Signal Strength Indicator，RSSI）是衡量接收信号强度的指标，节点间的距离与接收信号强度呈反比关系。
RSSI定位利用节点之间的信号强度进行定位，通过测量节点间的接收信号强度来估计节点之间的距离。
2. TOA定位到达时间（Time of Arrival，TOA）定位利用节点之间的信号传播时间来计算节点之间的距离。
TOA定位需要节点对收到的信号进行时间同步，在发送信号的节点和接收信号的节点分别记录接收和发送时间，然后计算信号的传播时间，进而估计距离。
3. TDOA定位到达时间差（Time Difference of Arrival，TDOA）定位是基于节点之间的信号传播时间差来计算节点之间的距离。
TDOA定位需要节点间的时间同步，并通过计算信号的传播时间差来估计距离。
4. AOA定位到达角度（Angle of Arrival，AOA）定位利用节点对收到的信号的入射角度进行定位。
AOA定位需要节点具备方向敏感的天线，并通过比较信号的入射角度来估计距离。
无线传感器网络中的移动节点定位技术
无线传感器网络中的移动节点定位技术随着无线传感器网络的不断发展，节点的移动性越来越引起人们的重视。
在许多应用领域，比如环境监测、交通管理以及军事领域，节点的移动性成为了必须考虑的因素。
如何准确地定位移动节点，成为了无线传感器网络中重要的研究问题之一。
本文将从定位技术的原理、分类以及应用等方面进行探讨。
一、无线传感器网络中的节点定位技术原理无线传感器网络中的节点定位技术是利用节点之间的通信和测量信息来确定每个节点的具体位置。
跟踪移动节点的位置需要维护一种虚拟坐标系，其中节点的具体位置可以用其在坐标系中的位置来表示。
在无线传感器网络中，通常采用三种基本定位技术：自适应定位、合作式定位和基于场的定位。
自适应定位是自适应机制，旨在通过在节点间的信息全局传递，自适应地确定每个节点的位置。
在该机制中，节点通过通信协议交换一些关于邻居节点的位置信息，并根据这些信息来更新自身的位置。
这些信息可以来自于邻居节点的测量或测量器具的反馈。
这种定位技术因其低功耗和简单性而受到很多关注。
合作式定位利用节点之间的协调和合作相互测量，以获得所有节点在坐标系中的位置。
这些测量可以基于角度、距离、到达时间等多种方式。
通常，该技术的实现需要有多个节点参与，并通过协调和相互配合来实现移动节点的准确跟踪，从而将位置误差降到最低。
基于场的定位是通过测量信号强度和其它参数在不同位置之间的变化来获取实际节点位置。
这种定位技术通常通过射频信号的测量来实现。
该技术可以使用多种算法来实现，如逆距离加权等算法。
二、无线传感器网络中节点定位技术的分类无线传感器网络中的节点定位技术可以根据使用的传感器类型、算法等多种因素进行分类。
1. 基于GPS的定位GPS是一种全球定位系统，可以用于在世界任何地方定位。
GPS定位使用具有接收antenna的芯片来接收全球卫星定位系统(Satellite Navigation System, SNS)的信号。
GPS定位技术通常包括三个阶段：卫星信号接收、信号处理和算法计算等。
无线传感器网络中的目标定位技术教程
无线传感器网络中的目标定位技术教程无线传感器网络（Wireless Sensor Networks, WSN）是一种由大量节点组成的网络，这些节点能够自主收集、处理和传输数据。
目标定位技术是WSN中的重要研究领域，它可以定位网络中的目标，为各种应用提供位置信息支持。
本文将介绍无线传感器网络中目标定位的常用技术。
一、基于测距的目标定位技术1. RSSI定位信号强度指示（Received Signal Strength Indicator, RSSI）定位技术是一种基于接收到的信号强度来估计目标位置的方法。
节点通过收集目标发送的信号强度信息，并根据信号传输的衰减模型计算目标与节点之间的距离。
然后利用距离信息进行目标定位。
这种方法简单直观，但受到信号传输过程中多径效应、干扰和衰减等因素的影响，定位精度有限。
2. TDOA定位时差到达（Time Difference of Arrival, TDOA）定位技术利用节点之间接收到目标信号的时延差异来计算目标位置。
节点之间需要进行协作，通过互相的时钟同步，准确测量目标信号到达节点的时间差。
根据测得的时间差和节点之间的距离关系，可以计算目标的位置。
TDOA定位技术不受信号强度衰减影响，具有较高的精度，但对节点之间的时钟同步要求较高。
二、基于角度的目标定位技术1. AOA定位角度到达（Angle of Arrival, AOA）定位技术利用节点之间接收到目标信号的入射角度来计算目标位置。
节点之间需要协作，使得至少三个节点同时接收到目标信号，并测量目标信号的入射角度。
通过比较节点之间的入射角度差异，可以计算目标位置。
AOA定位技术对节点之间的角度测量精度要求较高，但相对于基于测距的定位技术，它具有较好的抗干扰性能。
2. DOA定位方向到达（Direction of Arrival, DOA）定位技术也是利用节点之间接收到目标信号的入射角度来计算目标位置。
不同于AOA定位技术，DOA定位技术只需要单个节点接收到目标信号即可。
无线传感器网络中的节点定位与跟踪技术
无线传感器网络中的节点定位与跟踪技术随着物联网的快速发展，无线传感器网络（Wireless Sensor Network, WSN）得到了广泛的应用和研究。
节点定位与跟踪是无线传感器网络中的关键问题，对于实现对环境的全面感知和多种应用的实现至关重要。
本文将介绍无线传感器网络中的节点定位与跟踪技术，并探讨其在实际应用中的挑战和前景。
一、节点定位技术在无线传感器网络中，节点定位是指确定节点在所监测区域的位置。
准确的节点定位可以提供精确的环境感知和定位服务。
目前常用的节点定位技术包括多基站定位、距离测量定位和推测定位等。
1. 多基站定位：多基站定位是一种基于接收信号强度指示（Received Signal Strength Indication, RSSI）的定位方法。
根据节点与多个基站之间的信号衰减模型，通过测量信号强度来计算节点的位置。
然而，该方法需要多个基站的参与，且受到信号干扰和非视距等因素的影响。
2. 距离测量定位：距离测量定位是通过节点之间的距离测量来确定节点位置的方法。
常见的距离测量技术包括全球定位系统（Global Positioning System, GPS）和无线信号传播时间测量等。
然而，GPS在室内或有阻挡物的环境下工作效果不佳，而无线信号传播时间测量受到信号传播速度不均匀和多径效应的影响。
3. 推测定位：推测定位是一种基于邻居节点之间的拓扑关系和信号传播模型来估计节点位置的方法。
通过建立无线传感器网络的拓扑结构和分析节点之间的信号传播特性，可以推测节点位置。
推测定位方法相对于其他定位技术而言，成本低、能耗低，但精度相对较低。
二、节点跟踪技术节点跟踪是指在无线传感器网络中追踪移动节点的位置和状态。
节点跟踪技术可以应用于物品追踪、人员定位和动态环境监测等领域。
目前常用的节点跟踪技术包括基于时间差测量的三角定位算法、卡尔曼滤波算法和粒子滤波算法等。
1. 基于时间差测量的三角定位算法：基于时间差测量的三角定位算法是通过测量节点到多个基站的信号传播时间差来确定节点位置。
无线传感器网络中的定位技术研究
无线传感器网络中的定位技术研究无线传感器网络（Wireless Sensor Network，WSN）是由大量具有自主智能和自主能源的无线传感器节点组成的分布式网络系统。
WSN可以用于环境监测、生物医疗、灾害预警等众多领域，其中准确的节点定位技术对于实现WSN的各种应用至关重要。
本文将从定位目标、定位技术和节点定位算法三个方面对WSN中的定位技术研究进行探讨。
一、定位目标在WSN中，节点定位目标大致分为两类：基于网络拓扑的定位和基于地理位置的定位。
基于网络拓扑的定位是通过测量节点之间的跳数和信号强度等信息，来推断节点之间的位置关系，从而以网络拓扑作为节点的位置信息依据。
基于地理位置的定位是指通过测量节点的物理距离、角度或其他地理信息，来确定节点的地理位置，使得节点的位置信息与其实际地理位置相匹配。
二、定位技术在WSN中，常用的节点定位技术包括测距定位、信号强度定位和协作定位。
1.测距定位：通过直接或间接测量节点之间的距离，利用三角测量或多边测量等原理推算节点的位置。
常用的测距技术包括全球定位系统（GPS）、卫星定位系统（GLONASS）、超声波测距等。
2.信号强度定位：通过测量节点之间的信号强度，根据信号强度衰减的模型来推算节点的位置。
常用的信号强度定位技术包括无线电信号强度指示（RSSI）和接收信号强度指示（RSRP）等。
3.协作定位：利用节点之间的协作信息，通过合作定位算法来推断节点的位置。
常用的协作定位技术包括最小二乘（LS）算法、加权最小二乘（WLS）算法和粒子滤波（PF）算法等。
三、节点定位算法在WSN中，节点定位算法是实现节点定位的关键。
根据网络拓扑和节点之间的距离信息，常用的节点定位算法包括迭代最小二乘（Iterative Least Square，ILS）算法、最小二乘法（Least Square，LS）算法、贝叶斯定位算法等。
1.ILS算法：根据节点之间的距离信息，通过迭代的方式不断修正节点的位置，直至达到定位误差的收敛标准。
无线传感器网络中的定位与定向技术研究
无线传感器网络中的定位与定向技术研究1. 引言无线传感器网络（Wireless Sensor Network，WSN）是一种由大量连接的自主传感器节点组成的网络，这些节点可以通过无线通信进行数据传输和信息交换。
WSN被广泛应用于环境监测、智能交通、农业、医疗健康等领域，其中的一个重要问题是如何准确地进行节点的定位和定向。
本文将研究无线传感器网络中的定位与定向技术。
2. 传感器节点定位技术传感器节点的定位是WSN中的基本问题之一，它可以通过两种方式实现：绝对定位和相对定位。
绝对定位是通过利用全球定位系统（Global Positioning System，GPS）或无线信标等外部参考源进行节点定位。
相对定位是通过相邻节点之间的距离和方向信息进行估算。
目前常用的相对定位技术包括：信标定位、测距定位和指纹定位。
2.1 信标定位信标定位是一种被动的相对定位技术，它依赖于在环境中设置一些已知位置的节点作为信标。
其他节点通过接收到信标节点发出的信号来估计自身的位置。
信标节点的数量和位置对定位精度有很大影响，因此需要合理布置信标节点以提高定位精度。
2.2 测距定位测距定位是通过节点之间的距离信息进行定位。
常用的测距定位技术包括：时间差测量（Time Difference of Arrival，TDOA）、多普勒测距和接收信号强度指示（Received Signal Strength Indication，RSSI）。
这些技术可以通过对接收信号的处理来推算出节点之间的相对位置。
2.3 指纹定位指纹定位是一种基于环境特征的相对定位技术，它通过保存环境中的无线信号强度或其他感知信息来实现节点的定位。
在定位阶段，节点会将当前环境的特征与已保存的特征进行比对，从而推算出自身的位置。
指纹定位的优势在于适用于多种环境，并且可以通过机器学习等方法来优化定位精度。
3. 传感器节点定向技术传感器节点的定向是指节点在空间中的方向信息。
无线传感器网络中的定位方法与准确度分析
无线传感器网络中的定位方法与准确度分析无线传感器网络（Wireless Sensor Network, WSN）是由大量互相通信且配备有感知、计算和通信能力的节点组成的网络系统。
这些节点能够实时地采集、处理和传输环境中的信息，被广泛应用于环境监测、农业、工业自动化以及军事等领域。
定位是无线传感器网络中的重要任务之一，它可以帮助用户准确地确定目标的位置信息以及网络节点的相对位置关系。
本文将介绍无线传感器网络中常用的定位方法，并对其准确度进行分析。
一、定位方法1. 基于测距的定位方法基于测距的定位方法通过测量节点间的距离来实现目标的定位。
常用的测距技术包括全球定位系统（Global Positioning System, GPS）、无线电信号强度指示（Received Signal Strength Indicator, RSSI）、时间差测量（Time of Arrival, TOA）和飞行时间（Time of Flight, TOF）等。
- GPS将地面节点与卫星之间的信号传递时间来计算距离，通过多个卫星的测距值交叉计算，可以得到节点的三维坐标。
然而，在室内或复杂的环境中，由于信号被楼宇和物体阻挡，GPS的定位精度会受到很大影响。
- RSSI是通过测量接收到的信号强度来获取距离信息，它适用于无线传感器网络中节点间的短距离测距。
但由于信号传播的随机性和反射影响，RSSI定位精度偏低。
- TOA和TOF通过测量信号传输的时间来计算距离。
TOA准确度较高，但对传输时间同步的要求较高；TOF在长距离传输中准确度较高，但复杂环境下会受到信号反射和多径效应的影响。
2. 基于角度的定位方法基于角度的定位方法通过测量节点接收到的信号入射角度来实现目标的定位。
常用的角度测量技术包括自组织传感器网络（Self-Organizing Sensor Network, SOSN）和方向关系（Direction of Arrival, DOA）等。
无线传感器网络中的定位与跟踪技术研究
无线传感器网络中的定位与跟踪技术研究无线传感器网络是由大量分布在被监控区域的小型无线传感器组成的网络系统，其可用于测量环境参数、检测目标位置，并将这些数据传送回中心节点，完成对目标的监测和控制。
传感器网络中的数据采集任务需要可靠地确定目标位置，因此，定位和跟踪技术的研究成为无线传感器网络的重要研究领域。
一、传感器节点位置估计技术传感器节点位置估计是无线传感器网络中重要的技术之一，其主要目的是确定传感器节点的具体位置信息。
在传感器的位置确定之后，就可以计算出目标的位置信息。
目前，常用的节点定位方法有三角测量法、基于距离的测量方法和信号强度测量法。
1.三角测量法三角测量法是基于三角定位原理的定位方法，主要是通过三条辐射线的交点来确定位置。
在定位前期需要事先知道测量节点到目标位置的距离，其优点是定位准确性高。
2.基于距离的测量方法基于距离的测量方法是基于传感器节点之间的距离来计算目标位置，现有的距离计算方法包括时间测距法、声波测距法、雷达测距法等。
该方法需要测量距离，需要较高的定位精度，同时需要控制误差。
3.信号强度测量法信号强度测量法是利用传感器节点之间的信号强度来计算目标位置。
这种方法常用的技术有：RSSI、TOA 和TDOA。
这种方法的优势在于不需要增加任何硬件，但由于信号传播受环境因素影响，其定位精度较低。
二、目标跟踪技术目标跟踪技术是指通过传感器网络监控目标运动状态的一种技术，目前主流的方法包括卡尔曼滤波、粒子滤波和扩展卡尔曼滤波等。
这些方法的优缺点各有千秋，选择使用时需要根据应用场景和精度要求进行优化。
1.卡尔曼滤波卡尔曼滤波是一种递归滤波，能够估计和预测运动目标的状态。
它通过递归的更新状态和方差来估计和预测位置。
卡尔曼滤波的主要缺点是需要精确的运动模型和测量模型参数，且对测量数据的参数严格限制。
2.粒子滤波粒子滤波是一种非线性模型估计的方法，是通过随机生成的粒子来模拟系统状态，并通过重要性抽样对其权重进行分配。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
详解无线传感器网络定位技详解无线传感器网络定位技术1 引言无线传感器网络作为一种全新的信息获取和处理技术在目标跟踪、入侵监测及一些定位相关领域有广泛的应用前景。
然而，无论是在军事侦察或地理环境监测，还是交通路况监测或医疗卫生中对病人的跟踪等应用场合，很多获取的监测信息需要附带相应的位置信息，否则，这些数据就是不确切的，甚至有时候会失去采集的意义，因此网络中传感器节点自身位置信息的获取是大多数应用的基础。
首先，传感器节点必须明确自身位置才能详细说明“在什么位置发什么了什么事件”，从而实现对外部目标的定位和跟踪；其次，了解传感器节点的位置分布状况可以对提高网络的路由效率提供帮助，从而实现网络的负载均衡以及网络拓扑的自动配置，改善整个网络的覆盖质量。
因此，必须采取一定的机制或算法来实现无线传感器网络中各节点的定位。
无线传感器网络定位最简单的方法是为每个节点装载全球卫星定位系统（GPS）接收器，用以确定节点位置。
但是，由于经济因素、节点能量制约和GPS 对于部署环境有一定要求等条件的限制，导致方案的可行性较差。
因此，一般只有少量节点通过装载GPS 或通过预先部署在特定位置的方式获取自身坐标。
另外，无线传感器网络的节点定位涉及很多方面的内容，包括定位精度、网络规模、锚节点密度、网络的容错性和鲁棒性以及功耗等，如何平衡各种关系对于无线传感器网络的定位问题非常具有挑战性。
可以说无线传感器网络节点自身定位问题在很大程度上决定着其应用前景。
因此，研究节点定位问题不仅必要，而且具有很重要的现实意义。
2 WSN 定位技术基本概念2.1 定位方法的相关术语1）锚节点（anchors）：也称为信标节点、灯塔节点等，可通过某种手段自主获取自身位置的节点；2）普通节点（normal nodes）：也称为未知节点或待定位节点，预先不知道自身位置，需使用锚节点的位置信息并运用一定的算法得到估计位置的节点；3）邻居节点（neighbor nodes）：传感器节点通信半径以内的其他节点；4）跳数（hop count）：两节点间的跳段总数；5）跳段距离（hop distance）：两节点之间的每一跳距离之和；上述7 个性能指标不仅是评价无线传感器网络自身定位系统和算法的标准，也是其设计和实现的优化目标。
为了实现这些目标的优化，有大量的研究工作需要完成。
同时，这些性能指标相互关联，必须根据应用的具体需求做出权衡以设计合适的定位技术。
3 主要的WSN 定位方法WSN 的定位方法较多，可以根据数据采集和数据处理方式的不同来进行分类。
在数据采集方式上，不同的算法需要采集的信息有所侧重，如距离、角度、时间或周围锚节点的信息，其目的都是采集与定位相关的数据，并使其成为定位计算的基础。
在信息处理方式上，无论是自身处理还是上传至其他处理器处理，其目的都是将数据转换为坐标，完成定位功能。
目前比较普遍的分类方法有3 种：1）依据距离测量与否可划分为：测距算法和非测距算法。
其中测距法是对距离进行直接测量，非测距法依靠网络连通度实现定位，测距法的精度一般高于非测距法，但测距法对节点本身硬件要求较高，在某些特定场合，如在一个规模较大且锚节点稀疏的网络中，待定位节点无法与足够多的锚节点进行直接通信测距，普通测距方法很难进行定位，此时需要考虑用非测距的方式来估计节点之间的距离，两种算法均有其自身的局限性；2）依据节点连通度和拓扑分类可划分为：单跳算法和多跳算法。
单跳算法较多跳算法来说更加的简便易行，但是存在着可测量范围过小的问题，多跳算法的应用更为广泛，当测量范围较广导致两个节点无法直接通信的情况较多时，需要多跳通信来解决；3）依据信息处理的实现方式可划分为：分布式算法和集中式算法。
以监测和控制为目的算法因为其数据要在数据中心汇总和处理，大多使用集中式算法，其精度较高，但通信量较大。
分布式算法是传感器节点在采集周围节点的信息后，在其自身的后台执行定位算法，该方法可以降低网络通信量，但目前节点的能量、计算能力及存储能力有限，复杂的算法难以在实际平台中实现。
普遍认为基于测距和非测距的算法分类更为清晰，本文以其为分类原则介绍主要的WSN 定位方法。
此外，由于目前非测距算法大多为理论研究，且实用性较差，因此，本文将着重介绍基于测距的定位方法。
3.1 基于测距的算法基于测距的算法通常分为2个步骤，首先利用某种测量方法测量距离（或角度），接着利用测得的距离（或角度）计算未知节点坐标。
下面分别进行介绍。
3.1.1 距离的测量方法本节将详细说明 3 种主流的测量方法，第一种是基于时间的方法，包括基于信号传输时间的方法（time of arrival，TOA）和基于信号传输时间差的方法（time difference of arrival，TDOA）；第二种是基于信号角度的方法（angle of arrival，AOA）；第三种是基于信号接收信号强度的方法（received signal strengthindicator，RSSI）方法。
下面分别进行介绍。
1）基于时间的方法a. 基于信号传输时间的方法：TOA 技术通过测量信号的传播时间来计算距离，该技术可分为单程测距和双程测距，单程测距即信号只传输一次，双程测距即信号到达后立即发回。
前者需要两个通信节点之间具有严格的时间同步，后者则不需要时间同步，但是本地时钟的误差同样会造成很大的距离偏差。
最典型的应用就是GPS 定位系统。
优点：测量方法简单且能取得较高的定位精度。
缺点：Ⅰ。
精确计时难。
通常传感节点之间通信都采用无线电信号，由于无线电的传输速度非常快，而传感节点之间的距离又较小，这使得计算发送节点和接收节点之间的信号传输时间非常困难。
因此利用此技术定位的节点需要采用特殊硬件来产生用于发送和接收的慢速无线信号。
Ⅱ。
高精度同步难。
有些算法还需要接收节点和发送节点之间具有严格的时间同步，时间同步的问题现在也是无线传感器网络中的一个研究热点并且没有完全解决，这也限制了算法的实用性。
Ⅲ。
易受噪声影响。
在空间传输的信号会受到各种噪声的影响，所以即使在不同的测量中得到了相同的信号传输时间也不能断定这两次测量中的发送节点和接收节点间的距离是相同的。
最早的TOA 距离估计算法是在非时间同步网络中利用对称双程测距协议进行测量的。
之后，单边测距方法在后续的研究中被提出，如Harter 开发的Active Bat 定位系统［10］，它由一系列固定在网格中的节点组成。
固定节点从移动节点中接收超声波，并通过TOA 算法计算到移动节点的距离，在通信范围30 m 左右的情况下，其定位精度达到9 cm，相对精度9.3%。
但TOA 只有在视距（line-of-sight，LOS）的情况下才比较精确，在非视距（none line-of-sight，NLOS）情况下，随着传播距离的增加测量误差也会相应增大。
综述了在视距和非视距情况下多种TOA 距离估计方法所需要的复杂度，先验知识和实验结果等。
Hangoo Kang 等人在多径环境下利用基于啁啾展频技术（chirp spread spectrum，CSS）和对称双边双向测距技术（symmetric double sided two-wayranging，SDS-TWR）的TOA 定位系统中提出了误差补偿算法，取得了较好的定位效果，在此基础上Andreas Lewandowski 等人提出了一种加权的TOA 算法，该算法应用于工业环境下，可提高系统容错性，降低自身对测距系统的干扰，在7 m×24.5 m 的范围内，测距误差小于3 m。
b. 基于信号传输时间差的方法：TDOA 测距技术广泛应用于无线传感器网络的定位方案中。
通常在节点上安装超声波收发器和射频收发器，测距时锚节点同时发送超声波和电磁波，接收节点通过两种信号到达时间差来计算两点之间距离。
优点：在LOS 情况下能取得较高的定位精度。
缺点：Ⅰ。
硬件需求较高。
传感节点上必须附加特殊的硬件声波或超声波收发器，这会增加传感节点的成本；Ⅱ。
传输信号易受环境影响。
声波或者超声波在空气中的传输特性和一般的无线电波不同，空气的温度、湿度或风速都会对声波的传输速度产生较大的影响，这就使得距离的估计可能出现一定的偏差，使用超声波与RF 到达时间差的测距范围为5～7 m，实用性不强，且超声波传播方向单一，不适合面向多点传播；Ⅲ。
应用场合单一。
测距的前提是发送节点和接收节点之间没有障碍物阻隔，在有障碍物的情况下会出现声波的反射、折射和衍射，此时得到的实际传输时间将变大，在这种传输时间下估算出的距离也将出现较大的误差。
由MIT 开发出的Cricket 室内定位系统最早采用了RF 信号与超声波信号组合的TDOA测距技术，在2 m×2 m×2.5 m 的范围内，该系统定位精度在10 cm以下，现已成为Crossbow 的商业化产品。
加利福尼亚大学洛杉矶分校的Medusa 节点在AHLos定位系统之间传输距离为3 m 左右时，测距精度能够达到厘米级别。
加州大学伯克利分校开发的Calamari定位系统均采用TDOA 超声波测距，在144 m2 的区域部署49 个节点，平均定位误差达到0.78 m，文献对于声波收发器的方向单一性问题，给出了两种解决方法：一是将多个传感器调整成向外发射的形状；二是在节点的平面上使用金属圆锥来均匀地传播和收集声波能量。
结合TDOA 测距机制和NTP 协议时间同步原理，一些学者提出了时间同步与节点测距混合算法，结合基于到达时间差的测距机制和网络时间协议中的时钟同步机制，通过逆推时间非同步情况下相互测距的意义，不仅能实现时间同步，还可以实现相对测距甚至绝对测距。
基于时间的定位方法的定位精度虽高，但从上面的例子中可以看出其测距距离较短，且附加的硬件将增加节点的体积和功耗，不适于实际应用。
2）基于信号到达角度的方法AOA 测距技术依靠在节点上安装天线阵列来获得角度信息。
由于大部分节点的天线都是全向的，无法区分信号来自于哪个方向。
因此该技术需要特殊的硬件设备如天线阵列或有向天线等来支持。
优点：能够取得不错的精度。
缺点：传感节点最耗能的部分就是通信模块，所以装有天线阵列的节点的耗能、尺寸以及价格都要超过普通的传感节点，与无线传感器网络低成本和低能耗的特性相违背，所以实用性较差。
关于AOA 定位的文献比较少，最早提出在室内采集方向信息，并以此实现定位的方法，它的硬件部分包括微控制器、RF 接收器、5 个排成“V”型的超声波接收器，其测量误差精度为5°。
随后，一些学者提出了在只有部分节点有定位能力的情况下确定所有节点的方向和位置信息的算法。
3）基于接收信号强度的方法RSSI 是在已知发射功率的前提下，接收节点测量接收功率，计算传播损耗，并使用信号传播模型将损耗转化为距离。