WSN中基于RSSI的加权质心定位算法的改进
基于无线传感器网络的煤矿井下人员定位系统设计与实现
基于无线传感器网络的煤矿井下人员定位系统设计与实现作者：岳秋艳,王文学,郭霞来源：《电脑知识与技术》2011年第15期摘要：井下人员定位系统对于提高煤炭企业的安全管理水平和应急救援水平都十分必要。
现有基于RFID技术的井下人员定位系统开发受RFID技术的限制无法满足井下全方位人员定位的要求。
近年来随着无线通讯技术和无线传感器网络技术的迅速发展，为研发下一代的井下人员定位系统提供了技术基础。
该文针对煤矿井下人员定位的需求基于无线传感器网络技术提出了井下人员定位系统的设计方案，该方案能够实现井下人员的准确定位，有利于提升矿山企业的数字化安全管理水平。
关键词：RFID；无线传感器网络；锚节点；定位中图分类号：TP311文献标识码：A文章编号：1009-3044(2011)15-3725-02我国煤矿地质条件复杂、地下环境特殊，导致矿难频发、矿难救援难度极大。
目前由于煤矿井下普遍存在着入井人员管理困难、井下人员的分布及作业情况难以及时准确掌握的问题，导致矿难发生后无法对井下被困人员及时抢救，给煤矿安全生产工作带来了极大的隐患。
近年来，国内众多的企业基于RFID(Radio Frequency Identification ，即射频识别，俗称电子标签) 技术陆续推出了众多的煤矿井下人员定位系统，此类的人员定位系统具有体积小、重量轻、便于携带等优点，有效地弥补了我国井下人员定位系统的空白，成功的应用在国内众多的煤矿中。
但由于RFID技术在使用中存在通信距离短、基站安装成本高的缺点，无法实现井下无线信号的全覆盖和人员的精确定位，只能做到区域定位；而且RFID技术在多人同时通过无线基站时存在漏读卡现象，这种基于RFID技术的井下人员定位系统无法满足井下全方位人员定位的要求，并非真正意义的人员到位跟踪系统，只能够用于入井人员的考勤管理。
近年来随着无线通讯技术和无线传感器网络技术的迅速发展，为研发下一代的井下人员定位系统提供了技术基础。
WiFi技术的人员定位安全系统
• 144•随着人们的安全意识不断提升，工厂作业时对人员的安全工作变得愈发的重要。
而靠人力去监督员工们的安全，在高开销的同时，即存在不可靠性，也不能实现对每个员工实时的进行监控。
因此急需要一套电子系统来对人员位置的实时监测并发出警告。
同时也在WiFi 技术不断提升，WiFi 使用不断普及，其精度、覆盖范围等性能不断提升的情况下，我们选择了基于WiFi 技术的人员定位安全系统。
该系统主要利用与WiFi 连接的智能手机进行定位，在客户端上有可导入修改的工厂3D 模型，通过定位的人员也会反映在模型上，管理员能只管检测到员工的位置。
当施工人员被定位到危险区时，系统会自动报警，提醒人员远离危险区。
1 WiFi定位方案整个人员定位安全系统是在WiFi 环境下进行的，每个人员都需要携带一部智能手机与WiFi 相连接。
无线局域网（WLAN ，又称WiFi ）WiFi 是一种短程无线网络传输技术，具有覆盖范围广、传输速度快、危害小、成本低、容易搭建和管理等优点。
WiFi 定位与ZigBee 定位以及RFID 定位相比，在成本低的同时更具有传输速度快、精度高、抗干扰能力强、可管理性强多个优点，如表1所示。
表1 无线网络定位技术的对比项目WiFi 定位ZigBee 定位RFID 定位综合成本低高低传输速度1～2Mb/s 10～250kb/s 10kb/s ～2Mb/s 定位精度3～5m 3～30m 3～10m 抗干扰性很强一般较强可管理性强一般较差2 定位原理WiFi 定位方法按照是否基于RSSI （信号强度）分为两大类。
不基于信号强度RSSI 的方法有根据TOA （time ofarrival ，到达时间）、TDOA （time difference of arrival ，时差）、AOA （angle of arrival ，到达角）这些参数进行的定位，但这些参数既需要特殊的WiFi 模块，智能手机上又不易获取，因此不采用这类方法。
WSN中基于TDoA位置算法的改进研究
WSN中基于TDoA位置算法的改进研究无线传感网络（Wireless Sensor Network, WSN）是一种自组织的、分布式的物联网节点网络，其实现了许多无线传感技术的应用。
这种网络由众多的传感器组成，它们通常安装在被监测的区域内，通过互相通信达到监测和控制的目的。
对于WSN来说，位置信息是非常重要的，因为只有知道传感器的位置，才能更精确地进行监测和控制。
在WSN中，基于TDoA（Time Difference of Arrival）位置算法是一种常用的方法。
它们是通过确定从发射源到每个接收器的时间差来确定接收器的位置的。
这种算法主要优点是能够使用近距离接收器和距离目标源的永久接收器之间的信息，因此提高了定位的精确度。
而且，TDoA算法通过对接收信号进行处理防范了卡尔曼滤波等定位算法的漂移问题。
但是，TDoA算法的定位精度可能受到信号未知时间偏移和噪声的影响，因此，如何改进TDoA算法的精度也是一个重要的问题。
基于TDoA算法的改进方法很多，其中最常用的是加入误差率估计和工程几何技术，并结合优化算法来改进TDoA算法的精度。
为了进一步提高算法的精度，还可以更好地选择参考节点和移动设备之间的测距方式和时间同步方式。
比如，在参考节点的选择上，根据实际情况选择那些位置固定、容易被监测的节点，这些节点更容易实现位置信息输出，也可以有效避免节点受到影响而导致错误的情况。
此外，随着系统中各种传感器数量的增多，不同的传感器之间也存在一定的时间和时钟偏差，如果不加以处理，则这样的误差将会严重影响定位的精确度。
因此，为了弥补时钟和时间偏差，我们可以采用VLP（Visible Light Positioning）技术等方案。
除此之外，为了进一步提升TDoA算法的精度，我们还可以针对特定问题提出对应的解决方案。
比如，在环境多噪声的情况下，我们可以通过限制误差方程组的解，消除传感器测距误差造成的影响。
在节点簇中，为了避免较严重的干扰和高噪声等情况，我们可以减少测量值，间隔测量或在测量周期之间加入一些额外的控制步骤来保证精度。
WSN中基于指纹匹配的室内定位方法
WSN中基于指纹匹配的室内定位方法竺超明;华子雯;陈立建;徐慧;毛科技【摘要】定位技术在无线传感器网络应用中发挥着重要的意义.GPS等室外定位方法在室内环境中信号差,在场景复杂的室内环境中很难有效定位,因此本文实现的一种基于指纹匹配的WSN室内定位方法.首先构建定位区域中的信号强度指纹地图,利用Kriging插值算法构建分辨率较高的定位指纹地图,然后进行匹配指纹地图定位,采用余弦相似度和空间索引进行目标定位,最后采用K-means提高定位精度并进行优化.基于该定位方法开发了一套WSN室内定位系统,采用Micaz节点作为基站节点,通过实际实验和仿真实验验证了定位方法在室内定位场景中具有较好的抗障碍物干扰性,定位误差在5 cm左右.【期刊名称】《传感技术学报》【年(卷),期】2019(032)003【总页数】7页(P451-457)【关键词】无线传感器网络;指纹匹配;室内定位;Kriging插值;K-means聚类【作者】竺超明;华子雯;陈立建;徐慧;毛科技【作者单位】浙江广播电视大学萧山学院,杭州310000;浙江工业大学计算机科学与技术学院,杭州310032;浙江工业大学计算机科学与技术学院,杭州310032;浙江广播电视大学萧山学院,杭州310000;浙江工业大学计算机科学与技术学院,杭州310032;浙江工业大学计算机科学与技术学院,杭州310032【正文语种】中文【中图分类】TP393无线传感器网络WSN(Wireless Sensor Networks)主要用来监测网络部署区域中各种环境特性,比如温湿度、光照强度、磁场强度、受力强度、速度或加速度、化学物质浓度等等,但是只有在知道节点位置信息的情况下很多监测的数据才有意义。
换句话说,传感器节点的定位在无线传感器网络的诸多应用中有着十分重要的意义。
目前室外定位方法主要是通过全球定位系统GPS(Global Positioning System),GPS卫星通过发射电磁波信号计算距离,从而实现定位功能,然而GPS信号在室内环境或信号穿透比较差的场景中,不能实现高精度定位,因此很难满足室内定位的需求。
基于三重修正的wsn节点定位方法
•信息科学•
基于三重修正的WSN节点定位方法
王枭，刘瑞敏,毛剑琳
（昆明理工大学信息工程与自动化学院，昆明650500）
摘要：由于无线传感器网络中需要对未知节点定位，但是传统定位方法存在定位精度低的 缺点。为了有效应对传感器网络定位误差较大的问题 ，该文提出一种基于三重修正的定 位算法。首先，给出了新的计跳机制计算公式；然后，结合质心定位算法来计算未知节点 的跳距；再利用最小二乘法对未知节点与锚节点间的距离矩阵进行修正；最后，利用高斯 牛顿法对未知节点与锚节点所组成的非线性方程组进行优化求解。另外，再通过Matlab 进行仿真实验，分析了不同因素对定位误差的影响。通过对比其他3种定位算法的定位 效果，验证了该文所提算法能够有效提高定位精度。 关键词：无线传感器网络；节点定位；三重修正；高斯牛顿法 中图分类号:TP393 DOI：10.16152/j. cnkX xdxbzr. 2019-06-009 开放科学（资源服务）标识码（OSID）:
无线传感器网络是一种被部署在受控区域的 多跳自组织网络，它由大量的具有通信与感知能
力的传感器节点构成，在入侵检测、工业自动化、 智能建筑等众多领域有着极其广泛的应用[1"4] &
收稿日期：2019A3A3 基金项目：国家自然基金资助项目（61163051） 作者简介:王枭，男，山西大同人，从事无线传感器网络研究& 通讯作者:刘瑞敏，女，云南昆明人，副教授,从事无线通信研究&
本文在DV-HOP算法的基础上进行改进优 化,使得定位效果更佳。DV-HOP技术通过锚节 点与未知节点间的相互通信来获取每个未知节点 到锚节点的最小跳数值撚后,根据锚节点间的跳 数与距离,计算出锚节点的平均跳距，最后,未知 节点通过跳距计算出到锚节点距离,再根据某种 计算方法计算出未知节点的坐标。DV-HOP算法 由于其在实际环境定位中无需测距设备,可以大 大降低网络的成本，因此，在实际应用中具有独特 的优势。当dv-hop在大规模网络中被应用时, 它的关键问题是如何设计跳数机制、如何能有效 降低跳距的误差以及如何能较准确地求出未知节 点的定位算法。实际上，由于网络中未知节点的 数量多于锚节点数的原因,利用锚节点的跳距来 求锚节点与未知节点间的距离是造成距离误差的 一个因素;另外，由于锚节点间的跳数可能会存在 不是整跳数的情况,按照传统整数跳数机制就会 使得跳距出现偏差;最后,在定位算法中由于没有 对未知节点与锚节点间的距离进行误差校正而使 得定位效果较差。但是由于dv-hop定位精度 较低的缺点,使得许多研究人员致力于定位精度 优化算法的研究因此，国内外的研究学者们 纷纷对dv-hop算法做了不同的改进与优化。 赵雁航等⑺首先对跳距进行修正，然后，通过粒
基于RSSI滤波的三边室内定位算法
基于RSSI滤波的三边室内定位算法作者：程俊来源：《科技风》2019年第28期摘要：针对复杂的室内环境中，基于接收信号强度指示（RSSI）定位困难的问题，提出了一种基于卡尔曼滤波、高斯滤波、统计中值相结合（KGSM滤波）的三边测距定位算法。
算法先用KGSM滤波优化了RSSI值，然后运用对数损耗模型计算出距离，最后用三边测距得到了定位位置。
实验结果表明：KGSM滤波提高了采集的RSSI值精确度，使三边定位算法的定位误差维持在0.7～1.0m，提高了定位的稳定性和精确度。
关键词：接收信号强度指示;室内定位;滤波方式;三边测距;定位误差中图分类号：TP393 ;文献标识码：A现实生活中，GPS已广泛用于室外定位，但在室内环境中，由于建筑物的阻挡，GPS定位无法开展。
为了解决上述问题，人们尝试引入其他方法来实现定位。
目前，常用于室内定位的方法可以分为测距和非测距两类，测距算法包括TOA、TDOA、RSSI、AOA等，非测距算法包括APIT、凸规划法、质心法、DV-Hop等方法。
基于测距的RSSI算法应用广泛，但是其易受各种各样环境的影响，故人们常常对其进行滤波处理。
常用的RSSI滤波方法有均值濾波、高斯滤波、中值滤波、卡尔曼滤波以及它们的融合等。
文章[1]对高斯滤波进行了改进，其更符合理论模型，滤波效果更好。
文章[2]将卡尔曼滤波和中值滤波进行了结合，有效减少了粗大RSSI值对结果的影响。
受上述相关文献的启发，本文融合了卡尔曼滤波、高斯滤波、中值滤波的改进型统计中值滤波的优点，提出了一种新型滤波—KGSM（Kalman，Gaussianand Statistics median）滤波，提高了其精确度，进而减少了三边定位算法的[3]的定位误差。
1 KGSM滤波优化RSSI值1.1 传统滤波方法分析室内定位中，由于存在人员走动、信号的反射、电子仪器本身的干扰等不稳定因素，使接收的RSSI值存在很大的误差，为了提高其精确度，我们常常对其进行滤波处理，这里我们简单介绍下本论文用到的滤波：中值滤波、高斯滤波、卡尔曼滤波。
基于RSSI修正的相似度推荐定位算法
２ ０ １ ３年 ９月 安徽 Nhomakorabea工
程
大
学
学
报
Ｖｏ １ ． ２ ８ ． Ｎｏ ． ３
Ｓｅ ｐ．， ２ ０１ ３
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ａｎ ｈ ｕ ｉ Ｐｏ ｌ ｙ ｔ ｅ ｃ ｈ ｎ ｉ ｃ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ
文章编号 ： １ ６ ７ ２ ２ — ４ ７ ７ （ ２ ０ １ ３ ） ０ ３ — ０ ０ ６ ９ — ０ ４
了定 位 算 法 的 性 能 ．
１ Ｒ Ｓ Ｓ Ｉ 测 距 数 据 残 差 修 正
无 线 信号 传播 路径 损耗 模 型普遍 采 用 Ｓ ｈ ａ ｄ ｏ ｗｉ ｎ ｇ模 型 如公式 （ １ ） ：
Ｐ （ ）一 Ｐ （ 。 ）一 ｌ Ｏ ａ ｌ ｇ （ ｄ ／ ｄ 。 ）＋ Ｎ ， （ １ ）
文献标识码 ： Ａ
中图 分 类 号 ： ＴＰ ３ ９ ３
在 ＷＳ Ｎｓ 中， 节 点 的信 息采 集 、 目标跟 踪 与 监测 、 基 于位 置 信 息 的路 由协 议 、 网 络 的负 载 均 衡 等 是 建
立 在节 点位 置 已知 上口 ］ ． 因此 ， 节点 定位 算法 的研 究具 有重 要意 义 ． 根据 是否 需要测 量 未知节 点 与锚 节 点 问的距 离 ， 一般将 定 位算法 分 为与距 离 无关 （ Ｒ ａ ｎ ｇ ｅ — ｆ ｒ ｅ ｅ ） 的定 位 和基 于距 离 （ Ｒ ａ ｎ ｇ ｅ — ｂ ａ ｓ ｅ ｄ ） 的定 位［ ３ ］ ． 对 于
使用 三边 测量 、 三 角测 量或 极大 似然 度计 算未 知 节 点 的位 置 ． ＲＳ Ｓ Ｉ 测距 技 术 是 一种 低 功 率 、 廉价、 使用 方 便 的测距 技术 ， 但 ＲＳ Ｓ Ｉ 技术 易 受到各 种 环境 因素 的影 响 ， 定 位精 确度 不 高． 本文 提 出一种 基 于 Ｒ Ｓ Ｓ Ｉ 修 正 的相似 度 推荐 定 位 算法 ， 采用 残 差 修 正 Ｒ Ｓ Ｓ Ｉ 测 距数 据 ， 排 除误 差较 大 的Ｒ Ｓ Ｓ Ｉ 值， 并 通过 样 本点 与未 知定 位 区域 的相 似度 ， 推荐 出与未 知 区域 相 似度 大 的样 本 点 ， 最 终将 这 些 样本 点所 围成 区域 的质心作 为 未知节 点 的坐 标． 算 法对 定 位精度 和计 算 复杂 度作 了较好 的折 衷 考虑 ， 提高
WSN定位技术
第6章 WSN定位技术
3．1物22 0理18'2定3''W位与符号定位
定位系统可提供两种类型的定位结果：物理位置和符号位置。例如，某个
节点位于经纬度，就是物理位置；而某个节点在建筑物的423号房间就是符号
位置。一定条件下，物理定位和符号定位可以相互转换。与物理定位相比，
符号定位更适于某些特定的应用场合，例如，在安装有无线烟火传感器网络
第6章 WSN定位技术
信标节点在网络节点中所占的比例很小，可以通过携带GPS定位设备等手 段获得自身的精确位置。信标节点是未知节点定位的参考点。除了信标节点 外，其他传感器节点就是未知节点，他们通过信标节点的位置信息来确定自 身位置。如图6-1所示的传感器网络中，M代表信标节点，s代表未知节点。S 节点通过与邻近M节点或已知得到信息的S节点之间的通信，根据一定的定位 算法计算出自身的位置。图6-1WSN中信标节点和未知节点在WSN的各种应用中， 监测到事件之后关心的一个重要问题就是该事件发生的位置。
第6章 WSN定位技术
（6）到达时间差（Time Difference of Arrival，TDOA）：两种不同传 播速度的信号从一个节点传播到另一节点所需要的时间之差。
- 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)。
Ｋ ｅ ｗ ｏ ｄｓ ｗ ｉｅｅ ｓｓｎｓ ｔ ｏ ｋ ； ｗ ｅｇ ｅ ｃ ｎ ｒ ｉ ｏ ａｉａ ｉｎ； ｗ ｅｇ ｔｃ ｒｅ ｔｄ ； Ｒ Ｓ ｙ ｒ ： ｒ ｌｓ ｅ ｏｒｎｅ ｗ ｒｓ ｉｈｔｄ ｅ ｔｏ ｄｌ ｃ ｌ ｔｏ ｚ ｉ ｈ ｏ ｒ ｃｅ ＳＩ
中图 分 类 号 ： Ｔ ２ ２ Ｐ １． ９ 文献标识码： Ａ
Ｗ ｅ ｇ ｅ ｅ ｒ ｉ ｌ ａｉ ａ ｉ ｌ ｏｒｔ ｉ ｈｔ ｄ ｃ ｎｔ ｏ ｄ ｏｃ ｌｚ ｔｏｎ ａ ｇ ｉｈｍ 、 ｔ ｅ ｇ ｈ ｗ ｉ ｈｔ ｃ ｒ ｅ ｔ ｄ ｂａ ｅ ｎ Ｓ Ｉｆ ｒ ｌ ｓ ｅ ｏｒｎｅ ｗｏｒ ｏ ｒ ｃ ｅ ｓ ｄ ｏ Ｒ Ｓ ｏｒｗｉｅ ｅ ｓｓ ｎｓ ｔ ｋ
ｓ ｇ ， ｈ ｓａｇ ｒ ｈ ｃ ｎ ｉ ｅ ｅ ｈ ｈ ｉ ａ ｃ ｎ Ｓ ｅｗｅ ｎ ｂ ａ ｏ ｏ ｅ ｎ ｏ ｒ ｃ ｅ ｈ ａｕ ｆｄ ｓ ｎ ｅ ｔ ｅ ｔ ｉ ｌ ｏ ｉ ｍ ｏ ｓｄ ｒ ｄ ｔ ｅ ｔ ｅ ｄ ｓ ｎ ｅ ａ ｄ ＲＳ Ｉ ｔ ｅ ｅ ｃ ｎ ｎ ｄ ｓａ ｄ ｃ ｒ ｅ ｔ ｄ ｔ ｅ ｖ ｅ ｏ ｉｔ ｃ ａ ｔ ｔ ｂ ｌ ａ
２１ ０ ２年 １月 蔫，Ｐ Ａ
电 子
测 试
ＥＬＥｃＴＲ０ Ｎ｜ ｃ Ｔ ＥＳＴ
Ｊ ａｎ ２ｏ１ ２ Ｎｏ． ，
ＷＳ Ｎ中基于ＲＳ Ｉ Ｓ的加权质心 定位算法 的改进
于慧霞 （ 南京邮电大学 南京 ２ ０ ４ １０ ６）
摘要 ： 自身节 点定位是无线传感器 网络 的关键技 术之一 。本文对距 离无关定 位算法中的质心定 位算法进行 了 分析 ，在基于ＲＳ Ｉ Ｓ的质心定位算法的基础上提出 了一种新的校正Ｒｓ Ｉ ｓ测距值 的加权定位算法。测距阶段将信
果 以 ｄ 为计量单位时 ，它满足高斯分 布。它是 一个 没 Ｂ作 有 任何 意义 的高 斯随 机变 量 ，它 对 Ｓａｏ ｉ 模 型作 了 ｈｄｗｎ ｇ
一
的距离或角度 ， 并完成位置估算。
文献 【 提出了一种廉价实用的定位算法 ，该方法通 ６ 】 过校 正 Ｒ Ｓ 测距技术 测量节点 间的距离 ，并优选信标节 ＳＩ 点 ， 后用 加权质 心方 法进行 定位 ，该 方法 存在 的缺点 最 是在 加权权重阶 段没有对权值 进行更好 的选取 ； 文献 【 ７ 】 提 出了一种 基于 Ｒ Ｓ 的修 正加权质心定位算 法 ，在该算 ＳＩ 法 中采用 测试距 离倒数 之和来 代替距离 和 的倒数作 为权 重， 该算 法对 于质 心算 法的权 值进 行 了很好 的修 正 ，但 是 在测距 阶段没 有充分 考虑 到信标 节点的影 响力 ，使得
来越 陕。
Ｓａｏ ｉ 模 翌 第二部分 ｘＢ ｈｄｗｎ ｇ 均 是一个对数正态的随
机 变量 ，它 反映 了 当距离一 定时 ，接 收到 能量变化 。如
和 非基于测 距 （ｎ ｅｆ ｅ的算 法。前者是利 用测量得到 ｒ ｇ—ｒ ） ａ ｅ 的距离 或角度信 息来进 行位 置计算 ，而后者 一般 是利用 节 点 的连通性 和多跳 路 由信 息交换 等方法来 估计 节点 间
ｍ ｅ ｓ ｅ ｅ ｔ．Ｉ ｔ ｅ ｗ ｅｇ ｅｅ ｔｏｎ ｐｈａｅ ｈｅｓ ｆｔ ｅ ｒ ｃｐｒ ｃ ａ ｈ ｅ ｓ ｅ ｓａ ｅ ｗ ｉ ｅ ｔ ｋ ｎ ａ ｈ ａｕｒ ｍ ｎ ｎ ｈ ｉｈｔｓｌ ｃｉ ｓ ，ｔ ｕｍ ｏ ｈ ｅ ｉ ｏ ａ ｏｆｅ ｃ ｍ ａｕｒ ｄ ｄｉｔｎｃ ｌ ｂ ａ ｅ ｓｔ ｅ ｌ ｌ
巴
设计 与研发
２２ ｏ１ １
．０ Leabharlann 言 在无 线传感 器 网络 中 ，按节 点位置 估测 机制 ，根 据 是 否依 靠测 量距离 划分为基 于测 距 （ ｎ ｅ ｂ ｓｄ 的算 法 ｒ ｇ — ａｅ） ａ
验值 ，范 围一 般在 ２６ ￣ 之间 。障 碍物越 多相对 数值越 大 。 因此随 着距离 的增加 接收到 的平均 能量下 降的速度会 越
ｗｅｇ ｔ Ｔｈ ｉ ｌｔ ｎ ｒ ｓ ｌ ｓ ｏ ｈ ｔｔ ｅ ｉ ｒ ｖ ｄ ａｇ ｒ ｈ ｃ ｎ ｐ ｏ ｉ ｅ ａ ｍｏ ｅｐ ｅ ｉ ｏ ａｉ ｎ ｃ ｍｐ ｒｄ ｗｉ ｉｈ ． ｅ ｓ ｍｕ ａｉ ｅｕ ｔ ｈ ｗｓｔ ａ ｈ ｍｐ ｏ ｅ ｏ ｔ ｍ ａ ｒ ｖ ｄ ｒ ｒ ｃｓ ｌ ｃ ｔ ｏ ａ ｅ ｔ ｏ ｌ ｉ ｅ ｏ ｈ
Ｒ Ｓ 测距值存在着很大的误差 。 ＳＩ
个 扩 展 ，使之 成为一个 富有 统计学 的模 型 ，本文 出于
环 境复 杂性 的考 虑 ，将 使用 Ｓａｏ ｉ ｈｄｗｎ ｇ的完整 模型 ，即 将 一个零 均值高 斯分 布的随机 噪声 引入了无线 电传播 模
ＹｕＨｕ ａ
（ ｍ ｎ ｉｅ ｉ ｆ ｏｔａｄＴ ｌ ｏ Ｎａ ｉｇＵｎｖｒｔ ｏ Ｐ ｓ ｅ ｃｍｍｕ ｉ ｔ ｎ ， ｍ ｎ， １０６ Ｃ ｉａ ｓｙ ｓｎ ｅ ｎｃ ｉ ｓ Ｎａ ｉｇ ２０ ４ ， ｈｎ ） ａｏ
Ａ ｂｓ ｒ ｔ ｔ ａｃ ：Ｔｈｉ ｐ ｏｐｏｓ ｎ ｉ ｐｒ ｅ ｗ ｅ ｇ ｅ ｃ ｎｔｏｉ ｏｃ ｌｚ ｔｏｎ ａｇ ｉｈ ．Ｉ ｄ ｓａ ｅ ｅ ｓ ｅ ｅ ｓｐａ ｅｒｐｒ ｅｓａ ｍ ｏｖ ｄ ｉ ｈｔ ｄ ｅ ｒ ｄ ｌ ａｉ ａｉ ｌ ｏｒｔ ｍ ｎ ｉｔｎｃ ｍ ａ ｕｒ ｍ ｎｔ
标节点之 间的距 离和 信号强度 信息同时考虑在 内进￣Ｒ ｓ值校 正 ，权值选择阶段 采用 了修正传 统权 重的计算 －ｓｉ 方法 ，权值取距离倒数之和 。通过仿真证 明 ， 文提 出的算法相 对于传统的加权质心定位算法有明显改进 ， 本 获
得较好的定位精度 。 关键词 ：无线传感器网络 ；加权质心 ；权值修正 ；Ｒｓｉ ｓＳ￣