基于MCL算法的无线传感网络节点定位技术

　　引言

　　无线传感器网络的应用中，位置信息是节点采集数据时不可缺少的部分，没有位置信息的监测信息通常是毫无意义的。确定事件发生的位置或采集数据的节点位置是无线传感器网络最基本的功能之一。为了能够提供有效的位置信息，随机布置的传感器节点在网络部署完成后必须能够确定自身所在的位置。一般的定位算法分类为基于距离定位算法和距离无关定位算法。基于距离的定位能够实现节点的精确定位，但往往对节点的硬件要求较高。出于硬件成本、能耗等方面的考虑，使用距离无关(Range-free)的节点定位技术可不需要测量节点之间的绝对距离或者方位，降低了对节点的硬件要求，但定位误差相应有所增加。

　　无线传感器网络的节点定位策略通常使用少量位置已知的信标节点.其它位置未知的普通节点从它们接收到的信息估计自己所处的位置。现有节点定位方法大多采用上述策略，典型的Range-free定位算法主要包括：质心定位、A-morphous、SPA(self-positioning algorithm)、凸规划、APS(adhoc positioning system、APIT等。然而这些方法都没有考虑节点(包括普通节点和信标节点)具有位置移动性的网络情形。节点的移动性会导致定位过程变得更加困难而且复杂。本文使用Monte Carlo定位(MCL)算法来解决节点具有移动性的无线传感器网络的节点定位问题，并针对MCL算法的一些应用限制进行了改进。

　　l MCL定位算法

　　MCL算法的核心思想是利用一系列加权采样值表示可能位置的后验概率分布，目的在于确定节点所在可能位置的后验概率分布。算法每一步都包括位置预测和位置更新两个阶段。位置预测阶段是利用m个加权采样值对后验概率分布进行描述的过程，位置更新阶段则是通过重要性采样操作对其进行及时不断更新，采样值的权重值从O和l中取值。

　　MCL，定位算法的基本步骤：

　　1.1 位置估计

　　无线传感器网络节点的移动定位问题可以在如下状态空间内描述。以￡表示离散时间，lt表示f时刻节点的位置分布，Dt表示节点在t-1t时刻到t时刻之间接收到的来自信标节点的观测值。转换方程p(lt|lt-1)表示基于节点先前位置对其当前所在位置的估计。观测方程p(lt，Ot，)表示在给定观测值的情况下节点位于位置lt的概率。算法的目标是对节点位置的滤波分布p(lt|O0,O1,…，Ot)随时间进行反复估计。用一组采样值Lt(N个)表示节点的位置分布lt，而且每一时间段内算法要对采样序列进行反复计算，由于Lt-1是对先前所有观测值的一个集中反映，因此仅使用Lt-1和Ot就可以计算出lt。

　　位置估计算法的实现流程：