移動無線傳感器網絡中節(jié)點自定位算法研究

摘要：移動無線傳感器網絡(MWSN)是一種全新的信息獲取和處理技術，可以在廣泛的應用領域內實現(xiàn)復雜的大規(guī)模監(jiān)測和追蹤任務，而移動節(jié)點的位置信息則是其應用的基礎。針對這一特征，文章深入探討了移動節(jié)點自定位算法的研究現(xiàn)狀，介紹了移動無線傳感器網絡節(jié)點定位的基本方法，討論了定位算法的性能評價指標，并對各種算法性能進行了比較，最后指出了算法存在的問題和解決辦法。文章認為三維全節(jié)點移動的定位算法將成為以后的研究趨勢。

關鍵詞：移動；無線傳感器網絡；自定位算法

Abstract: Mobile wireless sensor network (MWSN) is a novel technology for acquiring and processing information. It can perform complicated, large-scale monitoring and tracking tasks. In MWSN, localization of the mobile node is crucial for most applications. In this paper, we discuss the current status of node self-localization algorithms. We also introduce the basic methods of node localization and performance estimation index of localization algorithms. We analyze these popular localization algorithms, and disadvantages and solutions are discussed. We suggest that three-dimensional space will be a research trend.

Key words: mobile; wireless sensor network; self-localization algorithm

很多無線傳感器網絡[1] (WSN)的應用，如井下人員定位、河流探索、動物跟蹤、士兵定位、戰(zhàn)場探測等都需要利用節(jié)點的移動來實現(xiàn)。這就涉及到了特殊的無線傳感器網絡——移動無線傳感器網絡(MWSN)。

MWSN通常由坐標已知的信標節(jié)點和坐標未知的普通節(jié)點組成，與一般的無線傳感器網絡不同的是網絡中的部分節(jié)點或全部節(jié)點都是可移動的。它采用分布式的控制結構，網絡中的節(jié)點是具有機動能力的增強型節(jié)點，一般同時具有傳感、處理和轉發(fā)功能，它可以不依賴于事先設置的網絡基礎設施而迅速展開并且自適應組網，各節(jié)點可在不進行通知的情況下自由進入網絡或離開網絡且不會導致整個網絡陷入癱瘓。

在WSNs中，確定傳感器節(jié)點自身位置是網絡的基本功能之一，也是WSNs的支撐技術之一。節(jié)點位置信息如此重要，主要3個原因[2]：

(1) 傳感器收集的數(shù)據(jù)，必須知道感知數(shù)據(jù)的發(fā)生位置才有應用價值。

(2) WSNs的很多通信協(xié)議是在已知節(jié)點位置基礎上運行的，如地理路由實施數(shù)據(jù)轉發(fā)，并且需擁有節(jié)點的坐標。

(3) WSNs的一些系統(tǒng)功能需要節(jié)點位置信息，例如，有了位置信息可以為網絡提供命名空間，向部署者報告網絡的覆蓋質量等。

目前廣泛使用的全球衛(wèi)星導航定位系統(tǒng)(GPS)可用來確定攜帶者的絕對位置信息，但GPS具有高成本、高能耗、尺寸較大、和不可在室內等電磁波較難到達的環(huán)境中使用的特點。網絡中節(jié)點具有體積小、數(shù)量眾多、能量有限、處理能力和通信能力較弱等特點。由于上述種種原因使得GPS不能廣泛用在節(jié)點上，這就需要發(fā)展適合于無線傳感器網絡應用的節(jié)點定位方法。目前全球的研究機構已開展了大量工作。

文章對MWSN節(jié)點間定位的基本原理、算法性能評價指標和全球開展的相關研究工作進行了介紹和歸納，以便于為無線傳感器網絡的深入研究與應用提供借鑒。在MWSN中，節(jié)點移動分為部分移動和全部移動的情況，文中只關注全部節(jié)點移動情形下的節(jié)點自定位算法的研究，部分節(jié)點移動的定位算法不在文章考慮范圍之內。

1 節(jié)點定位

1.1 節(jié)點定位基本方法

在傳感器節(jié)點定位過程中，未知節(jié)點在獲得對于鄰近信標節(jié)點的距離，或獲得鄰近的信標節(jié)點與未知節(jié)點之間的相對角度后，通常使用下列方法計算自己的位置。

1.1.1 三邊測量法

三邊測量法如圖1所示。圖1中基于假設的理論模型：已知A，B，C 3個節(jié)點的坐標分別為(xa , ya)、(xb , yb)、(x c , yc )，以及它們到未知節(jié)點D的距離分別為da ,db ,dc ,假設節(jié)點D的坐標為(x, y)。那么，存在式1：

由式1可得到節(jié)點D的坐標。

1.1.2 三角測量法

三角測量法的原理如圖2中所示，A，B，C 3個節(jié)點的坐標分別為(xa , ya)、(xb, yb)、(x c, yc)，那么節(jié)點D相對于節(jié)點A，B，C的角度則分別為：∠ADB，∠ADC，∠BDC，假設節(jié)點D的坐標為(x , y )。

對于節(jié)點A，C和角∠ADC，如果弧段AC在ΔABC內，那么能夠唯一確定一個圓，設圓心為O1(Xo1,yo1)，半徑為r 1，那么a =∠AO1C=(2π-2∠ADC)，并存在式2：

由式2能夠確定圓心O 1點的坐標和半徑r 1，同理對A、B，∠ADB和B，C，∠BDC分別確定相應的圓心O 2(Xo 2,yo 2)、半徑r 2、圓心O 3(Xo 3,yo 3)和半徑r 3。最后可以利用三邊測量法，由點D(x,y)，O 1(Xo1,yo1), O 2(Xo 2 , yo 2) ，O 3(Xo 3,yo 3)確定D點坐標。

1.1.3 極大似然估計法

極大似然估計法如圖3所示，已知1，2，3等n個節(jié)點的相對坐標分別為(x 1,y 1) ，(x 2,y 2) ，(x 3,y 3) ，…，(x n ,y n),它們到節(jié)點D的距離為d 1，d 2，d 3，…，

d n ,假設節(jié)點D的坐標為(x ,y)。

那么，存在式3：

式4的線性方程表示方式為：AX =b，其中：

使用標準的最小均方差估計方法可以得到節(jié)點D的坐標為：

X = (ATA)-1ATb。

1.2定位算法性能評價指標

MWSN定位機制和算法的性能將直接影響其可用性，如何評價它們是一個需要深入研究的問題。存在一些重要的評價指標。

(1) 定位精度：定位技術首要且最重要的評價指標就是定位精度。定位精度指提供的位置信息的精確程度，它分為相對精度和絕對精度。絕對精度指以長度為單位度量的精度，相對精度通常以節(jié)點之間距離的百分比來定義。

(2) 刷新速度：刷新速度是指提供位置信息的頻率。對于移動的物體，位置信息刷新較慢，則會出現(xiàn)嚴重的位置滯后，直觀上感覺已經前進了很長距離，但提供的位置還是以前的位置信息。

(3) 功耗：功耗是對MWSN的設計和實現(xiàn)影響最大的因素之一。由于一般傳感器節(jié)點使用的電池都是一次性的能量有限的微型電池，因此在保證定位精度前提下，與功耗密切相關的定位所需的計算量、通信開銷、存儲開銷、時間復雜性是一組關鍵性指標。

(4) 容錯性和自適應性：定位算法和系統(tǒng)的軟硬件必須具有很強的容錯性和自適應性，節(jié)點能夠在數(shù)據(jù)丟失或做隨機運動的情況下，通過算法恢復或繼續(xù)進行，從而糾正錯誤、適應環(huán)境、減小各種誤差的影響，提高定位精度。

(5) 代價：包括時間、空間、成本等多種代價，主要是由定位算法決定節(jié)點的硬件設施。

(6) 信標節(jié)點密度：網絡中已知自身位置的節(jié)點占節(jié)點總數(shù)的比例。一般信標節(jié)點的密度越大，定位精度越高，但定位的成本也就越大，因為信標節(jié)點的費用會比普通節(jié)點高兩個數(shù)量級[3]，這意味著即使僅有10%的節(jié)點是信標節(jié)點，整個網絡的價格也會增加10倍。

(7) 安全定位：由于傳感器網絡自身以及定位機制均存在固有的脆弱性，節(jié)點的定位過程很容易遭受來自內部或外部的攻擊。攻擊所產生的錯誤定位結果可能導致網絡功能的局部失效和監(jiān)測結果出錯，進而破壞整個網絡應用的有效性。因此，如何為存在敵對可能的傳感器網絡應用提供安全的節(jié)點定位系統(tǒng)，也是評價定位算法性能的要素之一。

2 定位方法研究現(xiàn)狀

2.1 定位算法和系統(tǒng)介紹

現(xiàn)階段提出的是二維情況下所有節(jié)點移動的定位算法；三維情況下的所有節(jié)點移動的定位算法，從目前搜集到的資料來看，還未被提出。

二維定位算法有全部節(jié)點使用信標節(jié)點定位、部分節(jié)點使用信標節(jié)點定位和不需使用信標節(jié)點定位3種。全部節(jié)點使用信標節(jié)點的移動定位系統(tǒng)有ZebraNet系統(tǒng)，部分節(jié)點使用信標節(jié)點定位的移動定位算法包括蒙特卡羅定位(MCL)算法系列和其他定位算法系列，不需使用信標節(jié)點定位的移動定位算法有DL算法。

2.1.1 ZebraNet系統(tǒng)

2002年，Princeton大學的Philo Juang等人設計了ZebraNet系統(tǒng)[4],該系統(tǒng)用于跟蹤研究肯尼亞的野生斑馬群。系統(tǒng)由全部帶有GPS定位系統(tǒng)的節(jié)點和一個移動基站組成。節(jié)點安置在部分斑馬身上，節(jié)點每隔3分鐘使用GPS定位系統(tǒng)確定節(jié)點自身位置，并且把收集的數(shù)據(jù)和相關位置保存在節(jié)點上。基站位于研究人員駕駛的車上，當車靠近斑馬群時，節(jié)點通過射頻把收集到的數(shù)據(jù)發(fā)送到基站。該系統(tǒng)雖然節(jié)點都是移動的，但是不需要使用特定的算法進行定位。

2.1.2 MCL算法和其他定位算法系列

(1) MCL算法系列

文獻[5]弗吉尼亞大學的Hu和Evans借鑒了移動機器人中的序貫蒙特卡羅定位方法思想，并首次將其應用于MWSN節(jié)點定位中。MWSN中的序貫蒙特卡羅定位算法是首次研究信標節(jié)點和未知節(jié)點都移動的一種非測距定位算法。蒙特卡羅定位算法源于Bayesian位置估計，其核心思想是用若干個帶有權重的離散采樣來估計后驗概率密度分布，并且利用重要性采樣來迭代地更新它們。在MCL定位算法中，時間被分成若干個等長的離散時間段，待定位節(jié)點在每一個時間段對自身重定位，算法分為預測、濾波、重采樣和估計節(jié)點位置4個階段。該算法的定位精度非但沒有受到節(jié)點移動性的影響，相反通過節(jié)點的移動提高了定位精度，減少了定位開銷。另外，該算法不需要在節(jié)點上安裝額外硬件，因此降低了網絡成本。然而，該算法并沒有討論在不同應用環(huán)境下無線傳感器網絡的條件是如何假設的以及不同類型的運動模型是如何影響定位精度的等問題。

文獻[6]中，Baggio A等在Hu和Evans研究成果的基礎上總結并提出了蒙特卡羅盒子定位算法，該算法通過定義信標節(jié)點盒子和樣本盒子，把采樣區(qū)域限制在一個由信標節(jié)點射頻范圍重疊組成的樣本盒子里，這樣使得采樣效率得到了顯著提高，進而也提高了定位精度和定位效率。然而當觀測數(shù)據(jù)在樣本盒子分布的比重較少時，就減少了采樣的成功率。

文獻[7]中，加拿大約克大學的Rudafshani M和Datta S提出了移動和靜態(tài)傳感網絡定位算法(MSL)和MSL*算法，它們利用節(jié)點的一階鄰居節(jié)點和二階鄰居節(jié)點的位置信息改善定位精度。然而，MSL算法和MSL*算法利用一階鄰居節(jié)點和二階鄰居節(jié)點的方式比較復雜，算法復雜難懂，并且MSL算法計算量大，MSL*算法通信開銷量大，算法的實現(xiàn)都需要消耗巨大的能量。

考慮到MCL算法需要已知節(jié)點的無線信號傳輸半徑，而實際上由于環(huán)境改變、能量損耗等原因，無線信號的傳輸半徑值也是時刻變化的，并不是很容易就能得到。針對上述問題，韓國延世大學的Jiyoung Yi等人提出了一種叫做基于多跳的蒙特卡羅算法(MMCL) [8]，這種算法不需要已知節(jié)點的無線信號傳輸半徑值，而只需利用DV-Hop算法將平均每跳距離算出，然后利用未知節(jié)點到各信標節(jié)點的跳數(shù)及平均每跳距離，得出節(jié)點可能存在位置的條件，最后利用蒙特卡羅定位方法就能將滿足條件的節(jié)點位置求出。MMCL通過在全網內泛洪信標節(jié)點信息，減少了未知節(jié)點接收不到信標節(jié)點信息的可能性。

文獻[9]中， Stevens-Navarro E等人針對MCL算法在定位過程中由于不能在采樣區(qū)域內得到正確的樣本而導致未知節(jié)點不能準確定位的問題，對MCL算法進行了改進，提出了對偶蒙特卡羅定位算法和混合蒙特卡羅定位算法。對偶蒙特卡羅定位算法可以看作是將MCL算法的邏輯順序顛倒得到的，而混合蒙特卡羅算法則是將MCL算法和對偶蒙特卡羅定位算法綜合起來運用，最終獲得的一種更為有效的定位方法。然而對偶蒙特卡羅定位算法算法和混合蒙特卡羅算法也同樣存在著缺陷，它們在定位過程中的計算量要遠大于MCL算法。

文獻[10]中，Martins等人針對移動傳感器網絡提出了一種增強的蒙特卡羅(EMCL)定位算法。該算法通過把每步相關工作的主要思想并入最初的MCL中來對MCL進行改進。考慮到信標節(jié)點和未知節(jié)點間的通信信息會使MCL方法計算量大幅擴張問題，該算法通過協(xié)調多跳信標節(jié)點來建立一個簡化的抽樣區(qū)域，通過DV-hop算法控制泛洪來產生分布式的信息，進而減少算法的計算負荷，保證較好的精度，達到更快的定位收斂性，控制通信開銷。

文獻[11]中，Dil B等人把兩種基于測距和非測距類型的信息引入到序貫蒙特卡羅定位算法中，提出了一種基于測距的序貫蒙特卡羅定位算法。該算法在節(jié)點移動時獲得了精確的位置估計，但是同時也存在著網絡中的節(jié)點必須使用特殊測距硬件的缺點。

文獻[12]中，魏葉華等人針對未知節(jié)點和信標節(jié)點都隨機運動的網絡模型，提出了一種基于動態(tài)網格劃分的蒙特卡羅定位算法。首先，在算法中當接收的信標節(jié)點數(shù)超過一定閾值時就開始使用最遠距離節(jié)點選擇模型，選出部分信標節(jié)點參與定位和信息轉發(fā)，進而節(jié)約能耗。接下來利用選擇的或所有接收的信標節(jié)點構建采樣區(qū)域，完成網格劃分，通過使用網格單元數(shù)計算最大采樣次數(shù)，并在采樣區(qū)域內采樣并使用誤差補償?shù)倪\動模型進行過濾，使得采樣效率得到提高，計算開銷得到減少，并保證了較好的定位精度。然而，移動網絡定位要遠復雜于靜態(tài)網絡，因此對運動模型及動態(tài)特性的研究仍然是一個難點。

文獻[13]中，李鵬程等人提出了基于估計的蒙特卡羅定位算法(MCBE)移動定位算法，該算法是基于MCB定位算法，其利用信標盒子(即包含待定位節(jié)點可能位置且平行于坐標軸的矩形)和鄰居未知節(jié)點的位置來幫助定位。由于信標盒子的大小與定位誤差是正相關的，因此該算法根據(jù)當前時刻待定位未知節(jié)點的一跳和二跳信標節(jié)點位置信息能夠計算出信標盒子，當信標盒子的大小大于某一定值時，利用鄰居未知節(jié)點的位置縮小信標盒子，最后在信標盒子內采樣，并運用蒙特卡羅定位方法進行定位。但當待定位未知節(jié)點的信標盒子較大時，未知節(jié)點要和鄰居節(jié)點通信，這就增加了通信成本，所以MCBE算法并不太適用于信標節(jié)點密度大，對能量效率要求高的場合。

文獻[14]王潔等人提出一種在低錨節(jié)點密度的移動傳感器網絡中實現(xiàn)定位跟蹤的方法，即增強型蒙特卡羅定位跟蹤算法。該算法利用受控的洪泛方式提高錨節(jié)點利用效率，采用遺傳交叉操作加快預測階段的抽樣，并采用插值方法對節(jié)點運動速度及方向進行預測，利用位置估計精度優(yōu)于自身的1跳鄰居節(jié)點的信息強化濾波條件。仿真實驗結果表明，該算法與傳統(tǒng)MCL算法相比加快了收斂速度，提高了定位精度，改善了在低錨節(jié)點密度時的性能。

(2) 其他定位算法系列

文獻[15]中，S. Datta等人提出了一種基于多邊形的算法，該算法中節(jié)點保持一個凸多邊形來代表當前的可能位置，這個多邊形包含了節(jié)點所有的可能位置，多邊形的質心被認為是節(jié)點的位置估計。節(jié)點所在位置由前一時刻的多邊形，當前所聽到的錨節(jié)點和普通節(jié)點所限制，這些限制也由一個個的多邊形表示。

文獻[16]中，Ji Luo 和Qian Zhang提出了一種叫做MIL的算法，把節(jié)點所在的區(qū)域劃分為一個個寬度相等的小長方形，這些長方形的頂點的坐標由限制節(jié)點所在位置的所有小等式計算出，這些小長方形的質心被認為是節(jié)點所在區(qū)域的質心，為節(jié)點的估計位置。

2.1.3 DL算法

DL定位算法[17]是由Polytechnic University的Akcan等人提出的。該方法應用于沒有錨節(jié)點的場合，易于布置。但它也有一些限制條件，如它需要節(jié)點上安裝有感知運動方向和運動速度的設備，并且有測距設備測量到鄰居節(jié)點之間的距離。節(jié)點可以獲得自身的運動方向和速度，通過與鄰居節(jié)點通信可以獲得鄰居節(jié)點的運動方向和速度，通過測距設備可以測得到鄰居節(jié)點間的距離。利用這些方向、速度和距離，該方法可以實現(xiàn)移動節(jié)點的定位。

2.2 典型定位算法分析

由于其他種類定位算法和系統(tǒng)相對研究成果較少，每種算法和系統(tǒng)都是在特定情況下提出的，可比性不大，所以文章主要分析MCL算法系列。

2.2.1 性能比較

對MCL算法系列進行分析研究，可以得到兩條結論。

(1)在WSNs節(jié)點定位算法中沒有一種通用的算法，只是在特定環(huán)境下某一種定位算法優(yōu)于另一種算法。但是減少通信與計算開銷，節(jié)省網絡能量，延長網絡的生命周期，以最少的信標節(jié)點數(shù)和最低的網絡成本達到最高的節(jié)點定位精度和覆蓋率這是每種定位算法所追求的。表1可以直觀看到幾種具有代表性算法及其優(yōu)缺點。

(2)現(xiàn)有的針對全節(jié)點移動的定位算法，基本上都是在蒙特卡羅算法的基礎上對其的改進；節(jié)點的移動模型主要是隨機路點移動模型。

2.2.2 存在問題

MCL定位算法的不足之處需要進行改進，這主要集中在6個方面。

(1) MCL類算法采用大量加權粒子來表征未知節(jié)點的概率密度分布，用于尋找這些粒子的計算量較大。通過對采樣進行優(yōu)化，使采樣向后驗密度分布取值較大的區(qū)域移動，可以更好地表達后驗密度分布，解決MCL方法采樣效率低的問題。

(2) MCL類算法在錨節(jié)點密度小于1時，定位精度隨著錨節(jié)點密度的降低急劇下降。通過利用測距技術和改變無線信號傳輸模式以改變能量損耗，提高定位精度。位置估計的精度是設計定位算法始終追求的目標，它直接影響WSNs后繼的網絡傳輸和監(jiān)測性能。影響定位精度的因素主要包括測距誤差和定位計算帶來的誤差。由于測距誤差是由硬件設備決定，不同的測距或測角技術具有不同的誤差特征，但目前尚沒有精確刻畫這些技術特征的公開資料。傳感器在理想情況下的無線傳輸范圍是以該節(jié)點為中心的球形，而節(jié)點的無線傳輸方式是不規(guī)則的，即不同方位的傳輸距離不同，因此感知半徑或通信半徑均為實際情形的近似。

(3) MCL類算法僅利用錨節(jié)點的信息進行濾波。通過限制樣本的采樣范圍等方法在預測和濾波階段進行改進，并利用位置估計精度優(yōu)于自身的普通鄰居節(jié)點的位置信息，實現(xiàn)了多點參與的協(xié)作定位。

(4) MCL算法沒有考慮運動軌跡的預測問題。通過利用節(jié)點前幾個時刻的位置信息估算出其當前的運動參數(shù)，從而提高運動預測的精度。

(5) 混合定位技術和算法的研究。每一種定位技術和算法都有其優(yōu)缺點，僅僅使用一種定位技術和算法不可能滿足所有的傳感器網絡通信環(huán)境的要求。這需要把己有的定位技術和算法進行融合，充分利用各定位技術和算法的優(yōu)點，避免其缺點，使節(jié)點能夠獲得更加精確的定位。

(6) 地理環(huán)境的不均勻特性。由于MWSN可能部署在戰(zhàn)場、市區(qū)等具有障礙物的復雜地理環(huán)境中，地形和植被特征的差別，存在網絡所處環(huán)境的不均勻性即各向異性。通常定位算法將平均探測半徑廣播至全網絡，其實這只是平均估計值，各節(jié)點的實際數(shù)據(jù)可能各不相同，產生的誤差不僅給定位問題也給其他問題帶來錯誤信息，這是一個急需解決的問題。

3 定位方法研究趨勢

二維方面的研究相對來說比較透徹，而部署在三維空間的MWSN相比于二維空間具有更豐富的位置信息，且網絡規(guī)模和分布密度也都有所增加。三維MWSN的研究還比較薄弱，有大量的新問題需要解決。

三維的特殊性主要體現(xiàn)在：

（1）研究資料和成果缺乏。不能僅僅靠增加第三維坐標計算的方式把二維的研究結論推廣到三維，或者將三維問題規(guī)約到二維平面上解決。

（2）問題難度增加。由于難度隨維數(shù)的增加呈指數(shù)增長，網絡的覆蓋率和連通性將更加難以處理，而且相對坐標系統(tǒng)也會更復雜。

（3）計算復雜度成倍上升。隨著維度的增加，三維無線傳感器網絡中算法的復雜度往往高出其二維平面對應算法一個或多個數(shù)量級。這就要求算法在處理大量數(shù)據(jù)時，具有更快的運算速率。

（4）現(xiàn)實物理結構復雜。大多數(shù)二維傳感器網絡研究都假設n個節(jié)點在理想的完全平坦的二維平面隨機均勻分布或規(guī)則格狀分布，其通信范圍是以最大傳輸范圍為半徑，以未知節(jié)點的位置為圓心的圓，節(jié)點傳輸信號不受地形或者障礙影響；而三維傳感器網絡，在現(xiàn)實世界的結構更加復雜，受到物理環(huán)境的嚴格制約。未知節(jié)點的通信范圍是以最大傳輸范圍為半徑，以未知節(jié)點位置為中心的球體，節(jié)點信號傳輸受到地形因素和障礙的影響。與此同時，節(jié)點在三維空間的運動路線將更加復雜，移動模型的建立將更加困難。

（5）空間拓撲結構更加復雜。拓撲控制的目標是通過控制節(jié)點的傳輸范圍，使生成的網絡拓撲滿足一定的性質，以延長網絡生命周期，降低網絡干擾，提高網絡吞吐率。復雜的網絡空間拓撲結構對三維傳感器網絡的覆蓋、連通、拓撲控制和部署都有重要的影響。

（6）節(jié)點間通信更加頻繁，冗余信息加劇，干擾更加頻繁。由于節(jié)點具有隨時的機動性，節(jié)點間的通信量將成倍增加，這將產生大量的能量消耗和冗余信息。同時，單個遠處的節(jié)點在本地產生的干擾信號也許比較微弱，但多個遠處節(jié)點在本地形成的累加信號在三維環(huán)境下將會很嚴重，以至可能使網絡完全無法工作。傳感器節(jié)點的空間信號傳輸模型為理想的球體，即其通信范圍是以通信半徑為半徑的球形區(qū)域，但是在實際應用中由于空間物理結構的差異可能存在各向異性。

（7）安全性變得更差。MWSN的通信是采用無線信道、分布式控制的，節(jié)點是在三維空間中運動，其網絡更容易被竊聽、入侵，節(jié)點也更容易遭到物理上或邏輯上的竊取，從而使信息被泄露，甚至造成信息的篡改。另外，傳感器節(jié)點所在的環(huán)境是比較惡劣的，不可能照顧到每個傳感器節(jié)點，這樣，網絡的維護也十分困難。因此，網絡的通信保密和安全性十分重要，信道加密、抗干擾、用戶認證等安全措施要特別考慮，同時設計的傳感器節(jié)點要非常堅固，不易損耗，適應各種惡劣的環(huán)境條件。

因此，對三維移動網絡節(jié)點定位算法在考慮以上特殊性的同時，需在如下的方面做進一步的深入研究，包括：定位技術和算法的研究；建立新的移動模型；提高定位精度；平衡算法復雜度與能量消耗間的關系；減少誤差累積問題等。

4 結束語

定位問題在MWSN組網時具有關鍵作用，是傳感器網絡運行的前提和基礎，國際上對移動定位進行了較早的研究?，F(xiàn)有的各種所有節(jié)點移動定位算法都是根據(jù)各自的應用需求在一定的條件下提出的，適合于特定情況，得到的結果是在定位精度、節(jié)點覆蓋率、能量耗損、計算與通信代價等要求上的折中。由于各種應用差別較大，沒有普遍適合于各種應用的定位算法，所以應針對不同的應用，通過綜合考慮節(jié)點的規(guī)模、成本及系統(tǒng)對定位精度等要求，來設計最適合的定位算法。由于不同環(huán)境下傳感器節(jié)點都存在資源有限、隨機部署、通信易受環(huán)境干擾甚至節(jié)點失效等特點，定位機制必須要滿足自組織性、健壯性、能量高效、分布式計算等要求。

5 參考文獻

[1] 孫利民,李建中,陳渝,等.無線傳感器網絡[M].北京：清華大學出版社,2005.

[2] 崔遜學,趙湛,王成.無線傳感器網絡的領域應用與設計技術[M].北京：國防工業(yè)出版社,2009.

[3] HILL J L. Spec: Smartdust Chip with Integrated RF Communications[D]. Berkeley, CA, USA: University of California-Berkeley, 2001.

[4] JUANG P, OKI H, WANG Y, et al. Energy-Efficient Computing for Wildlife Tracking: Design Tradeoffs and Early Experiences with ZebraNet[C]// Proceedings of the 10th International Conference on Architectural Support for Programming Languages and Operating Systems (ASPLOS '02),Oct 5-9,2002,San Jose, CA, USA. New York, NY, USA: ACM 2002:96-107.

[5] HU L, EVANS D. Localization for Mobile Sensor Networks[C]// Proceedings of the 10th Annual International Conference on Mobile Computing and Networking (MOBICOM04), Sep 26-Oct 1,2004, Philadelphia, PA, USA. New York, NY, USA: ACM, 2004: 45-47.

[6] BAGGIO A, LANGENDOEN K. Monte-Carlo Localization for Mobile Wireless Sensor Networks[C// Proceedings of the 2nd International Conference on Mobile Ad-hoc and Sensor Networks (MSN06), Dec 13-15, 2006, Hong Kong, China. LNCS 4325. Berlin, Germany: Springer- Verlag, 2006: 718 -733.

[7] RUDAFSHANI M, DATTA S. Localization in Wireless Sensor Networks[C]//Proceedings of the 7th International Symposium on Information Processing in Sensor Networks (IPSN07),Apr 25-27,2007, Cambridge, MA, USA. Los Alamitos, CA, USA: IEEE Computer Society, 2007: 51-60.

[8] Jiyoung Yi,Sungwon Yang,Hojung Cha, "Multi-Hop-Based Monte Carlo Localization for Mobile Sensor Networks"[A], Fourth Annual IEEE Communications Society Conference on Sensor[C],Mesh and Ad Hoc Communications and Networks (SECON 2007),June 2007

[9] STEVENS-NAVARRO E, VIVEKANANDAN V, WONG V W S. Dual and Mixture Monte Carlo Localization Algorithms for Mobile Wireless Sensor Networks[C]// Proceedings of the IEEE Wireless Communications and Networking Conference (WCNC07), Mar 11-15, 2007, Hong Kong, China. Piscataway, NJ, USA: IEEE, 2007: 4027-4031.

[10] MARTINS M H T, SEZAKI K. An Enhanced Monte Carlo Localization Algorithm for Mobile Sensor Networks[C]// Proceedings of the 5th international Conference on Networked Sensing Systems (INSS08), Jun 17-19,2008, Kanazawa, Japan. Piscataway, NJ, USA: IEEE, 2008:232.

[11] DIL B, DULMAN S O, HAVINGA P J M. Range-Based Localization in Mobile Sensor Networks[C]// Proceedings of the Proceedings of the 3rd European Workshop on Wireless SensorNetworks (EWSN06), Feb 13-15,2006, Zürich, Switzerland. LNCS 3868. Berlin, Germany: Springer- Verlag, 2006:164-179.

[12] 魏葉華,李仁發(fā),羅娟,等.基于動態(tài)網格劃分的移動無線傳感器網絡定位算法[J].計算機研究與發(fā)展,2008,45(11): 1920-1927.

[13] 李鵬程,廖波,羅娟,等.無線傳感器網絡中一種移動節(jié)點定位算法[J].小型微型計算機系統(tǒng)，2008, 29(11): 2051-1054.

[14] 王潔, 王洪玉，高慶華,等. 一種適用于移動傳感器網絡的增強型蒙特卡羅定位跟蹤算法[J].電子與信息學報，2010, 32(4): 864-868.

[15] DATTA S, KLINOWSKI C, RUDAFSHANI M, et al. Distributed Localization in Static and Mobile Sensor networks[C]// Proceedings of the IEEE International Conference on Wireless and Mobile Computing, Networking and Communications(WiMOB06),Jun 19-21,,2006, Montreal, Canada. Piscataway, NJ,USA:IEEE, 2006: 69-76.

[16] LUO Ji, ZHANG Qian. Relative Distance Based Localization for Mobile Sensor Networks[C]//Proceedings of the IEEE Global Telecommunications Conference (GLOBECOM '07), Nov 26-30,2007, Washington, DC,USA.Piscataway,NJ,USA:IEEE,22007:1076-1080.

[17] AKCAN H, BR?NNIMANN H, KRIAKOV V, et al. GPS Free Node Localization in Mobile Wireless Sensor Networks[C]//Proceedings of the 5th ACM International Workshop on Data Engineering for Wireless and Mobile Access(MobiDE06), Jun 25, 2006, Chicago, IL, USA. New York, NY, USA: ACM, 2006: 35-42.

收稿日期：2012-02-03

作者簡介

陳晶晶，中國人民解放軍陸軍軍官學院五系碩士研究生在讀；主要研究方向為軍事仿真與作戰(zhàn)模擬研究、傳感器網絡；已發(fā)表論文3篇。

劉萍，中國人民解放軍陸軍軍官學院二系軍用網絡工程教研室教授、博士；主要研究方向為系統(tǒng)集成、軟件開發(fā)、作戰(zhàn)仿真與實驗、傳感器網絡及應用，軍事運籌決策技術；多次榮獲軍隊級獎項，已發(fā)表論文數(shù)十篇。