一種基于RSSI的無線傳感器網絡全程優化分布式定位策略

張新榮，熊偉麗，徐保國

（江南大學物聯網工程學院，江蘇無錫214122）

一種基于RSSI的無線傳感器網絡全程優化分布式定位策略

張新榮，熊偉麗*，徐保國

（江南大學物聯網工程學院，江蘇無錫214122）

針對目前定位算法存在精度與成本有較大矛盾的問題，在定位實施各階段采取有效措施，提出一種新的基于接收信號強度指示（RSSI）觀測模型的協作定位算法。該算法以有效計算方式獲得距離數據，優選錨節點參與定位計算，通過泰勒展開迭代求精法實施位置優化，最終獲得滿足要求且定位精度較高的位置估計。引入協作定位思想，將滿足一定要求的已定位節點升級為錨節點，參與其他節點的定位，提高了定位的覆蓋率和定位精度。仿真實驗結果顯示：網絡參數相同的條件下，本文算法定位效果接近基于實際坐標的泰勒級數展開算法，而遠高于基本的最小二乘定位算法，且由于所需存儲空間小，其定位精度也隨測距誤差的減小而快速提高，能夠滿足大規模無線傳感器網絡的定位需求。

無線傳感器網絡；RSSI測距；優化算法；協作定位

無線傳感器網絡WSN（WirelessSensorNetworks）由大量傳感器自主組網而成，通常密集分布于監測區域內，通過傳感器的無線通信機制進行信息交互，能夠感知、采集和處理監測區域內的物理信息。近年來，WSN發展迅猛，常見應用有軍事偵察與監控、環境信息監測、宇宙空間探測和應急救援救災等前沿領域［1］。監測區域內異常事件發生的位置信息對監測活動意義重大，因此，傳感器節點定位技術是無線傳感器網絡的核心技術之一，另外，路由效率提高和網絡拓撲的自配置也需要位置信息的支持［2］。傳感器節點定位就是基于已知節點的位置信息和節點間的無線通信，按照某種定位機制確定未知節點的位置。目前由于GPS受限于成本、功耗和應用場合，少量節點安裝GPS裝置獲得位置信息，作為錨（anchor）節點，然后采用合適的節點定位算法，估算出其他節點的位置。根據位置估算是否需要測量節點間的距離，定位機制可分為兩種，即基于測距（Range-Based）定位和無需測距（Range-Free）定位［3］。Range-Based首先測量傳感器節點間的距離或者角度，然后采用三邊測量法、三角測量法或最大似然估計等定位算法來估算未知節點的坐標。基本的測距手段有接收信號強度指示RSSI（Received Signal Strength Indicator）、到達時間（TOA）、到達時差（TDOA）和到達角度（AOA）等［4-8］。為了減小坐標估計誤差，通常使用多次測量和循環定位求精等方法來減小測距誤差對定位的影響。Range-Free定位無需傳感器節點間的距離或者角度信息，而是根據網絡拓撲和連通性等信息采用合適算法估算節點位置。但該方法有粗精度、通信開銷大和依賴基礎設施等缺點。

近年來的相關文獻已經提出各種方法來解決定位問題，但這些算法各有利弊，對于不同的定位應用，沒有統一的解決方案，且只是針對定位過程的某個階段進行改進，定位效果有待進一步提升。RSSI測距是在無線信號傳播模型基礎上，根據已知測量的發射功率和接收功率，將功率損耗轉化為距離，優點是功耗和成本低廉，缺點是受環境影響較大，因此必須進行非線性測距建模和參數設計［9］。在已知信息較多的情況下有利于提高測距精度，若采取多次測量和循環求精算法則可獲得較高的定位性能［10］。陳錫劍等學者基于RSS測距方式，提出根據信號強度的均方差，判斷實際獲得的信號接收功率與預先存儲功率的匹配程度的方案，從而將具有最小信號強度均方差的位置作為待定位節點的估計坐標［11］，取得了較好的定位效果。文獻［12］對存在非視距（NLOS）時的RF信號傳輸環境建模，取得了一定進展，改善了定位精度。還有文獻［13］的作者擴展了參數估計方法，提出三種信號路徑功率損耗因數的估計算法，豐富了無線信道參數估計方法，提高了定位精度。為了消除復雜環境對RSS測距的影響，有學者提出在線估計算法進行測距［14］，能夠實時進行定位。在詳細研究RSS測量值統計學特征的基礎上，文獻［15］的作者提出了基于最小二乘的RSS測距定位算法，獲得了較滿意的定位結果。鑒于RSS測量值與對應的距離之間是非線性的關系，針對不同無線信道的路徑功率損耗因數，有學者提出基于網格劃分的基于RSS測距的定位算法［16］，應用查詢方式實現定位。考慮到RSS測量值與節點發射功率強度的關系，文獻［17］則提出了一種基于RSS測距的多級能量定位算法，進一步豐富了定位手段，取得了較好的定位效果。劉政等學者提出一種基于RSSI的誤差自校正算法，其基本思想是利用校正節點，基于信標節點實際位置求得距離差，然后運用誤差自校正因子對測距誤差進行了補償，從而改善了定位效果［18］。上述各方面基于RSSI測距的定位研究在探索更好的定位性能方面起到了一定的積極作用，但大多數定位算法只是針對定位實施階段中的某些方面進行了改進，且計算開銷大、網絡中節點密度要求高，不易于在數據處理能力有限的無線傳感器節點中實現。

本文針對目前定位方法存在精度不高、成本較大的問題，深入分析RSSI定位機制，應定位系統的要求，在定位實施的各個階段，采用切實可行的方案，在保全定位功能的前提下，盡量減少通信與計算開銷。為此本文提出一種新的定位策略，可以不增加節點硬件就能夠測量RSSI值，從而獲得距離信息，在滿足定位精度的條件下，設計合適的低開銷定位算法，能夠降低定位能耗，增加網絡壽命，且能有效抵抗噪聲干擾，其定位精度能夠滿足大多數應用要求，充分發揮RSS測距技術成本低的優勢。在定位過程中將滿足要求的定位節點升級為錨節點，參與后面節點的定位計算，能夠有效增加定位覆蓋率，提高魯棒性。由于本文回避了最小化數學解析和全部節點間協作導致通信量劇增引起的復雜計算，因而大大減少了數據量，從而獲得了所需存儲空間小的優勢。

1 距離估計技術

1.1 測距模型及算法

受到實際定位應用中的多徑、繞射及障礙物遮擋等因素的影響，無線信號傳播通常是各向異性的，因此采用對數正態傳輸模型符合實際環境，即

式中：d0和d分別為發射節點與接收節點間的參考距離和實際距離，單位：m；Pr(d)為相距d時接收節點處的信號功率，單位：dBm；n為與無線傳播環境有關的信號傳輸路徑損耗因數；Pt為發射信號功率，單位：dBm；PL(d0)為相距參考距離d0的功率損耗，單位：dBm；Nσ為服從分布的高斯隨機噪聲。無線電自由空間傳輸模型可表示為

式中：Gt為發射節點的發射天線增益，單位：dBi；Gr為接收天線增益，單位：dBi；L為發射接收系統的損耗系數；λ為無線電信號的波長，單位：m。根據式（2），可以計算出d0=1m時的PL()d0值。

考慮網絡中某一節點zi的通信范圍內的網絡拓撲結構，鄰居節點zj到zi的接收信號強度為Pr()d，若估計距離為d，令

由對數正態傳輸模型可知

式中：Pr(d0)為參考接收節點處的信號功率；Nσ是零均值高斯變量，表示系統誤差等因素。

進一步，式（4）可改寫為

其中

則有

考慮網絡中的傳感器節點在監測區域內均勻隨機分布，且各節點擁有相同的通信半徑，作用范圍為規則的圓區域。若節點通信范圍內均勻隨機分布足夠多的節點，則根據Pr(d)與距離d的近似關系，為簡化計算，認為最小的接收信號強度Pmin對應最大的距離dmax，則有

先由式（8）求出n為

再代入式（7）中，求出估算距離為

可見，由式（10）可以估算出某一節點與其鄰居節點間的距離。同理，可以估算出整個網絡中所有能夠直接通信的相鄰兩個節點間的距離，該法計算簡單，再考慮到測量隨機誤差的因素，在實際應用中可行。

在未知節點獲得的多個Pr(d)值中，取最小的Pr(d)值即為Pmin，對應dmax=r，即為通信半徑，從而可由式（10）獲得未知節點到錨節點的d值。該方法無需求n，不僅消除了對數正態分布傳播模型中信號衰減因子的影響，同時也適用于高密度網絡中的節點間距離的估算。區域Pmin搜索方法：在待定位節點所收到的所有Pr(d)值，以及其鄰居節點所收到的所有Pr(d)值之后，放在一起，從大到小排序，取最小的一個Pr(d)值即為Pmin。

1.2 定位數據預處理—測距誤差處理

用于進行定位估算的距離數據的精度直接影響到定位精度，因此在定位計算之前，一般都要對所獲得的距離進行數據預處理，以便獲取盡量高精確度的距離數據，為后面的定位計算提供良好的數據基礎。距離數據的預處理就是采用適合的求精算法、循環求精算法或迭代求精算法盡量減小測距誤差，以便得到更加精確的距離數據。網絡中的普通傳感器節點與各錨節點的測量距離直接影響節點的定位精度，由于實際定位過程中的Pr(d)測量值存在誤差，則由式（10）估算出的節點間距離不準確，使得節點定位精度不高。解決的辦法之一就是，通過對錨節點間的測量距離與真實距離進行比較，利用所獲得Pr(d)的測距誤差，從而可對定位時傳感器節點與錨節點間的估算距離進行測距誤差修正。

即錨節點Ai處的基于RSS的距離測量誤差系數。即用μi反映錨節點Ai處距離測量的準確程度，μi值越小越好。當 ||μi≥τ時，其中τ為設定的測量準確度閾值，則說明該錨節點處測量不準確，或者認為是入侵的惡意錨節點，不能參與進行定位計算，否則均可認為測量準確度符合要求，可以作為正常錨節點參與定位計算。τ值的調整要根據定位實際情況進行，否則過大或過小都會影響定位精度。

定位過程中，傳感器節點接收錨節點的廣播信息，并將接收到的Pr(d)通過式（10）進行估算，得到測量距離，則可利用各錨節點處的距離測量誤差系數，并根據式（12）對測量距離進行修正。

式中：dui是傳感器節點U和錨節點Ai之間的測量距離，單位m；是傳感器節點U和錨節點Ai之間的修正距離，單位m。

2 分布式定位算法

2.1 選錨策略

定位過程中，無線傳感器節點在獲得到其相鄰三個錨節點的測量距離之后，便可以采用三邊測量法計算節點的位置坐標。僅從錨點的空間幾何位置考慮，研究表明當3個錨節點共線時的定位誤差最大，而3個錨節點在平面上所構成的三角形是等邊三角形時的定位誤差最小。因此，應該對可能參與定位計算的錨節點進行甄選，盡可能選擇能夠使得其所構成的三角形接近正三角形的錨節點參與到定位計算中來。假設網絡中某個普通傳感器節點的通信范圍內共有m個錨節點，則有C3m種錨節點的組合，錨節點選擇方法如下。首先，任意選出C3m種錨節點組合中的一種，利用三角余弦定理對其3個錨節點A，B和C構成的三角形計算出3個角的弧度值即αA，αB和αC；其次，找出3個角度中的最大角和最小角，即αmax和αmin，表示為：αmax=max{αA,αB,αC}和αmin=min{αA，αB，αC}；最后，依據下面式子選擇滿足條件的錨節點組合，即

2.2 定位估計

本文僅考慮二維（2-D）空間情況的討論。進行定位計算時，考慮無線網絡中3個錨節點的坐標分別為Aa(xa,ya)，Ab(xb,yb)和Ac(xc,yc)，未知位置的傳感器節點U的坐標為(x,y)，假設該節點到各錨節點的測量距離分別是dua,dub和duc，根據二維空間歐氏距離計算方法，可以列出非線性方程組：

整理，并簡寫為

其中，

還可進一步簡寫為

因此，目標坐標表達方式為：

即為未知位置節點U的坐標估計值。

2.3 位置優化

節點位置優化是對于定位估計階段所獲得的節點位置坐標進行精確化處理，通常采用迭代求精，以便進一步減少坐標的估算誤差。其主要目的是在不增加節點硬件成本的前提下，減小測距及距離估計誤差的影響，快速提高節點定位精度。本文考慮節點位置優化來解決三邊測量算法中的消去誤差問題，利用Taylor展開對非線性距離測量方程進行線性化，采用迭代的思想，使得節點估計位置坐標更接近于實際坐標，從而使節點位置得到進一步的優化。

假設傳感器節點的一步定位坐標為(x0,y0)，記其通信范圍內第i個錨節點坐標為(xi,yi)，該節點坐標優化后記為(x,y)，令

忽略二階及以上項，Taylor展開為：

將式（18）在(x0,y0)處進行泰勒展開，得式（20）。

應用牛頓迭代法，將式（20）分別代入式（14）中求解。設

則令

可以得到hi，ki。若

成立，則停止計算；否則將步長改為

重新代入式（20）進行計算，直到符合要求為止。

從RSSI測距技術的角度，還可以考慮距離置信度，用于定位優化的算法中。對于C3m種組合中的一種，設測得的3個距離分別為du1，du2和du3，且有，考慮距離置信度，令

在上述泰勒展開計算完hi，ki之后，令

將步長改為(H,K)，帶入式（20）重新計算。

最后，令

即得到最終精確的坐標。

2.4 算法實現步驟

綜上所述，考慮基于RSSI測距的定位，我們可以列出算法如下：①對于RSSI測距模型，根據式（1）～式（10），執行RSSI初步測距；②在估計的測距階段，根據式（11）和式（12），執行RSSI測距校正；③在選錨階段，根據式（13），執行涉及定位的錨節點優選；④在節點定位階段，根據式（14）～式（17），執行定位計算；⑤根據式（18）～式（27），實施位置優化階段的計算。

2.5 協作定位實現

引入協作定位思想，即通過充分利用網絡中的多種測量信息進行數據融合，傳感器間進行協作式信號和信息處理，目的是盡量消耗較少的能量，使定位過程獲得盡可能多的測量信息，以便提高定位精度和魯棒性。對于已經通過定位計算的未知節點，考慮若其滿足一定條件，則升級為錨節點，參與后面的定位計算。作為升級條件，應考慮錨節點的有關定位方面的性質要求，即與錨節點相當的較為穩定的RSSI測距環境定位能力。根據式（7）～式（9），計算該升級節點通信范圍內錨節點與其之間路徑損耗因數，取均值后應該相當于距離其最近的錨節點通信范圍內其他錨節點與該錨節點之間路徑損耗因數的均值。因此，除能夠準確定位之外，升級節點還要滿足以下條件，即

式中：nUk為升級節點U通信范圍內K個錨節點與其之間路徑損耗因數，nAl為距離升級節點U最近的錨節點通信范圍內L個其他錨節點與該錨節點之間的路徑損耗因數。nΔ是節點升級的路徑損耗因數閾值。

3 數值仿真與性能評估及分析

本文通過選擇MATLAB中仿真研究的方式，采用隨機產生定位節點的方法，驗證本文所提出算法的有效性，并且與相關定位算法進行比較，從而說明其優越的定位性能和定位效果，為其推廣使用做好實驗準備。為綜合驗證RSSI測距誤差及無線傳感器網絡參數對節點定位算法的影響，RSSI測距建模采用公式（4），假設節點通信半徑為R，傳感器網絡中的節點均隨機部署于100 m×100 m的正方形區域中，定位過程中通信半徑R的取值范圍設置為20 m～50 m。為了客觀正確評價實驗的定位效果，在此依據統計規律，每次實驗均在相同的網絡設置條件下進行，且每次實驗前重新部署節點，相同的實驗內容重復做100次，之后對其定位數據求均值作為最終實驗結果。實驗中假設各次測量相互獨立且同分布，即服從零均值、方差為σ2N的高斯分布。作為對比，實驗也對一步估計坐標(x0,y0)為真實坐標(xt,yt)的泰勒級數展開進行了算法仿真。精度指標是衡量定位算法有效性的核心指標之一，本文采用均方根誤差RMSE（Root Mean Square Error）代表定位精度指標，即

式中：(xti,yti)為第i個節點的真實坐標，(xi,yi)為第i個節點的最終估計坐標，i=1,2,…,N，N為網絡中節點數目。以下各圖中算法A代表本文算法，算法B表示基于真實坐標的泰勒級數展開法，算法C表示LS算法。

3.1 測距誤差對定位精度的影響

研究距離測量誤差方差對算法精度的影響，從而確定定位精度與RSSI測距隨機誤差之間的關系，以便采取有效措施改善定位效果。設置錨節點數n=30，3種算法的定位實驗數值仿真結果如圖1所示。

圖1 定位誤差隨測距方差的變化趨勢

通過對圖1曲線分析可知，存在不同的測距誤差方差時，該曲線反映出算法A的定位精度與算法B的精度相差較小，但它們的定位效果明顯好于算法C，原因是算法C沒有對測距誤差進行抑制，影響了其定位精度，而算法A采取了測距誤差修正，有效減小了其導致的定位誤差，從而提高了定位精度。另外，可以看出，由于對測距誤差沒有采取有效措施進行減少，隨著測距誤差方差σ2N的不斷增大，算法C的定位精度下降很快，而算法A利用測距誤差系數進行了修正，其精度始終較高，比較而言算法A的定位效果更好一些。

3.2 測距誤差和錨節點與所提算法定位誤差的關系

首先研究隨距離測量誤差方差的變化，不同錨節點數對本文所提算法A定位精度的影響。分別設置錨點數n為15、20、25和30時，算法A的定位實驗數值仿真結果如圖2所示。

圖2 算法A的定位誤差隨錨點數的變化關系

從圖2中各曲線的變化趨勢可以看出，隨著距離測量誤差的方差σ2N的逐漸增大，算法A的定位誤差也在不斷增加，而且越來越明顯，即精度下降會很快，由此可知測距誤差對定位精度的影響是成反比的，因為測距是定位的基礎，測距誤差累積會加快反映到定位算法上來。在具有相同的σ2N值時，則隨著錨節點數的增加，算法A的RMSE在減小，說明定位精度在增加，由于算法A進行了錨點優選，有效參與定位的錨節點的增加，有利于定位精度的提升。

其次研究隨錨點數變化，不同的距離測量誤差的方差對定位精度的影響。算法A定位精度的變化趨勢如圖3所示。

圖3 算法A定位精度隨測距方差的變化趨勢

由圖3中各曲線的走向可以看出，隨著錨點數n的不斷提高，算法A的誤差指標也迅速減小，其原因是參與定位的錨點數目越多，則節點位置坐標的可利用的修正信息越多，即節點位置坐標的優化越好，所以最終獲得的定位結果也越準確，定位效果也就越好。另外，在錨節點數相同時，隨著距離測量誤差的方差σ2N的逐漸增大，算法A的定位精度不斷下降，即測距誤差與定位精度是成反比的，可見無論怎樣提高算法本身處理能力，測距誤差對定位算法始終會有影響。

3.3 錨節點數與定位誤差的關系

研究錨節點數目不同時對各種算法的定位效果的影響。距離測量誤差的方差σ2N=15時，3種算法的定位精度結果如圖4所示。

圖4 定位誤差隨錨點數的變化關系

從圖4中曲線趨勢可以看出，若取錨節點數相同的網絡進行實驗，算法A的定位精度接近于算法B，它們均好于算法C，可見沒有經過位置優化迭代處理的算法所獲得的定位精度確實有待提高，而算法A實現了這一點。距離測量誤差方差一定時，隨著錨點數目的提高，算法C的定位誤差起先減少緩慢，繼而才快速下降，但一直高于算法A，而算法A的定位誤差始終迅速地減小，表明其定位精度提高很快，比較可見，沒有對錨節點進行有效選擇的算法C的定位精度有限，而算法A在考慮有效錨節點定位處理方面措施得力，因此其定位誤差也更小。

4 結論

本文算法是在定位實施的各個過程中，采用切實可行的方案減少通信與計算開銷，不僅確保定位精度，且因能耗降低而增加了網絡壽命，充分發揮了RSS測距技術成本低的優勢。在網絡其他條件不變的條件下，其定位性能接近基于真實坐標的泰勒級數展開算法，而遠高于基本的最小二乘定位算法，考慮到優選有效錨節點參與定位處理，因此其定位誤差也更小。引入協同定位思想，不僅能夠提高定位覆蓋率，而且增強了定位系統對環境的適應能力。基于本文內容的下一步工作重點即在傳感器節點功耗和計算復雜度允許的范圍內，采用直接節點間協作定位和估計理論，進一步減小定位過程中的各種誤差，提高定位精度和魯棒性。

參考文獻：

［1］Kushki A，Plataniotis K，Venetsanopoulos A.Intelligent Dynamic Radio Tracking in Indoor Wireless Local Area Networks［J］.IEEE Transactions on Mobile Computing，2010，9（3）：405-419.

［2］嚴長虹，金琳.時間偏移下的多源目標精確定位方法［J］.傳感技術學報，2015，28（2）：178-182.

［3］Han G，Xu H，Duong T Q，et al.Localization Algorithms of Wireless Sensor Networks：A Survey［J］.Telecommunication Systems，2013，52（4）：2419-2436.

［4］Xu Yaming，Zhou Jianguo，Zhang Peng.RSS-Based Source Localization When Path-Loss Model Parameters are Unknown［J］.IEEE Communications Letters，2014，18（6）：1055-1058.

［5］袁鑫，吳曉平，王國英.線性最小二乘法的RSSI定位精確計算方法［J］.傳感技術學報，2014，27（10）：1412-1417.

［6］程秀芝，朱達榮，張申等.基于RSSI差分校正的最小二乘-擬牛頓定位算法［J］.傳感技術學報，2014，27（1）：123-127.

［7］Wang Yuan，Ma Shaodan，Philip C L Chen.TOA-Based Passive Localization in Quasi-Synchronous Networks［J］.IEEE Communications Letters，2014，18（4）：592-595.

［8］Shen Hong.Multiple Source Localization in Wireless Sensor Networks Based on Time of Arrival Measurement［J］.IEEE Transactions on Signal Processing，2014，62（8）：1938-1949.

［9］Garg V，Jhamb M.A Review of Wireless Sensor Network on Localization Techniques［J］.International Journal of Engineering Trends and Technology，2013，4（4）：1049-1053.

［10］王福豹，史龍，任豐原.無線傳感器網絡中的自身定位系統和算法［J］.軟件學報，2005，16（5）：857-868.

［11］陳錫劍，程良倫.基于RSSI的功率匹配定位算法的研究與實現［J］.傳感技術學報，2013，26（5）：709-714.

［12］Ding H，Xu Z.A Path Loss Model for Non-Line-of-Sight Ultraviolet Multiple Scattering Channels［J］.EURASIP Journal on Wireless Communication Net-Working，2010，2010（1）：1-12.

［13］Srinivasa S，Haenggi M.Path Loss Exponent Estimation in Large Wireless Net-Works［C］.Information Theory and Applications Workshop，San Diego，CA，2009：124-129.

［14］Haider S J，Tae-Young C.On-Line Ranging for Mobile Objects Using Zigbee RSSI Measurement［C］//3rd International Conference on Pervasive Computing and Applications，Alexandria，2008：662-666.

［15］Tarrio P，Bernardos A M.A New Positioning Technique for RSSBased Localization Based on a Weighted Least Squares Estimator［J］.IEEE International Symposium on Wireless Communication Systems，Reykjavik，2008：633-637.

［16］Shirahama J，Ohtsuki T.RSS-Based Localization in Environments with Different Path Loss Exponent for Each Link［C］//Vehicular Technology Conference，Singapore，2008：1509-1513.

［17］Fang J Y，Chu H C.A Multiple Power-Level Approach for Wireless Sensor Network Positioning［J］.Computer Networks 2008，52（16）：3101-3118.

［18］劉政.基于接收信號強度指示的誤差自校正定位算法［J］.傳感技術學報，2014，27（7）：970-975.

張新榮（1973-），男，副教授，博士研究生，主要研究方向為無線傳感器網絡與分布式計算、物聯網技術應用及工業過程監控，nn33@163.com;

熊偉麗（1978-），女，教授/博士，碩士生導師，主要研究方向為復雜工業過程建模及優化、智能優化算法及應用；

徐保國（1950-），男，江南大學教授，博士生導師，研究方向為輕工過程智能控制、智能儀表及現場總線技術、無線傳感器網絡及其控制。

A Whole Process Optimization Distributed Localization Strategy Based on RSSI in Wireless Sensor Networks

ZHANG Xinrong，XIONG Weili*，XU Baoguo
（School of Internet of Things Engineering，Jiangnan University，Wuxi Jiangsu214122，China）

Aiming at the problem that there is a great contradiction between the precision and cost of the current location algorithm，a new cooperative localization algorithm based on received signal strength indicator（RSSI）observation model is proposed.Using effective calculation method，the positioning calculation is carried out by obtaining the distance data and the optimally selecting anchor and applying the Taylor expansion iterative refinement method to optimize the position，finally obtains the location estimates with high positioning accuracy.In the positioning process，the concept of cooperative positioning is introduced，in which the positioned node meeting the certain requirements will be upgraded to anchor node，so that it can participate in the positioning of other nodes，and improve the coverage and positioning accuracy.Simulation experiment results show that on the premise of the same network parameters，the positioning effect of the proposed algorithm is close to the Taylor series expansion algorithm based on the actual coordinates，and much higher than the basic least square algorithm.And because the storage space is small，the positioning accuracy is improved rapidly with the decrease of ranging error，which can meet the needs of large-scale wireless sensor networks.

wireless sensor network，RSSI ranging，optimization algorithms，cooperative localization

TP393.0

A

1004-1699（2016）12-1875-07

??6150；7110；5210

10.3969/j.issn.1004-1699.2016.12.016

2016-05-25修改日期：2016-06-28