4.3 智能定位算法
随着电子技术的发展和芯片计算能力的提高，传感器网络节点本身的性能也有提升， 复杂算法也可以在网络中实现。因此， 智能定位算法也纷纷被提出。
对于无线传感器网络的户外三维定位， 将锚节点固定在直升机上通过GPS 实时感知自身位置， 采用基于RSSI 的测距方法， 利用粒子滤波定位技术实现定位， 该方法不需要任何关于未知节点的先验知识， 非常适合应用于户外定位。
神经网络对于解决无线传感器网络的定位问题是一个切实可行的办法， 将3 种神经网络： 多层感知神经网络， 径向基函数神经网络和递归神经网络与卡尔曼滤波的2 个变形进行比较， 可以根据不同情况下的定位需求灵活选择定位方法。使用神经网络和网格传感器训练的灵活的模型， 可以提高定位精度， 且不需要额外的硬件支持。网络训练每隔一段时间进行一次更新来最小化误差， 并且通过增加网格节点密度来提高定位精度。
对于节点定位中的非视距问题， 常规的办法是采用机器学习中的支持向量回归(support vector regression,SVR) 方法进行定位以降低误差， 但其定位精度仍然受到一定的非视距误差影响， 为了降低这种影响， 研究人员提出了基于直推式回归的定位算法。利用锚节点的坐标和TOA 信息并借用核函数直接推导出未知节点的位置， 进一步提高定位 精度。
虽然智能定位算法已经成为一个新的研究方向，但由于WSN 网络本身属于低能耗的网络， 单个节点的计算能力还比较低， 目前智能定位算法不普遍适用于实际的WSN 定位系统， 但随着低功耗技术、微处理器技术、FPGA 技术的发展， 智能定位算法将在未来的定位系统中得到广泛的应用。
5 研究前景与应用分析
截至目前， 无线传感器网络定位研究已广泛开展并取得了许多研究成果， 但仍存在着一些没有被解决或被发现的问题， 目前最为关键的问题仍然是WSN 节点的能耗问题， 一切的定位算法应该在精度和能量消耗上选取一个较为折衷的效果。下面将对目前存在的问题及相应可能的解决方案进行介绍。
1) 实用性差。大部分基于非测距的定位算法只是停留在理论研究阶段， 且大都是在仿真环境下进行的， 需要假设很多不确定因素， 而这些因素在实际应用中往往不能满足， 则这些算法就失去了实际的意义。因此定位算法的设计应该更多的从实际应用上考虑， 结合实际应用情况设计实用的定位算法。
2) 应用环境单一。多数的算法都是针对特定的应用场景进行设计的， 也就是说， 每个算法都只能解决特殊的问题或应用于特定的场景， 一旦环境发生变动， 算法或系统的测量误差将增大甚至不再适用。因此， 探索更具通用性的定位算法或定位系统， 将其应用于更为复杂多变的环境中是一项新的挑战。
3) 受硬件限制。在实际定位中， 一些算法由于受到传感器节点硬件成本和性能的限制， 如某些算法需要在定位节点上增加GPS, 超声波收发器， 有向天线阵列等设备， 增加了节点硬件成本， 阻碍了其在实际定位系统中的应用。因此， 算法设计应多考虑WSN 节点的实际情况， 如只在部分节点上增加额外硬件， 或根据实际节点资源受限情况采用其他定位算法等。
4) 能量受限。测量精度、容错性和能量消耗等问题也是目前无线传感器网络研究的热点， 更是定位技术研究的热点。通常情况下， 高测量精度和低能量消耗不可兼得， 往往需要在测量精度和能量消耗上进行有效的折衷。因此， 可以在提高储能设备的容量， 或利用可能的外界环境资源为节点提供能量方向进行研究， 另外， 提出高效、节能、符合实际情况的无线传感器网络定位算法将具有现实的意义。
5) 安全和隐私问题。在大范围部署的无线传感器网络中， 安全和隐私的问题也是一个主要的研究方向。一方面， 一些应用需要节点位置信息， 另一方面， 向一些不需要知道位置的节点透露位置信息则会使网络面临安全问题。此外， 鉴于无线传感器网络的性质， 集中式算法在后台处理定位程序也使得节点的位置信息通过层层传递被过多的节点所知晓，因此分布式算法相对于集中式算法可以减少信息传递次数， 增强网络安全性， 另外， 在网络通信中使用信息加密也可以提高网络安全性。就2009 年发表的定位相关文章来说， 每4 篇发表的文章中就有1 篇提出的是分布式算法。
未来的无线传感器网络定位在解决上述问题之后将广泛应用于各类领域， 包括安全定位、变化的环境、三维空间等。
6 结 论
结合近年来无线传感器网络定位技术的发展状况， 对无线传感器网络定位的基本概念、评价标准以及国内外研究现状进行了概述， 重点对基于测距和基于非测距的无线传感器网络定位算法进行了分析， 并列举了一些新型WSN 定位的算法， 总结了目前无线传感器网络定位领域研究存在的问题和一些可以研究的内容和方向。希望本文能够为无线传感器网络定位相关领域的研究者提供一些参考和借鉴。
