无线传感器网络中面向弱测距的定位理论与关键技术

已有无线传感器网络定位理论和技术往往对测距条件作出过强假设，而这些假设在实际部署的网络中通常并不成立。本项目对无线传感器网络中面向弱测距的定位理论与关键技术进行研究，主要包括：（1）网络/节点的Δ-可定位性研究，在测距存在误差情况下对网络/节点的可定位理论进行推广；(2)实际网络条件下的误差下界分析，在弱测距条件下对原有定位误差下界分析工作进行推广，利用更泛化的下界分析工具获得实际部署网络中仍适用的误差下界；（3）面向弱测距的选择性多边定位算法，通过锚节点选择来有效避免大误差测距对节点定位结果的不利影响；（4）基于缝补策略的定位算法中的误差累积抑制机制，在坐标系合并过程中利用节点位置误差和测距误差的不同特性来有效减小误差累积。本项目的研究将为大规模无线传感器网络的实用化和广泛应用提供很好的定位理论和技术支持，对将来物联网中RFID标签的定位技术提供有益的借鉴，具有重要的科学意义和应用价值。

在本基金的资助下，我们针对面向弱测距的无线传感器网络中的定位理论和算法做了大量的研究，主要包括各向异性网络中基于选择性多边定位的精确定位算法、二维/三维稀疏网络中的基于构件定位方法、基于每跳距离局部性的高精度距离估计算法及在此基础上基于锚节点选择的改进定位算法、基于WIFI和RFID的室内定位算法等。针对各向异性传感器网络中的定位问题，我们观察到在这类网络中平均每跳距离之间存在着局部性特性，并提出了一种利用该局部性特性来对普通节点到锚节点之间的距离进行精确估计的方法，并在此基础上提出了一种启发式算法来对锚节点进行选择以提高定位精度。更进一步，我们发现平均每跳距离的局部性特性是传感器网络中普遍存在着的一种性质，并从理论上分析了这种特性的本质原因以及影响这种特性的因素。针对基于局部性的距离估计方法，从理论上分析了其距离估计误差的界并探讨了不同因素对距离估计误差的影响。将锚节点选择问题形式化为一个最优化问题并提出了一种启发式算法，通过同时考虑节点的几何位置分布和距离估计误差来选择好的锚节点集合进行位置计算。针对稀疏网络中节点定位的覆盖率过低的问题，提出了基于构件的二维/三维网络定位算法。在二维情况下，通过弱化构件合并条件并引入角度信息，改进了已有的基于构件定位算法的性能，比已有最好算法改进定位覆盖率12%。在三维情况下，提出并证明了进行构件合并的条件，将节点的定位覆盖率从已有算法的40%提高到90%以上。针对基于WiFi指纹的定位算法训练阶段采集开销过大的问题，提出了一种基于多维标度的定位算法，通过利用缩小计算区域进行优化的方法，在保证定位精度的同时有效降低了训练阶段的采集开销。针对基于RFID的室内定位系统，提出了一种仅利用边界标签的阅读器定位算法。该算法能够有效的处理失读标签和误读标签，能够提高定位精度30%以上。研究期间，研究人员参加了多次国际学术会议，成果论文在著名国际会议和国内外核心刊物发表。这些研究将有力的推动无线传感网网络定位技术和基于WIFI/RFID定位技术的应用与推广普及。