题目：无线传感器网络中的节点自定位算法研究

无线传感器网络（Wireless Sensor Network, WSN）是近年来随着无线通信和电子学的发展而成为研究和应用热点的新型网络，是一种全新的信息获取和处理技术，能够实时监测、感知和采集各种环境或监测对象的信息，它具有资源受限、网络密度较大、节点易于失效、通信距离有限、没有全局性的ID等特点。这种网络系统可被广泛地应用于国防军事、环境监测、交通管理、医疗卫生、制造业、反恐抗灾等领域。节点的自定位技术是无线传感器网络的关键技术之一。大量随机布放的传感器节点无法事先知道自身位置，因此必须能够在布放后进行定位。而基于测距的定位算法虽然能够获得相对精确的定位结果，但都要产生大量计算和通信开销。所以基于测距的定位机制虽在定位精度上有可取之处，却并不适用于低功耗、低成本等应用领域，因此本文将重点研究非基于测距的无线传感器网络定位算法。通过深入、广泛的研究了WSN中的节点定位算法，本文主要内容和贡献如下：1、为了减小Concentric Anchor Beacon (CAB) 定位算法的定位误差，提出了一种基于双重限制区域的定位算法(Localization Algorithm Based on Dual-Restricted-Area, DRAL)。DRAL算法根据双重限制条件将定位空间划分为多个独立的区域，然后根据未知节点接收到的锚节点的信息来估计未知节点可能存在的区域。仿真结果表明，与CAB等基于限制区域的定位算法相比，DRAL算法在节点的定位精度上有较大的提高。2、为了提高动态无线传感器网络中蒙特卡洛定位算法 (MCL)的定位精度，提出了一种基于RSSI（Received Signal Strength Indication, 接收信号强度指示）的蒙特卡洛定位算法(RMCL)。在RMCL算法中，未知节点在预测阶段通过比较侦听到的一跳锚节点的RSSI值来估算样本点的采样区域，使得采样准确率提高，从而减小定位误差。仿真结果表明，与MCL算法相比，RMCL算法在预测阶段能够获得更多有效的样本点，从而减少了算法的迭代次数，并提高了定位精度。