几种无线定位技术（算法）

1. 基于测距方法的定位：RSSI,ToF,TDoF,AOA（未完待续）
2. 基于非测距方法的定位：质心算法、APIT算法、凸规划算法、DV．HoP算法，DV COORDINATE定位算法。（未完待续）

RSSI

最为常用的进行RSSI测距的方法有两种：(1)无需做任何的提前准备工作，直接对待测节点进行定位。典型的算法有双曲线模型算法、HCRL算法、迭代分布算法。这样的方法可操作性强，能够适应应用场景的变化，但需要进行复杂的计算，对硬件的运算速度要求比较高。(2)在待测节点定位工作开展之前提前对环境信息进行测量统计，在特定的区域测试大量的RSSI值，将所测的数据通过计算机存储到新建的数据库中，绘制成拟合的曲线，让数据库中的每一个测量的RSSI值均能够与待测节点的估计坐标相对应起来，进行实际的定位工作时，只需要进

行查询和调用即可。该方法计算量小、比较容易实现，但要求提前进行大量的数据采集去建立数据库，并且该模型对应用环境的依赖性特别强，一旦所测环境发生改变，那么定位系统的精度将会严重下滑。

TOA定位方法

在TOA测距定位法中，可以通过测量到达时间估计相邻传感器之间的距离。测量到达传播时间有往返传播时间测量和单向传播时间测量两种，往返传播时间测量通过测量传感器发送的信号与接收到传感器反馈信号时间之差求得，单向传播时间测量发射传感器信号的发送时间与接收传感器收到信号时间之差求得。在室内定位的应用中，该算法会因严重的多径与非视距现象而产生较大的测距误差，能够通过距离修正以及权值设置等策略对算法精度进行提升。

该定位方法对系统硬件的要求较高，发射传感器与接收传感器需要完全同步，信标信号需包含时间信息，用来换算传播距离，必须增加额外的软硬件。到达时间定位算法是一种基于网络的定位算法，能够被用于蜂窝网络的物联网平台定位中，在室内定位系统中有较高的定位精度。除此之外，该技术实现了向用户直接提供定位服务，不过需要有接收信号的基站与服务平台为前提才行，各基站与移动平台的时间需要有较高的同步性，不能有过大的时延，时间测量误差与时间同步精度一直是影响该算法的关键因素。

TDOA定位方法

TDOA定位利用时间之差来实现节点定位。该方法要求传感器网络时间同步，由发射节点发射具有不同传播速度的两路信号。通常利用超声波与射频信号作为两个信号的巨大速度差，利用信号到达时间差测距

距离公式：

PS.TDOA和TOA都要求时间同步，与TOA相比，TDOA的优点在于使用相对到达时间而不是绝对到达时间，定位通信次数也有了显著减少，大大的减小了定位误差，并且更容易实现，算法的适应性也更强，只要求用于信息传递的信号基站与基站之间能过做到较好的时间同步。其缺点在于硬件要求十分苛刻，受外界环境因素(温湿度、颗粒物等)影响严重，因而传输距离短。

AOA定位方法

AOA是一种基于信号到达角度的测距定位算法，利用硬件电路设备去感知发射节点信号到达的方向。该定位方法利用待测节点与参考节点之间的距离信息与角度信息来估算传感器节点位置。其算法示意图如图7所示。a和B是待测节点信号分别到达参考节点的信号角度值，由公式(2-4)可以计算出待测节点的坐标位置。该定位方法需要在传感器上面安装射频天线，大大增加了开发成本。

质心算法

APIT算法

APIT定位算法原理图如图所示。先设定存在一个朝向，如果三个锚节点沿着这个朝向均变远或变近，那么目标节点在锚节点所围成的图形外面，否则目标节点在锚节点所围成的图形内部，三个锚节点所围成的圆质心便是最终的估计位置。该算法的优点是通信量较少，定位精度较高。该算法通常要求锚节点的分布密度较大才会有较高的精度，但是限于开发成本的原因，锚节点的数量不会弄得很多。此外，在锚节点密度过大的情况下，节点定位所产生的迭代次数增加会使得定位误差反而增大，合理安排锚节点是提升该定位技术的一个关键因素。

凸规划算法

凸规则定位算法先将节点间点到点的连接视为节点位置的规划条件，把无线传感器网络所围成的区域抽象成一个封闭的空间，然后通过线性规划和半定规划获得一个最优解。

计算锚节点目标节点之间的无线覆盖范围，推算出目标节点可能出现的范围，所得四边形的质心即为目标节点位置估计值。该定位算法也被归列为集中式定位算法中的一种，在锚节点数量占所有节点数量的10％的情况下，这种定位算法的精度可以达到1米左右。实验表明，能够提升该定位算法精度最为有效的方法便是把所有的参考节

点尽量的安放到传感无线网络的边缘区域。

DV-HoP算法

DV-Hop算法通过计算每一跳的距离与目标节点到每个锚节点的跳数均值来代表目标节点到锚节点的距离值。该算法主要由三个阶段组成：记录未知节点到每一个己知节点的跳数，然后记录各节点之间实际跳数的距离，最后通过三边测量的方法去计算目标节点的坐标位置。该算法对硬件要求不高而且容易实现，但是只有在密集连通性好的网络中使用时才能够得到比较精确的结果，当网络密集连通性不好时，会使得估计坐标与实际坐标误差较大。