基于MDS技术与MCL方法的无线传感器网络移动节点定位算法

在移动节点的定位中，必须要考虑实时性因素，图4给出了在循环次数、样本数不同时定位时间的变化。由仿真结果看出，当循环次数为3和5时，算法的计算时间较短，且随样本数的增长变化较为平缓，当循环次数为10时，计算时间略长，且随样本数变化的较为剧烈。
综上所述，为了兼顾定位精度和计算时间两方面的考虑，在参数的选择中，可将样本数选为50，循环次数选为5。
2 算法仿真实验及结果
在本文中，通过MATLAB7.0软件进行仿真实验，节点被随机部署在范围为100×100网络中，信标节点的位置固定，均匀分布在整个网络中。节点的通信半径设为20。在仿真试验中，通过改变部署的节点总数来改变节点连通度（平均每个节点具有的邻居节点数）。
本文中，移动节点定位误差定义如下

为了说明MDS-MCL算法的性能，将其与MCL定位算法进行比较。
图5为移动速度不同时，各连通度下两种算法的定位误差。

由图中可以看到，MDS-MCL算法相对普通的MCL定位算法，具有更好的定位精度。且在各连通度下，节点的定位误差基本稳定，基本保持在10%左右，比MCL算法有了2%左右的提高。
图6(a)和图6(b)给出了在最大移动速度为连通度为15时，MCL算法和MDS-MCL算法的定位效果图。可以看出，经过改进后的定位算法对移动节点的运动轨迹拟合更好。
在基于MCL方法的基础上，本文结合MDS-RC方法对移动节点定位算法进行了改进。通过仿真可以验证，即使在不需测距的情况下，移动节点也可以得到较好的定位效果。通过将MCL算法和MDS-MCL算法进行比较，可以验证改进算法的定位误差大体均在15%以下，且相对前者有2%左右的降低。另外，通过对算法计算时间的考察，可以验证改进算法的计算时间较短，可以满足实际应用的要求。
参考文献
[1] Liu Yongmin, Wu Shuci, Nian Xiaohong. The architecture and characteristics of wireless sensor network[A]. In: Proc. of the 2009 Computer Technology and Development (ICCTD’09) Conf. Vol.1[C]. Kota Kinabalu, 2009：561-565.
[2] Wu Zhengzhong, Liu Zilin, Liu Jun, et al. Wireless sensor networks for living environment monitoring[A]. In: Proc. of the 2009 Software Engineering(WCSE’09) Conf. Vol.3[C]. Xiamen, 2009：22-25.
[3] Hu Lingxuan, DAVID E. Localization for mobile sensor networks[C]. In: Proc. Of the 10th Annual International Conference on Mobile Computing and Networking(MobiCom-2004), 2004：45-47.
[4] SHANG Y, RuML W, ZHANG Y. Localization from mere connectivity in sensor networks[C]. In：Proc. of the 4th ACM Int’l Symp on Mobile Ad Hoc networking ^computing, New York: ACM Press, 2003：201-212.
[5] Chen Bingjie, Huang Xiaoping, Wang Yan. A localization algorithm in wireless sensor networks based on MDS with RSSI Classified[C]. In: Proc of the 5th Hefei International Conference on Computer Science Education(ICCSE’10), 2010：1465-1469.