无线传感器网络三边测量的公式

① 什么是无线传感器网络

无线传感器是有接收器和发射器。接收器上可以接多个传感器的。输送都是两三百米、频率是2.4GHz。如果需要传输更远的距离的话就需要跳频了。这样整个形式就是无线传感器的网络了。

② 无线传感器网络体系结构包括哪些部分，各部分的

结构
传感器网络系统通常包括传感器节点EndDevice、汇聚节点Router和管理节点Coordinator。
大量传感器节点随机部署在监测区域内部或附近，能够通过自组织方式构成网络。传感器节点监测的数据沿着其他传感器节点逐跳地进行传输，在传输过程中监测数据可能被多个节点处理，经过多跳后路由到汇聚节点，最后通过互联网或卫星到达管理节点。用户通过管理节点对传感器网络进行配置和管理，发布监测任务以及收集监测数据。

传感器节点
处理能力、存储能力和通信能力相对较弱，通过小容量电池供电。从网络功能上看，每个传感器节点除了进行本地信息收集和数据处理外，还要对其他节点转发来的数据进行存储、管理和融合，并与其他节点协作完成一些特定任务。

汇聚节点
汇聚节点的处理能力、存储能力和通信能力相对较强，它是连接传感器网络与Internet 等外部网络的网关，实现两种协议间的转换，同时向传感器节点发布来自管理节点的监测任务，并把WSN收集到的数据转发到外部网络上。汇聚节点既可以是一个具有增强功能的传感器节点，有足够的能量供给和更多的、Flash和SRAM中的所有信息传输到计算机中，通过汇编软件，可很方便地把获取的信息转换成汇编文件格式，从而分析出传感节点所存储的程序代码、路由协议及密钥等机密信息，同时还可以修改程序代码，并加载到传感节点中。

管理节点
管理节点用于动态地管理整个无线传感器网络。传感器网络的所有者通过管理节点访问无线传感器网络的资源。
无线传感器测距
在无线传感器网络中，常用的测量节点间距离的方法主要有TOA（Time of Arrival），TDOA（Time Difference of Arrival）、超声波、RSSI（Received Sig nalStrength Indicator）和TOF（Time of Light）等。

③ 无线传感器网络的组成（三个部分，详细介绍）

很详细，你可以到书店去买这类的书看即可。

以下是来自网络：http://www.sensorexpert.com.cn/Article/wuxianchanganqiwang_1.html。

无线传感器网络组成和特点
发表时间：2012-11-14 14:28:00
文章出处：传感器专家网
相关专题：传感器基础
无线传感器网络的构想最初是由美国军方提出的，美国国防部高级研究所计划署(DARPA)于1978年开始资助卡耐基-梅隆大学进行分布式传感器网络的研究，这被看成是无线传感器网络的雏形。从那以后，类似的项目在全美高校间广泛展开，着名的有UCBerkeley的SmartDuST项目，UCLA的WINS项目，以及多所机构联合攻关的SensIT计划，等等。在这些项目取得进展的同时，其应用也从军用转向民用。在森林火灾、洪水监测之类的环境应用中，在人体生理数据监测、药品管理之类的医疗应用中，在家庭环境的智能化应用以及商务应用中都已出现了它的身影。目下，无线传感器网络的商业化应用也已逐步兴起。美国Crossbow公司就利用SMArtDust项目的成果开发出了名为Mote的智能传感器节点，还有用于研究机构二次开发的MoteWorkTM开发平台。这些产品都很受使用者的欢迎。

无线传感器网络可以看成是由数据获取网络、数据分布网络和控制管理中心三部分组成的。其主要组成部分是集成有传感器、数据处理单元和通信模块的节点，各节点通过协议自组成一个分布式网络，再将采集来的数据通过优化后经无线电波传输给信息处理中心。

因为节点的数量巨大，而且还处在随时变化的环境中，这就使它有着不同于普通传感器网络的独特“个性”。首先是无中心和自组网特性。在无线传感器网络中，所有节点的地位都是平等的，没有预先指定的中心，各节点通过分布式算法来相互协调，在无人值守的情况下，节点就能自动组织起一个测量网络。而正因为没有中心，网络便不会因为单个节点的脱离而受到损害。

其次是网络拓扑的动态变化性。网络中的节点是处于不断变化的环境中，它的状态也在相应地发生变化，加之无线通信信道的不稳定性，网络拓扑因此也在不断地调整变化，而这种变化方式是无人能准确预测出来的。

第三是传输能力的有限性。无线传感器网络通过无线电波进行数据传输，虽然省去了布线的烦恼，但是相对于有线网络，低带宽则成为它的天生缺陷。同时，信号之间还存在相互干扰，信号自身也在不断地衰减，诸如此类。不过因为单个节点传输的数据量并不算大，这个缺点还是能忍受的。

第四是能量的限制。为了测量真实世界的具体值，各个节点会密集地分布于待测区域内，人工补充能量的方法已经不再适用。每个节点都要储备可供长期使用的能量，或者自己从外汲取能量(太阳能)。

第五是安全性的问题。无线信道、有限的能量，分布式控制都使得无线传感器网络更容易受到攻击。被动窃听、主动入侵、拒绝服务则是这些攻击的常见方式。因此，安全性在网络的设计中至关重要。

④ 什么是无线传感技术

早在上世纪70年代，就出现了将传统传感器采用点对点传输、连接传感控制器而构成传感网络雏形，我们把它归之为第一代传感器网络。随着相关学科的不断发展和进步，传感器网络同时还具有了获取多种信息信号的综合处理能力，并通过与传感控制的相联，组成了有信息综合和处理能力的传感器网络，这是第二代传感器网络。而从上世纪末开始，现场总线技术开始应用于传感器网络，人们用其组建智能化传感器网络，大量多功能传感器被运用，并使用无线技术连接，无线传感器网络逐渐形成。

无线传感器网络是新一代的传感器网络，具有非常上世纪70年代，其发展和应用，将会给人类的生活和生产的各个领域带来深远影响。

无线传感器网络可以看成是由数据获取网络、数据颁布网络和控制管理中心三部分组成的。其主要组成部分是集成有传感器、处理单元和通信模块的节点，各节点通过协议自组成一个分布式网络，再将采集来的数据通过优化后经无线电波传输给信息处理中心。

⑤ 无线传感器定义及其应用实例解析

无线传感器，看到这个代名词，我想大多数人是一头雾水，一脸表现出很茫然的样子。这也并不奇怪，无线传感器，目前还只运用于一些大型检测工作中，自然而然，能够接触到它的也就只是一些专业的工作人员了。比如它可以监测地震，然后将监测到的信息通过无线网络传输到检测中心的无线网卡，直接送入到计算机里边儿。既然我们对它有这么多的疑惑，那接下来我就将向大家介绍介绍什么是无线传感器定义以及它的一些应用实例。

无线传感器的组成模块封装在一个外壳内，在工作时它将由电池或振动发电机提供电源，构成无线传感器网络节点，由随机分布的集成有传感器、数据处理单元和通信模块的微型节点，通过自组织的方式构成网络。它可以采集设备的数字信号通过无线传感器网络传输到监控中心的无线网关，直接送入计算机，进行分析处理。如果需要，无线传感器也可以实时传输采集的整个时间历程信号。监控中心也可以通过网关把控制、参数设置等信息无线传输给节点。数据调理采集处理模块把传感器输出的微弱信号经过放大，滤波等调理电路后，送到模数转换器，转变为数字信号，送到主处理器进行数字信号处理，计算出传感器的有效值，位移值等。

桥梁健康检测及监测

桥梁结构健康监测(SHM)是一种基于传感器的主动防御型方法，可以弥补目前安全性能十分重要的结构中，把传感器网络安置到桥梁、建筑和飞机中，利用传感器进行SHM是一种可靠且不昂贵的做法，可以在第一时间检测到缺陷的形成。这种网络可以提早向维修人员报告在关键结构中出现的缺陷，从而避免灾难性事故。

粮仓温湿度监测

无线传感器网络技术在粮库粮仓温度湿度监测领域应用最为普遍，这是由于粮库粮仓温度湿度的测点多，分布广，使用纵横交错的信号线会降低防火安全系数，应用无线传感器网络技术具有低功耗，低成本，布线简单，安装方便，易于组网，便于管理维护等特点。

混凝土浇灌温度监测

在混凝土施工过程中，将数字温度传感器装入导热良好的金属套管内，可保证传感器对混凝土温度变化作出迅速的反应。每个温度监测金属管接入一个无线温度节点，整个现场的无线温度节点通过无线网络传输到施工监控中心，不需要在施工现场布放长电缆，安装布放方便，能够有效解决温度测量点因为施工人员损坏电缆造成的成活率较低的问题.

地震监测

通过使用由大量互连的微型传感器节点组成的传感器网络，可以对不同环境进行不间断的高精度数据搜集。采用低功耗的无线通信模块和无线通信协议可以使传感器网络的生命期延续很长时间。保证了传感器网络的实用性。

无线传感器网络相对于传统的网络，其最明显的特色可以用六个字来概括即：“自组织，自愈合”。这些特点使得无线传感器网络能够适应复杂多变的环境，去监测人力难以到达的恶劣环境地区。BEETECH无线传感器网络节点体积小巧,不需现场拉线供电，非常方便在应急情况下进行灵活部署监测并预测地质灾害的发生情况。

建筑物振动检测

建筑物悬臂部分不会因为旁边公路及地铁交通所引发的振动而超过舒适度的要求;通过现场测量，收集数据以验证由公路及地铁交通所引发的振动与主楼悬臂振动之相互关系;同时，通过模态分析得到主楼结构在小振幅脉动振动工况下前几阶振动模态的阻尼比，为将来进行结构的小振幅动力分析提供关键数据。

以上这些看起来很“翻番复杂”的文字呢，就是对无线传感器定义以及它的一些应用实例的解析了，这些也都是我所能了解到的知识信息了，对于无线传感器还有很多与其相关的知识信息，但是在这里我也只能给大家提供这么多了。虽然在我们的日常生活中并不会亲身接触到无线传感器，但是它却一直在我们的身边，给予我们帮助，为我们“保驾护航”。

⑥ 有关无线传感器网络中时间同步机制有哪些方法和策略

1  时间同步技术的重要性 
传感器节点的时钟并不完美，会在时间上发生漂移，所以观察到的时间对于网络中的节点来说是不同的。但很多网络协议的应用，都需要一个共同的时间以使得网路中的节点全部或部分在瞬间是同步的。 
第一，传感器节点需要彼此之间并行操作和协作去完成复杂的传感任务。如果在收集信息过程中，传感器节点缺乏统一的时间戳（即没有同步），估计将是不准确的。 
第二，许多节能方案是利用时间同步来实现的。例如，传感器可以在适当的时候休眠（通过关闭传感器和收发器进入节能模式），在需要的时候再唤醒。在应用这种节能模式的时候，节点应该在同等的时间休眠和唤醒，也就是说当数据到来时，节点的接收器可以接收，这个需要传感器节点间精确的定时。 
2  时间同步技术所关注的主要性能参数 
时间同步技术的根本目的是为网络中节点的本地时钟提供共同的时间戳。对无线传感器
网络WSN（Wireless Sensor Networks）[1]
的时间同步应主要应考虑以下几个方面的问题： 
(1)能量效率。同步的时间越长，消耗的能量越多，效率就越低。设计WSN的时间同步算法需以考虑传感器节点有效的能量资源为前提。 
(2) 可扩展性和健壮性。时间同步机制应该支持网络中节点的数目或者密度的有效扩展，并保障一旦有节点失效时，余下网络有效且功能健全。 
(3)精确度。针对不同的应用和目的，精确度的需求有所不用。 
(4)同步期限。节点需要保持时间同步的时间长度可以是瞬时的，也可以和网络的寿命一样长。 
(5)有效同步范围。可以给网络内所有节点提供时间，也可以给局部区域的节点提供时间。 
(6)成本和尺寸。同步可能需要特定的硬件，另外，体积的大小也影响同步机制的实现。 (7)最大误差。一组传感器节点之间的最大时间差，或相对外部标准时间的最大差。 3  现有主要时间同步方法研究 
时间同步技术是研究WSN的重要问题，许多具体应用都需要传感器节点本地时钟的同步，要求各种程度的同步精度。WSN具有自组织性、多跳性、动态拓扑性和资源受限性，尤其是节点的能量资源、计算能力、通信带宽、存储容量有限等特点，使时间同步方案有其特
殊的需求，也使得传统的时间同步算法不适合于这些网络[2]
。因此越来越多的研究集中在设
计适合WSN的时间同步算法[3]
。针对WSN，目前已经从不同角度提出了许多新的时间同步算法[4]
。 
3.1  成对(pair-wise)同步的双向同步模式 
代表算法是传感器网络时间同步协议TPSN（Timing-Sync Protocol for Sensor 
Networks）[5~6]
。目的是提供WSN整个网络范围内节点间的时间同步。 
该算法分两步：分级和同步。第一步的目的是建立分级的拓扑网络，每个节点有个级别。只有一个节点与外界通信获取外界时间，将其定为零级，叫做根节点，作为整个网络系统的时间源。在第二步，每个i级节点与i-1（上一级）级节点同步，最终所有的节点都与根节点同步，从而达到整个网络的时间同步。详细的时间同步过程如图 1 所示。 
 

图1  TPSN 同步过程 
 
设R为上层节点，S为下层节点，传播时间为d，两节点的时间偏差为θ。同步过程由节点R广播开始同步信息，节点S接收到信息以后，就开始准备时间同步过程。在T1时刻，节点S发送同步信息包，包含信息(T1)，节点R在T2接收到同步信息，并记录下接收时间T2，这里满足关系：21TTd 
节点R在T3时刻发送回复信息包，包含信息(T1,T2,T3)。在T4时刻S接收到同步信息包，满足关系：43TTd 
最后，节点S利用上述2个时间表达式可计算出的值：(21)(43)2
TTTT 
TPSN由于采用了在MAC层给同步包标记时间戳的方式，降低了发送端的不确定性，消除了访问时间带来的时间同步误差，使得同步效果更加有效。并且，TPSN算法对任意节点的同步误差取决于它距离根节点的跳数，而与网络中节点总数无关，使TPSN同步精度不会随节点数目增加而降级，从而使TPSN具有较好的扩展性。TPSN算法的缺点是一旦根节点失效，就要重新选择根节点，并重新进行分级和同步阶段的处理，增加了计算和能量开销，并随着跳数的增加，同步误差呈线性增长，准确性较低。另外，TPSN算法没有对时钟的频差进行估计，这使得它需要频繁同步，完成一次同步能量消耗较大。 
3.2  接收方-接收方（Receiver-Receiver）模式 
代表算法是参考广播时间同步协议RBS（Reference Broadcast Synchronization）[7]
。RBS是典型的基于接收方-接收方的同步算法，是Elson等人以“第三节点”实现同步的思想而提出的。该算法中，利用无线数据链路层的广播信道特性，基本思想为：节点(作为发
送者)通过物理层广播周期性地向其邻居节点（作为接收者）发送信标消息[10]
，邻居节点记录下广播信标达到的时间，并把这个时间作为参考点与时钟的读数相比较。为了计算时钟偏移，要交换对等邻居节点间的时间戳，确定它们之间的时间偏移量，然后其中一个根据接收
到的时间差值来修改其本地的时间，从而实现时间同步[11]
。 
假如该算法在网络中有n个接收节点m个参考广播包，则任意一个节点接收到m个参考包后，会拿这些参考包到达的时间与其它n-1个接收节点接收到的参考包到达的时间进行比较，然后进行信息交换。图2为RBS算法的关键路径示意图。 
网络接口卡
关键路径
接收者1
发送者
接收者2
 
图2  RBS算法的关键路径示意图 
 
其计算公式如下： 
,,1
1,:[,]()m
jkikkinjnoffsetijTTm
 其中n表示接收者的数量，m表示参考包的数量，,rbT表示接收节点r接收到参考包b时的时钟。 

此算法并不是同步发送者和接收者，而是使接收者彼此同步，有效避免了发送访问时间对同步的影响，将发送方延迟的不确定性从关键路径中排除，误差的来源主要是传输时间和接收时间的不确定性，从而获得了比利用节点间双向信息交换实现同步的方法更高的精确度。这种方法的最大弊端是信息的交换次数太多，发送节点和接收节点之间、接收节点彼此之间，都要经过消息交换后才能达到同步。计算复杂度较高，网络流量开销和能耗太大，不适合能量供应有限的场合。 
3.3  发送方-接收方(Sender-Receiver)模式 
基于发送方-接收方机制的时间同步算法的基本原理是：发送节点发送包含本地时间戳的时间同步消息，接收节点记录本地接收时间，并将其与同步消息中的时间戳进行比较，调整本地时钟。基于这种方法提出的时间同步算法有以下两种。 
3.3.1  FTSP 算法[8]
 
泛洪时间同步协议FTSP（Flooding Time Synchronization Protocol）由Vanderbilt大学Branislav Kusy等提出，目标是实现整个网络的时间同步且误差控制在微秒级。该算法用单个广播消息实现发送节点与接收节点之间的时间同步。 
其特点为：(1)通过对收发过程的分析，把时延细分为发送中断处理时延、编码时延、传播时延、解码时延、字节对齐时延、接收中断处理时延，进一步降低时延的不确定度；(2)通过发射多个信令包，使得接收节点可以利用最小方差线性拟合技术估算自己和发送节点的频率差和初相位差；(3)设计一套根节点选举机制，针对节点失效、新节点加入、拓扑变化
等情况进行优化，适合于恶劣环境[12]
。 
FTSP算法对时钟漂移进行了线性回归分析。此算法考虑到在特定时间范围内节点时钟晶振频率是稳定的，因此节点间时钟偏移量与时间成线性关系，通过发送节点周期性广播时间同步消息，接收节点取得多个数据对，构造最佳拟合直线，通过回归直线，在误差允许的时间间隔内，节点可直接通过它来计算某一时间节点间的时钟偏移量而不必发送时间同步消息进行计算，从而减少了消息的发送次数并降低了系统能量开销。 
FTSP结合TPSN和RBS的优点，不仅排除了发送方延迟的影响，而且对报文传输中接收方的不确定延迟（如中断处理时间、字节对齐时间、硬件编解码时间等）做了有效的估计。多跳的FTSP协议采用层次结构，根节点为同步源，可以适应大量传感器节点，对网络拓扑结构的变化和根节点的失效有健壮性，精确度较好。该算法通过采用MAC层时间戳和线性回归偏差补偿弥补相关的错误源，通过对一个数据包打多个时戳，进而取平均和滤除抖动较大的时戳，大大降低了中断和解码时间的影响。FTSP 采用洪泛的方式向远方节点传递时间基准节点的时间信息，洪泛的时间信息可由中转节点生成，因此误差累积不可避免。另外，FTSP的功耗和带宽的开销巨大。 
3.3.2  DMTS 算法[9]
 
延迟测量时间同步DMTS (delay measurement time synchronization) 算法的同步机制是基于发送方-接收方的同步机制。DMTS 算法的实现策略是牺牲部分时间同步精度换取较低的计算复杂度和能耗，是一种能量消耗轻的时间同步算法。 
DMTS算法的基本原理为：选择一个节点作为时间主节点广播同步时间，所有接收节点通过精确地测量从发送节点到接收节点的单向时间广播消息的延迟并结合发送节点时间戳，计算出时间调整值，接收节点设置它的时间为接收到消息携带的时间加上广播消息的传输延迟，调整自己的逻辑时钟值以和基准点达成同步，这样所有得到广播消息的节点都与主节点进行时间同步。发送节点和接收节点的时间延迟dt可由21()dtnttt得出。其中，nt为发送前导码和起始字符所需的时间，n为发送的信息位个数，t为发送一位所需时间；1t为接收节点在消息到达时的本地时间；2t为接收节点在调整自己的时钟之前的那一时刻记录的本地时间，21()tt是接收处理延迟。 

DMTS 算法的优点是结合链路层打时间戳和时延估计等技术，消除了发送时延和访问时延的影响，算法简单，通信开销小。但DMTS算法没有估计时钟的频率偏差，时钟保持同步的时间较短，没有对位偏移产生的时间延迟进行估计，也没有消除时钟计时精度对同步精度的影响，因此其同步精度比FTSP略有下降，不适用于定位等要求高精度同步的应用。 
基于发送方-接收方单向同步机制的算法在上述三类方法中需要发送的时间同步消息数目最少。发送节点只要发送一次同步消息，因而具有较低的网络流量开销和复杂度，减少了系统能耗。 
4  结论 
文章介绍了WSN时间同步算法的类型以及各自具有代表性的算法，分析了各算法的设计原理和优缺点。这些协议解决了WSN中时间同步所遇到的主要问题，但对于大型网络，已有的方法或多或少存在着一些问题：扩展性差、稳定性不高、收敛速度变慢、网络通信冲突、能耗增大。今后的研究热点将集中在节能和时间同步的安全性方面。这将对算法的容错性、有效范围和可扩展性提出更高的要求。 

⑦ 请问有无线传感器网I加权质心算法matlab代码吗

[capture-of-moving.rar] - 本文详细介绍了在视频图像的基础上用!"#$ & ’(( )*+ 实现运动目标形心捕获的具体程序"从而可以实现运动 目标的位置检测 程序运用改进的形心算法计算目标图形 的中心坐标"并使用了计时器函数实时显示坐标变化值
[codebook.rar] - 实现了基于码书的运动检测，并有与其他的检测算法做对比，例如MOG，Bayes，三帧差分等。
[xin.rar] - 无线传感器网络加权质心自定位算法中加权质心算法仿真

[qq1_2.rar] - 3种定位算法（多边：3 边及4边 最小二乘 质心）的主程序
[802.11opnet.rar] - 802.11opnet，802.11在OPNET中的仿真代码
[rssic.rar] - 无线传感器网络的加权质心算法，用matlab编程的，需要的可以参考
[Simulation1.rar] - 本程序先使用RSSI中对数常态模型来测距离，然后用三边测量法来计算未知节点的坐标。
[RSSIxin.rar] - 基于RSSI测距的无线传感器网络改进质心定位算法
[xinsuanfa2.rar] - 无线传感器网络中质心算法，并有锚节点比例和误差分析
[myDVHOP.rar] - 一种基于RSSI的DV-HOP加权算法，该算法基于节点接收信标节点位置元组时的信号强度（RSSI）对邻居节点间跳数进行加权处理，将节点间的跳数与距离相关联，仿真试验结果证明该加权算法可大大提高定位精度。

⑧ 在无线传感器网络中，如何根据接收信号的强度来判断发送者的距离有具体的计算公式么

基于RSSI的定位
RSSI测量，一般利用信号传播的经验模型与理论模型。
对于经验模型，在实际定位前，先选取若干测试点，记录在这些点各基站收到的信号强度，建立各个点上的位置和信号强度关系的离线数据库(x，y，ss1，ss2，ss3)。在实际定位时，根据测得的信号强度(ss1′，ss2′，ss3′)和数据库中记录的信号强度进行比较，信号强度均方差最小的那个点的坐标作为节点的坐标。
对于理论模型，常采用无线电传播路径损耗模型进行分析。常用的传播路径损耗模型有：自由空间传播模型、对数距离路径损耗模型、哈它模型、对数一常态分布模型等。自由空间无线电传播路径损耗模型为：

式中，d为距信源的距离，单位为km；f为频率，单位为MHz；k为路径衰减因子。其他的模型模拟现实环境，但与现实环境还是有一定的差距。比如对数一常态分布模型，其路径损耗的计算公式为：

式中，Xσ是平均值为O的高斯分布随机变数，其标准差范围为4～10；k的范围在2～5之间。取d=1，代入式(1)可得，LOSS，即PL(d0)的值。此时各未知节点接收锚节点信号时的信号强度为：

RSSI=发射功率+天线增益一路径损耗(PL(d))
2．2 基于RSSI的三角形质心定位算法的数学模型
不论哪种模型，计算出的接收信号强度总与实际情况下有误差，因为实际环境的复杂性，换算出的锚节点到未知节点的距离d总是大于实际两节点间的距离。如图1所示，锚节点A，B，C，未知节点D，根据RSSI模型计算出的节点A和D的距离为rA；节点B和D的距离为rB；节点C和D的距离为rC。分别以A，B，C为圆心；rA，rB，rC为半径画圆，可得交叠区域。这里的三角形质心定位算法的基本思想是：计算三圆交叠区域的3个特征点的坐标，以这三个点为三角形的顶点，未知点即为三角形质心，如图2所示，特征点为E，F，G，特征点E点的计算方法为：

同理，可计算出F，G，此时未知点的坐标为由仿真得，在图2中，实际点为D；三角形质心算法出的估计点为M；三边测量法算出的估计点为N。可知，三角形质心算法的准确度更高。

3 基于RSSI的三角形质心算法过程
3．1 步骤
(1)锚节点周期性向周围广播信息，信息中包括自身节点ID及坐标。普通节点收到该信息后，对同一锚节点的RSSI取均值。
(2)当普通节点收集到一定数量的锚节点信息时，不再接收新信息。普通节点根据RSSI从强到弱对锚节点排序，并建立RSSI值与节点到锚节点距离的映射。建立3个集合。
锚节点集合：

(3)选取RSSI值大的前几个锚节点进行自身定位计算。
在B_set：中优先选择RSSI值大的信标节点组合成下面的锚节点集合，这是提高定位精度的关键。

对锚节点集合，依次根据(3)式算出3个交点的坐标，最后由质心算法，得出未知节点坐标。
(4)对求出的未知节点坐标集合取平均，得未知节点坐标。
3．2 误差定义
定义定位误差为ER，假设得到的未知节点的坐标为(xm，ym)，其真实位置为(x，y)，则定位误差ER为：

4 仿 真
利用Matlab仿真工具模拟三角形质心算法，考察该算法的性能。假设在100 m×100 m的正方形区域内，36个锚节点均匀分布，未知节点70个，分别用三边测量法和三角形质心定位算法进行仿真，仿真结果如图3所示。由图3可知，三角形质心算法比三边测量法，定位精度更高，当测距误差变大时，用三角形质心算法得出的平均定位误差比用三边测量法得出的小得多。

5 结 语
在此提出了将RSSI方法和三角形质心定位算法相结合的方法，通过仿真实验，将该算法和三边测量算法相比较，证明了该算法的优越性。下一步将研究在锚节点数量不同时的平均定位误差。