基于無人機動態(tài)路徑的無線傳感器網(wǎng)絡定位

李松生

摘要：無線傳感器網(wǎng)絡若收集的數(shù)據(jù)帶有位置信息，則作用更加顯著，普遍應用的GPS對能耗要求較高，但無線傳感器為了延長壽命和工作時間，為能源節(jié)儉型，而且GPS成本高于傳感器，所以單個傳感器配備GPS是不可行的?？梢苿訜羲軌蛑貜褪褂?，且可以配置GPS、可充電電源，無人機是典型的可移動燈塔的應用實例，由算法實時決定的無人機動態(tài)路徑是無線傳感器網(wǎng)絡定位的更優(yōu)選擇。實驗與仿真結(jié)果表明，與傳統(tǒng)靜態(tài)路徑算法相比，該算法更加靈活，效率更高，用類似的時長和距離，可實現(xiàn)平均90%的定位率。

關(guān)鍵詞：無線傳感器網(wǎng)絡；傳感器；可移動燈塔；靜態(tài)路徑；動態(tài)路徑；無人機

DOIDOI：10.11907/rjdk.173245

中圖分類號：TP301

文獻標識碼：A 文章編號：1672-7800（2018）008-0065-06

英文摘要Abstract：Data collected by WSN is more valuable if it provides location information.GPS is the common source of location information，but it requires sustainable energy which is not available from wireless sensor，in addition，the cost of GPS is too expensive for WSN compared to the cost of sensor.Mobile beacon is a special sensor which is equipped with GPS and and it is rechargeable power supply and flexible to move.It can be alternative of many static beacons which are fixed.Static path of mobile beacon can be planted in advance so it is intentional and suitable for regular territory.By contrast，dynamic path need not know the condition and it is flexible and economical with time.UAV is popular and affordable currently，and it meets the need of mobile beacon.Simulation in the paper proves that dynamic path for localization of WSN based on UAV is effective and efficient with similar steps of static path and it can achieve 90% localized rate in average.

英文關(guān)鍵詞Key Words：WSN；sensor；mobile beacon；static path；dynamic path；UAV

0 引言

WSN由一組互聯(lián)的小尺寸、低成本傳感器組成，通常用于監(jiān)視特定區(qū)域參數(shù)[1]，其收集到的數(shù)據(jù)如果帶有位置信息將更具有價值。GPS常用于提供位置信息[2]，但其能耗較高，不適用于要求低能耗的WSN。燈塔作為WSN中的一個特殊節(jié)點，可配備GPS且具有高電量?？梢苿拥臒羲∕BC）能夠代替多個靜態(tài)燈塔，穿越監(jiān)測區(qū)域發(fā)現(xiàn)傳感器位置，從而幫助傳感器提供帶有位置信息的傳感數(shù)據(jù)。無人機（UAV）是理想的可移動燈塔，其移動靈活，可反復充電以保證電源充足[3]。最新的智能飛行模式[4]包括航向鎖定、航點飛行與興趣點環(huán)繞等，使UAV的控制更加靈活。更重要的是，由于無人機制造公司對API開放，使固件層次的直接編程控制無人機成為可能。

可移動燈塔路徑將決定傳感器定位所需時間、成功百分比及定位準確性。靜態(tài)路徑，也即預先規(guī)劃好的路徑適用于傳感器均勻分布的規(guī)則區(qū)域，而動態(tài)路徑由燈塔在運動過程中接收到的傳感器信息變化實時決定，更適用于傳感器不均勻分布的不規(guī)則區(qū)域。由于傳感器通常隨機分布在目標區(qū)域，所以動態(tài)路徑方法更加合理與可行[5]。

幾何學由于具有直觀特性，因而在路徑設計方面應用廣泛。Xiao B[6]等提出兩種基于MB的傳感器定位方法。一種利用MB到達與離開傳感器時可能的重疊區(qū)域（ADO），縮小傳感器的可能位置范圍；另一種根據(jù)MB越接近則信號越強的基本原理，利用接收到的信號強度（RSS）推測MB最接近的時刻。以上兩種方法都要求MB嚴格跟從預設路徑，但有些位置的傳感器仍無法定位。根據(jù)圓上任意兩點形成線段的垂直平分線必然通過圓心的幾何原理，如果傳感器接收到3個來自MB的信號，則可確定自身位置，即3點形成兩線段所在圓的圓心[7]。由于圓心位置最后由RSS推算而來，所以誤差相對較大，隨機理論與RSS配合更好。M L Sichitiu、V Ramadurai[8]提出利用貝葉斯推理處理MB收集到的傳感器數(shù)據(jù)，從而推斷傳感器位置。其通過大量測試獲得距離與RSS之間的概率密度函數(shù)（PDF），并且需要不斷校正；文獻[9]同樣基于貝葉斯濾波器的粒子濾波器，即在多組有加權(quán)值的隨機樣本中應用蒙特卡洛濾波器，然后利用方差決定傳感器最終位置，樣本越多，方差越小，位置越準確，計算量越大，所以該算法對MB的運算能力要求很高；Kim K 、Lee W[10]應用粒子濾波器，利用一臺專用電腦進行運算，選擇RSS與距離的相關(guān)性作為加權(quán)值，用標準差判斷位置的收斂。概率論所需計算量較大，無法適用于要求低運算、低能耗的無線傳感器。

上述文獻提出的靜態(tài)路徑規(guī)劃主要應用于水平和垂直線，R Huang、G V Zaruba提出掃描、雙掃描、Hilbert曲線幾種路徑[11]；文獻[12]又增加了圓和S圓兩種方式，并應用克拉美羅界作為評估工具比較以上路徑。共線性是直線路徑中的主要問題[13]，提高掃描分辨率可以減少共線性的影響，但導致路徑變長。同心圓越多，覆蓋率越高，但路徑越長，共線性問題越突出。連通性是WSN的內(nèi)在特性，其意味著圖論原理也可應用于傳感器發(fā)現(xiàn)過程[14]。D Koutsonikolas等[15]提出兩種不同算法，寬度優(yōu)先（BRF）和回溯貪婪（BTG），WSN被看成是一個無向連接圖，路徑規(guī)劃轉(zhuǎn)變?yōu)樯蓸涞谋闅v問題；N Patwari等[16]提出深度優(yōu)先算法，將路徑問題轉(zhuǎn)化成旅行推銷員問題，并建議采用淘汰、連通支配集和最小生成樹改善算法性能。與概率論相同，圖論也存在計算復雜性問題[17-18]。

在本文提出的算法中，可移動燈塔UAV負責所有的分析與計算工作，每次行動有6個可供選擇的基于幾何學的新位置，傳感器只需進行幾次通信。圖論只應用于局部網(wǎng)絡以避開復雜計算。鄰居數(shù)量決定燈塔走向，位置未知且擁有最多鄰居的傳感器將成為燈塔的下一個目標。RSS用來估計距離，位置已確定的傳感器將化身為靜態(tài)燈塔。正面與負面信息都可幫助燈塔定位傳感器，燈塔只需兩個位置信息結(jié)合自身運動方向即可確定傳感器位置，并且所有前序信息都被重新瀏覽，以幫助確定位置未知傳感器的位置。綜上所述，所有計算都是輕量級的比較和判斷，并且集中在MBC上。

1 算法描述

1.1 基本概念

（1）位置未知傳感器Unode，位置已知傳感器Snode。

（2）參考傳感器Rnode，Snode可以轉(zhuǎn)化成Rnode。

（3）鄰居傳感器Nnode，相互可以通信的傳感器互為鄰居。

（4）所有傳感器都有唯一、獨立的編號ID，Unode.ID表示位置未知傳感器編號。

（5）可移動燈塔MBC為算法主角，其也一樣具有唯一、獨立的ID。

（6）覆蓋半徑R，MBC與Unode的覆蓋半徑不需要一致，但為了表達與計算方便，在不失通用性的前提下本文默認一致。

（7）可移動燈塔的位置PMBC，每個位置都有地址ADDR和唯一、獨立的序列號SN，SN與ID不重疊。當前位置為CPMBC，CPMBC.SN表示當前位置的序列號。

（8）下一個位置NPMBC，其具有6種可能性，如圖1所示。

M是MBC的當前位置CPMBC，其坐標為（X0，Y0），將P1～P6均分以M為原點、R為半徑的圓，其位置（Xn，Yn）可表示為公式（1）。

Xn=X0+Rcosπ6+n-1π3Yn=Y0+Rsinπ6+n-1π3（1）

其中，n為1～6。

目標傳感器Tnode可幫助MBC決定NPMBC，成為Tnode的條件是傳感器能接收到MBC從CPMBC發(fā)出的信息。傳感器間通信只有hello和located兩種信息， hello信息用來確定鄰居關(guān)系，內(nèi)容是信息發(fā)送者的ID，表示為hello.ID，located信息用來通知已定位的傳感器，其內(nèi)容為被定位傳感器的ID，表示為located.ID以及地址信息located.ADDR。

無線傳感器網(wǎng)絡的定位問題可描述為：一批位置未知傳感器{Unode}隨機分布在指定區(qū)域，可移動燈塔MBC在該區(qū)域按指定規(guī)則行走，路過位置形成路徑{PMBC}。將盡量多的Unode轉(zhuǎn)變成Snode，Snode再轉(zhuǎn)化成Rnode，以幫助MBC定位盡可能多的傳感器，實現(xiàn)從{Unode}到{Snode}的轉(zhuǎn)變。

1.2 普通傳感器

本方法的主要執(zhí)行者是MBC，普通的位置未知傳感器只是配合MBC完成定位任務。普通傳感器的任務相對簡單，分為初始化與定位兩個階段：

（1）Unode初始化階段。包括：①廣播信息hello一次；②一直接收信息，將接收到的hello.ID加入到{Nnode}；③廣播自己的ID，同時收集所有鄰居的ID。如圖2所示，Unode C的{Nnode}為{A，B，D}，F(xiàn)的為{E}。

（2）Unode定位階段。未定位傳感器定位前一直處于接收狀態(tài)，第一次收到來自MBC的hello信息，上報{Nnode}，否則只回答“hello”；收到定位信息，如果是自己，則located.ID=self.ID， 完成定位，成為已定位傳感器Snode，可以充當參考傳感器Rnode；如果located.ID∈{Nnode}，被定位的傳感器則為鄰居傳感器，轉(zhuǎn)發(fā)定位信息，通知該鄰居。

因此，傳感器端基本沒有計算，只有簡單的查詢和有限的交互通信，從而節(jié)省定位所需能耗，將有限的能耗留到實際的數(shù)據(jù)檢測與傳輸過程中。相反，MBC移動能力強，具有足夠電量，且計算能力強大，其可能是無人機UAV或機器人。為了實現(xiàn)傳感器定位算法，其需要維持至少3個數(shù)據(jù)表：①位置表{PMBC}以SN為索引，內(nèi)容為地址ADDR；②{Nnode}表記錄所有收到并響應hello信息的鄰居傳感器ID；③傳感器信息表{INFO}以傳感器的ID作為索引。

每個傳感器項包括以下內(nèi)容：①ADDR：地址，被定位前為空；②{Nnode}：該傳感器的鄰居傳感器信息，主要是Nnode.ID；③{MSG}：該傳感器收到的位置信息，主要是PMBC.SN或Nnode.ID。{INFO}結(jié)構(gòu)如圖3所示。

1.3 MBC工作描述

MBC在目標區(qū)域中移動，其第一個步驟為“首三角”，在每個PMBC位置，它都循環(huán)執(zhí)行“新參考點”、“參考點廣播”、“兩點測試”幾個步驟，最后是“新目標”和“新位置”，以確定下一位置，直到再也找不到新目標，算法結(jié)束，MBC才停止移動。MBC工作流程如圖4所示。

首三角是指定位過程開始時的3個PMBC位置，它們必須形成正三角形，以保證三角形內(nèi)的所有位置未知傳感器都被定位，轉(zhuǎn)化成為參考傳感器。

1.4 新PMBC

算法描述如下：

（1）新PMBC記錄→{PMBC}

（2）廣播hello

（3）While “hello”

hello.ID→ID

If {Nnode}

新的{INFO}項，記錄ID，ADDR為空，{Nnode}、{MSG}為空

SN→ID.{MSG}

對于每個新的PMBC，首先一條新的PMBC記錄被加入{PMBC}中，其SN=SN+1，即在之前的SN上加1，可保證其唯一性；廣播“hello”消息，并等候Unode回應；每收到一條Unode上報的包含{Nnode}的消息，說明該Unode第一次收到來自MBC的信息。此時MBC在傳感器信息表{INFO}中增加一項，保存Unode.ID與{Nnode}，同時生成空的{MSG}，將當前位置的SN，即CPMBC.SN放到{MSG}中；如果Unode的響應信息中沒有{Nnode}，說明其不是第一次收到MBC信息，MBC只需將CPMBC.SN加入到{MSG}中；通信結(jié)束，MBC執(zhí)行下一步“新參考點”。

1.5 新參考點

以ID為索引遍歷{INFO}表，如果ID.ADDR為空，傳感器位置未知，其ID.{MSG}里的SN和ID總數(shù)為3，即基數(shù)|ID.{MSG}|=3，說明該傳感器有足夠的定位信息，使用三角測量（triangulation）[19]可以直接估算位置，并將結(jié)果存儲到ID.ADDR。

1.6 參考點廣播

其算法描述如下：

ID為索引，遍歷{INFO}

If ID.ADDR

If ID.{MSG}

清空ID.{MSG}

遍歷ID.{Nnode}里的nID

If nID∈{INFO} & nID.ADDR為空

ID→nID.{MSG}

再以ID為索引遍歷{INFO}表，如果ID.ADDR不為空，傳感器位置已知；如果ID.{MSG}不為空，說明這是剛被定位的傳感器Snode，可以轉(zhuǎn)化成Rnode，此時清空ID.{MSG}，遍歷此ID里的{Nnode}；如果Nnode.ID在{INFO}，即Nnode.ID∈{INFO}；如果Nnode.ID.ADDR為空，該Nnode尚未定位，將自己的self.ID加入Nnode.ID.{MSG}中。

如果ID.{MSG}的內(nèi)容全為ID，沒有SN，說明該ID的定位信息全部來自鄰居Nnode，其位置信息準確性較差，將不被選為Rnode。

新參考點和參考點廣播兩個步驟循環(huán)執(zhí)行，直到?jīng)]有新參考點為止。

1.7 兩點測試

當位置未知傳感器Unode只有兩個位置信息，其接收到兩個來自PMBC或參考傳感器Rnode的信息，根據(jù)三邊測量（trilateration）[20]，它有兩個可能位置P1和P2。兩點測試即分別計算P1、P2與非鄰MBC的位置{PMBC}-Unode.ID.{MSG}，以及非鄰node：{Rnode}- Unode.ID.{Nnode}。如果P1或P2與任一個{PMBC}或{Rnode}的距離小于MBC的覆蓋范圍R，該位置將被否決，其它位置才是正確位置。因為該Unode既沒有收到非鄰PMBC的信息，也不可能與那些非鄰node有鄰居關(guān)系，而有鄰居關(guān)系的node已被排除在外。

如果通過兩點測試產(chǎn)生新的合格Rnode，根據(jù)圖4流程所示，MBC繼續(xù)重復“新參考點”、“參考點廣播”以及“兩點測試”過程，直到?jīng)]有新的合格參考點Rnode為止。至此，MBC一個新位置PMBC的全部流程結(jié)束，開始選擇NPMBC。

1.8 NPMBC選擇

NPMBC選擇流程如下：①根據(jù)SN.{Nnode}決定候選目標Tnode；②根據(jù)Tnode.ID.{Nnode}的基數(shù)|ID.{Nnode}|計算候選目標Tnode的權(quán)重W；③根據(jù)位置關(guān)系Cmn計算候選NPMBC的權(quán)重，argmax∑ni=1CmiWi最大者成為NPMBC，C如公式（2）所示。

其中m為候選位置個數(shù)|{NPMBC}|，n為候選目標個數(shù)|{Tnode}|，只有第m個NPMBC與第n個Tnode之間距離小于R時，Cmn=1，否則為0。

如果候選NPMBC權(quán)重相同，計算候選NPMBC的凈權(quán)重w，argmax（wm）成為NPMBC。如果只有一個候選目標，MBC直接來到離目標最近的NPMBC即可。所有CPMBC.{Nnode}里的傳感器，如果已收到兩個以上信息，即|{MSG}|內(nèi)容基數(shù)大于等于2，其將為下一PMBC的候選目標。因為如果位置未知傳感器只收到1條信息，MBC無法估計其位置，則無法向其靠近。候選目標的選擇依據(jù)是鄰居基數(shù)W=|ID.{Nnode}|，鄰居越多，權(quán)重越大。只收到兩個地址信息，還未確定位置的Unode權(quán)重再加1，因為其自身即是未定位的傳感器。

NPMBC選擇的第一原則是不能重復。MBC先檢查P1-P6是否已記錄在{PMBC}中，否則自動成為NPMBC的候選者。遍歷NPMBC候選者，如果其與候選目標Tnode的距離小于覆蓋范圍R，說明MBC如果選擇該位置，候選目標將會接收到MBC的“hello”信息，該候選目標的權(quán)重W則被累計到相應NPMBC的權(quán)重中。最后如果存在唯一權(quán)值總和最大的NPMBC，其則為最終的NPMBC。如果沒有唯一的總權(quán)值占優(yōu)的NPMBC，進一步擴展算法則是NPMBC的凈權(quán)重w，因為NPMBC候選目標Tnode的ID為ID1～IDn，其{Nnode}互有交集，所以凈權(quán)值w為|ID1.{Nnode}∪ID2.{Nnode}∪…∪IDn.{Nnode}|，w≤W。凈權(quán)值間的比較更加合理，但運算較為復雜。凈權(quán)值w最大的候選NPMBC將會成為NPMBC。圖5是NPMBC選擇的直觀表示，M是CPMBC，P1-P6是6個候選NPMBC，A、B、C以及D、E各為一組候選目標，所以P3、P6將是兩個候選NPMBC，最終選擇將由各自總權(quán)值決定。

綜上所述，算法從“首三角”開始，保證有“新參考點”，其捆綁執(zhí)行“廣播參考點”與“兩點測試”，在每個PMBC，3個函數(shù)循環(huán)交替執(zhí)行直到?jīng)]有新參考點，然后決定新目標和新位置，并移動到新的PMBC，重復以上步驟，最后定位過程在沒有新目標的情況下完成并退出。

2 仿真與分析

從100次仿真數(shù)據(jù)中隨機抽取數(shù)據(jù)得到仿真圖6。場景設置為：在一個60 *60 m的區(qū)域里，隨機分布60個傳感器，每個傳感器用“o”指示，其右邊有一對數(shù)據(jù)用“/”分開，左邊是該傳感器ID，右邊是其鄰居個數(shù)|{Nnode}|。當傳感器被定位時，在“o”中間加上“*”號，沒有“*”則表示傳感器未被定位。缺省設計MBC從研究區(qū)域的左下角開始，圖中實線是MBC的行走軌跡，虛線是MBC在每個PMBC的信號覆蓋范圍R。在該仿真中，R=10 m，在此范圍內(nèi)的傳感器能接收到來自PMBC的“hello”信息并回應。

由圖6可見，一共有17個MPBC、4個傳感器未被定位，從上至下ID分別為50、41、58和9。其中41和50互為鄰居，其位置偏遠，沒有接收到PMBC的信息；50的另一個鄰居為11，其已被定位，沒有直接接收到PMBC的信息，所以不會轉(zhuǎn)化成Rnode，沒有廣播定位信息；ID為58的傳感器狀況與ID50類似；ID為9的傳感器有3個已被定位的鄰居，因而有機會被定位，但只有一個鄰居ID36直接接收來自MPBC的信息，并轉(zhuǎn)變?yōu)镽node，其它兩個鄰居26和7都沒有直接接收到MPBC的信息，盡管被定位，卻無法轉(zhuǎn)為Rnode，所以ID9只接收來自ID36的定位信息，而無法定位。

圖7呈現(xiàn)的是同一前提條件下的100次仿真結(jié)果，其顯示基本規(guī)律是MBC的行走距離越長，被定位的傳感器越多。出現(xiàn)兩次3步的狀況是由于本仿真缺省從左下角開始，如果隨機分布在此處的傳感器與其它傳感器沒有直接聯(lián)系，或者聯(lián)系較弱，MBC則無法決定NPMBC，因而停止。該狀況出現(xiàn)了兩次，說明算法尚存在改善空間。

圖8是用一元線性回歸分析方法擬合的MBC行走距離與被定位傳感器之間的線性關(guān)系，其中“*”表示MBC行走距離對應的被定位傳感器的數(shù)目平均值。當PMBC個數(shù)大于18后，其結(jié)果不再符合線性，被定位的傳感器平均數(shù)量保持在55左右，超過總數(shù)的90%?？偣灿?0個未知傳感器，55個被定位已基本達到極限，因為總有幾個傳感器分布在研究區(qū)域邊緣。

3 結(jié)語

本文提出一種利用可移動燈塔的動態(tài)路徑實現(xiàn)無線傳感器網(wǎng)絡中位置未知傳感器定位的算法，無論從計算量還是能量消耗角度，都是一種輕量級算法，仿真結(jié)果也證明該算法是高效可行的。

由仿真數(shù)據(jù)可知，在某些場景中，移動燈塔只移動幾次即停止，被發(fā)現(xiàn)的傳感器數(shù)目也相對較少。出現(xiàn)該狀況的主要原因是算法以鄰居數(shù)目|{Nnode}|為驅(qū)動，如果出現(xiàn)如圖6所示ID為41的傳感器狀況，其沒有鄰居，移動燈塔則會出現(xiàn)停止的情況。改進方法為讓移動燈塔多移動一步，則可能發(fā)現(xiàn)新目標，或者換一個起點。缺省狀況是從左下角起步，如果出現(xiàn)突然停止而定位率低的情況，可以移動到右下角或從其它角落開始。

從提高效率的角度考慮，還可以嘗試的方法包括改善目標權(quán)重，目前是所有鄰居都計算在內(nèi)，可以考慮剔除重復與已定位的鄰居，專注于尋找尚未定位的傳感器。還可縮小下一燈塔位置的選擇范圍，目前的原則是不重復，將來可以適當降低到達位置附近的位置權(quán)重，因為它們可能已有足夠的定位信息。如果不考慮距離，優(yōu)先考慮定位率，燈塔按照靜態(tài)路徑行走將可能提高定位率。

隨著無人機技術(shù)的不斷成熟與廣泛應用[21-22]，該算法的現(xiàn)實意義是無人機可以充當移動燈塔，只要把該算法植入無人機的飛行控制系統(tǒng)，即可實現(xiàn)自動尋找待定位的無線傳感器，發(fā)現(xiàn)與記錄傳感器位置，并在未來的應用數(shù)據(jù)中附加上位置信息，以確保數(shù)據(jù)的完整性和準確性。

參考文獻：

[1] 崔莉，鞠海玲，苗勇，等.無線傳感器網(wǎng)絡研究進展[J].計算機研究與發(fā)展， 2005，42（1）：163-174.

[2] 彭宇，王丹.無線傳感器網(wǎng)絡定位技術(shù)綜述[J].電子測量與儀器學報，2011，25（5）：389-399.

[3] 畢凱，李英成，丁曉波，等.輕小型無人機航攝技術(shù)現(xiàn)狀及發(fā)展趨勢[J].測繪通報，2015（3）：27-31，48.

[4] 大疆.智能飛行新時代已經(jīng)到來[EB/OL].Http：//www.dji.com/cn/intelligent-flight-mode/v1-doc.

[5] 王成群.基于學習算法的無線傳感器網(wǎng)絡定位問題研究[D].杭州：浙江大學，2009.

[6] XIAO B，CHEN H K，ZHOU S G.A walking beacon-assisted localization in wireless sensor networks[C].In International Conference on Communications，Glasgow，Scotland，2007：3070-3075.

[7] SSU K，OU C ，JIAU H.Localization with mobile anchor points in wireless sensor networks[J].IEEE Transactions on Vehicular Technology，2005，54 （3）：1187-1197.

[8] M L SICHITIU，V RAMADURAI.Localization of wireless sensor networks with a mobile beacon[C].In Proceedings of the 1st IEEE International Conference on Mobile Ad Hoc and Sensor Systems （MASS 2004），2004：174-183.

[9] HUANG R，ZRUBA G V.Monte carlo localization of wireless sensor networks with a single mobile beacon[J].Wirel.Netw，2008.

[10] KIM K，LEE W.MBAL：a mobile beacon-assisted localization scheme for wireless sensor networks[C].In Proc.ICCCN，2007：57-62.

[11] R HUANG，G V ZARUBA.Static path planning for mobile beacons to localize sensor networks[C].Pervasive Computing and Communications Workshops，PerCom Workshops 07.Fifth Annual IEEE International Conference on，2007：323-330.

[12] CABALLERO F，L MERINO，et al.A probabilistic framework for entire WSN localization using a mobile robot[J].Robot.Auton.Syst，2008，56（10）：798-806.

[13] 王成群.基于學習算法的無線傳感器網(wǎng)絡定位問題研究[D].杭州：浙江大學，2009.

[14] 戴歡.無線傳感器網(wǎng)絡定位算法及其應用研究[D].無錫：江南大學，2012.

[15] D KOUTSONIKOLAS，S M DAS，Y C HU.Path planning of mobile landmarks for localization in wireless sensor networks[C].In Proc.of IEEE Distributed Computing Systems Workshops，2006：86.

[16] N PATWARI，A HERO，J ASH，et al.Locating the nodes：cooperative geolocation of wireless sensors[J].IEEE Signal Processing Magazine，2005，22：54-69.

[17] HONGJUN LI，JIANWEN WANG，XUN LI，et al.Real-time path planning of mobile anchor node in localization for wireless sensor networks[C].Proceedings of Information and Automation，2008.

[18] X LI，N MITTON，I RYL，et al.A novel sensor localization scheme by mobile actors[C].In Proceedings of the 10th ACM International Symposium on Mobile Ad Hoc Networking and Computing （MobiHoc），2009：339-340.

[19] 王福豹，史龍，任豐原.無線傳感器網(wǎng)絡中的自身定位系統(tǒng)和算法[J].軟件學報，2005，16（5）：857-868.

[20] 杜存功，丁恩杰，苗曙光，等.無線傳感器網(wǎng)絡改進型節(jié)點定位算法的研究[J].傳感器與微系統(tǒng)，2010，29（1）：52-54.

[21] 馮家莉，劉凱，朱遠輝，等.無人機遙感在紅樹林資源調(diào)查中的應用[J].熱帶地理，2015，35（1）：35-42.

[22] 張波，羅錫文，蘭玉彬，等.基于無線傳感器網(wǎng)絡的無人機農(nóng)田信息監(jiān)測系統(tǒng)[J].農(nóng)業(yè)工程學報，2015，31（17）：176-182.

（責任編輯：黃 ?。?/p>