基于RSSI高斯滤波的人工蜂群定位算法*

单好民，陈才学

(1.浙江邮电职业技术学院人工智能学院，浙江 绍兴 312366；2.湘潭大学信息工程学院，湖南 湘潭 411105)

无线传感网络(Wireless Sensor Networks，WSNs)是由在特定区域部署的微型传感节点组成的网络。这些节点感知环境数据，再将数据传输至汇聚节点。收到数据后，汇聚节点对数据进行分析，进而实现对环境的监测目的。位置信息对监测活动至关重要。只有确定了节点位置，感测的数据才具有参考价值[1]。因此，定位技术成为WSNs的关键技术之一。

依据定位过程中是否需要测距，将现存的定位算法可分为基于测距定位算法和基于非测距定位算法。相比于非测距算法，基于测距定位算法精度较高。常见的测距算法有:接收信号强度指标(Received Signal Strength Indication，RSSI)、信号到达时间(Time of Arrival，ToA)、到达角度(Angle of Arrival，AoA)等。与ToA和AoA不同，基于RSSI测距无需额外的测量设备，易实现。

目前，现存多数基于RSSI的定位算法采用降低RSSI的测距误差提高定位精度。如文献[2]提出基于卡尔曼滤波的RSSI值优化算法。文献[3]提出基于人工神经网络的RSSI值处理算法，但是该算法需要大量的RSSI数据。文献[4]提出基于路径损耗传播模型优化的滤波方法，通过优化加权参数，减少测距误差。文献[5]提出基于稀疏傅里叶和RSSI测距的低复杂RSSI定位算法(Spare Fourier-RSSI Positioning，SFRP)。SERP算法通过稀疏傅里叶方法筛选性能较好的锚节点参与定位，降低参与定位的锚节点个数，进而降低算法的复杂度。

近些年来，随着节点计算能力的提升，智能优化算法被广泛应用于节点定位[6]。例如，文献[7]提出基于鸡群优化的定位算法。……