CN103167607B - 一种无线传感器网络中未知节点定位方法 - Google Patents

Abstract

一种无线传感器网络中未知节点定位方法，所述无线传感器网络中包括多个锚点，所述锚点为已知自身位置的节点，其包括：估计未知节点与各锚点距离步骤：未知节点根据锚点信息估计到各锚点的距离；锚点初选步骤：删除到未知节点的跳数大于设定值T0的锚点；栅格分区步骤：将剩余锚点所在区域分割成若干等大的栅格单元；锚点筛选步骤：在所述栅格单元中选取一些锚点为有效锚点；未知节点定位步骤：使用所述有效锚点采用最小二乘法确定未知节点位置。

Description

一种无线传感器网络中未知节点定位方法

所属技术领域:

本发明属于无线传感器网络中传感器网络节点自身定位技术领域，具体涉及在无线传感器节点均匀分布、分布非均匀分布都适宜的一种基于栅格筛选的无线传感器网络节点自身定位方法。

背景技术:

无线传感器网络（WSN：WirelessSensorNetwork）是由部署在监测区域内大量廉价微型传感器节点通过无线通信的方式形成的一个多跳、自组织的网络系统，其目的是协作地感知、采集和处理网络覆盖区域中感知对象的信息，并发送给观察者。

在传感器网络中，传感器节点只有明确了自身位置才能说明“在什么位置或区域发生了什么特定事件”，从而实现对目标的定位和追踪。因此，确定事件发生的位置或获取消息的节点位置是传感器网络最基本的功能之一，对传感器网络应用的有效性起着关键的作用。根据传感器节点定位过程中是否需要测量节点间的距离，定位算法可以分为基于测距(Range-based)的定位算法和无需测距(Range-free)的定位算法。与基于测距的定位算法相较，无需测距的定位算法具有硬件成本低、功耗小、抗测量噪声能力强以及硬件结构简单等优势。相对较低的定位精度对多数应用已足够用(当定位误差小于WSN节点通信半径的40%时,定位误差对路由算法和目标追踪精确度的影响不会很大)。而且，无需测距的定位结果还可以为某些应用或基于测距的定位算法提供更加精确的迭代初始值。

目前多数Range-free定位算法都是以节点均匀分布为前提或算法只有在均匀分布的网络中才能获得较佳的定位精度。但是，在实际应用中WSN的节点的分布往往是随机的。研究显示现实应用中在直径小于10m的区域内分布的传感器数有可能从几个到几百个不等。而且Range-free定位算法在定位时大多采用三边定位法，然而由于锚点是通过广播传播其位置分组，因此每个节点实际上都能接收到多个锚点的位置信息。此时仅使用三边定位算法虽然具有计算量小的优点，但是同时也因为没有充分利用所有接收到的锚点信息从而阻碍了节点定位精度的提高，浪费了其余锚点广播分组的相应能量。反之，如果利用所有接收到的锚点信息进行定位则虽然可以在很大程度上提高定位精度，然而由于引入了大量锚点信息进行定位，定位的计算量就会显著增加。并且，由先前的研究结论可以看出距离估计误差随着跳数的增加而逐渐增加。因此，如果定位的过程中选用较多锚点一般会导致选用更远距离的锚点，较远的锚点会引入较多距离估计误差从而严重影响未知节点的定位精度。而且，研究表明在节点定位的过程中，定位精度在很大程度上受参与定位的锚点的空间分布影响——锚点相对于当前定位节点在空间分布上均匀度越高定位结果越精确。

综上所述，我们发现锚点的数量与空间分布是节点自身定位的关键要素。如果能在定位的过程中对所涉及的锚点进行某种筛选，删除锚点中距离估计误差较大的和分布不佳的锚点，这样不但能够提高未知节点的定位精度，还能够在很大程度上降低定位过程的计算量和能耗从而延长WSN节点的生存时间。

发明内容:

本发明提供一种算法适应性更强，定位精度更高，计算量更小的一种无线传感器网络中未知节点定位方法，所述无线传感器网络中包括多个锚点，所述锚点为已知自身位置的节点，所述未知节点定位方法包括：

估计未知节点与各锚点距离步骤：未知节点根据锚点信息估计到各锚点的距离；

锚点初选步骤：删除到未知节点的跳数大于设定值T₀的锚点；

栅格分区步骤：将剩余锚点所在区域分割成若干等大的栅格单元；

锚点筛选步骤：在所述栅格单元中选取一些锚点为有效锚点；

未知节点定位步骤：使用所述有效锚点采用最小二乘法确定未知节点位置。

在上述技术方案的基础上，所述估计未知节点与各锚点距离步骤包括，

步骤一：所有锚点广播其信息分组，所述信息分组包括坐标和ID，未知节点根据接收到的锚点广播信息确定到所有锚点的跳数；

步骤二：每个锚点根据其接收到的其余锚点的坐标和相距跳数计算本锚点的平均每跳距离：其中(x_i,y_i),(x_j,y_j)是锚点i，j的位置坐标，h_j是锚点i与锚点j（j≠i）之间的跳距，HopSize_i表示锚点i的平均每跳距离，并将所述平均每跳距离广播到所述无线传感器网络；

步骤三：未知节点接收到所述锚点广播的平均每跳距离后，根据所述未知节点距锚点的跳数乘以相应锚点的平均每跳距离估计出距离相应锚点的距离。

在上述技术方案的基础上，所述锚点初选步骤包括，

未知节点在估计出到各锚点的距离之后，删除锚点集合中与未知节点跳数大于门限值T₀的锚点。

在上述技术方案的基础上，所述栅格分区步骤包括以下步骤：

步骤一：设x_min、x_max、y_min、y_max为所述剩余锚点在空间分布上的最小、最大x、y坐标值，R为栅格边长，则剩余锚点在x、y轴上的分布区域分别为[x_min,x_max]、[y_min,y_max]；

步骤二：计算剩余锚点在x、y轴上的分布区域相对于栅格边长R的余数，所述计算方法为，

$\left\{\begin{array}{c}{x}_{\mathrm{residue}}=(x_{\max }-x_{\min })\mathrm{mod}R\\ y_{\mathrm{residue}}=(y_{\max }-y_{\min })\mathrm{mod}R\end{array}\right.$

其中x_rsidue、y_rsidue分别为剩余锚点在x、y轴上的分布区域相对于栅格边长R的余数；

步骤三：根据锚点分布区域[x_min,x_max]、[y_min,y_max]和x_rsidue、y_rsidue，确定栅格范围[X_min,X_max],[Y_min,Y_max]，

$\left\{\begin{array}{c}{X}_{\min }=x_{\min }-(R-x_{\mathrm{residue}})/2\\ X_{\max }=x_{\max }+(R-x_{\mathrm{residue}})/2\end{array}\right.,$ $\left\{\begin{array}{c}{Y}_{\min }=y_{\min }-(R-y_{\mathrm{residue}})/2\\ Y_{\max }=y_{\max }+(R-y_{\mathrm{residue}})/2\end{array}\right.;$ 在栅格范围内以栅格边长R为间隔建立栅格。

在上述技术方案的基础上，所述锚点筛选步骤包括以下步骤，

步骤一：删除冗余锚点，当所述栅格单元中存在多个所述锚点时，则选择距离未知节点跳数最小的锚点作为该栅格的有效锚点，若所述栅格单元中多个锚点的跳数相同则任意选择一锚点为有效锚点；

步骤二：确定当前未知节点的栅格单元位置，根据所有剩余锚点到当前未知节点的跳数确定每个锚点的影响范围，所述每个锚点的影响范围定义为：以锚点所在栅格为中心以该锚点到当前未知节点跳数的二倍与栅格边长R的乘积为边长的一个正方形区域，然后当前未知节点在其各锚点的影响范围的重叠区域之中随机选择一个栅格单元作为当前未知节点的栅格单元；

步骤三：生成均匀分布的有效锚点集，包括以下步骤，

A）生成一边长为(2T₀+1)×R，包含8个栅格区域{R1，R2，……，R7，R8}的正方形栅格模板，分别统计各栅格区域中的锚点数量，获得其最小值R8_min；如果R8_min×8≥T₁，则从每个区域中选择跳数较小的R8_min个锚点，若不满足则转入步骤B），其中T₁为锚点集中选出的最少锚点数；

B）分别统计栅格区域集合Set1：{R1，R3，R5，R7}和Set2：{R2，R4，R6，R8}中各栅格区域锚点数的最小值，分别设为R4_1_min1，R4_1_min2，其中R1至R8分别为第一至第八栅格区域；在R4_1_min1≥R4_1_min2情况下，若R4_1_min2×4≥T₁，则在集合Set2的各栅格区域中分别选出跳数较小的R4_1_min2个锚点，否则若R4_1_min1×4≥T₁则在集合Set1的各区域中分别选出跳数较小的R4_1_min1个锚点；同理在R4_1_min2＞R4_1_min1的情况下，若R4_1_min1×4≥T₁则在集合Set1中各区域中分别选出R4_1_min1个锚点，否则若R4_1_min2×4≥T₁则在集合Set2的各区域中分别选出跳数较小的R4_1_min2个锚点，如都不满足则转入步骤C）；

C）重新划分集合为Set3：{R1，R2，R5，R6}和Set4：{R3，R4，R7，R8}，中各栅格区域锚点数的最小值，分别设为R4_1_min1，R4_1_min2，其中R1至R8分别为第一至第八栅格区域；在R4_1_min1≥R4_1_min2情况下，若R4_1_min2×4≥T₁，则在集合Set2的各栅格区域中分别选出跳数较小的R4_1_min2个锚点，否则若R4_1_min1×4≥T₁则在集合Set1的各区域中分别选出跳数较小的R4_1_min1个锚点；同理在R4_1_min2＞R4_1_min1的情况下，若R4_1_min1×4≥T₁则在集合Set1中各区域中分别选出R4_1_min1个锚点，否则若R4_1_min2×4≥T₁则在集合Set2的各区域中分别选出跳数较小的R4_1_min2个锚点，如都不满足则转入步骤D）；

D）从所述锚点集中选择T₂个跳数较小的锚点；所述选择出的有效锚点即构成均匀分布的锚点集。

在上述技术方案的基础上，所述T₂大于等于8小于3/5T₁。

在上述技术方案的基础上，所述未知节点定位步骤包括：

根据筛选出的有效锚点集合和未知节点估计与各锚点距离步骤获得的未知节点到锚点的距离值，使用LLS方法确定未知节点的位置。

本发明所采用的技术方案为一种基于栅格筛选锚点的LLS算法。该算法依然使用基于跳数的距离估计算法，这样就不需要修改WSN网络的硬件结构以及传输过程，在最大程度上减少了对现有系统的影响。在此基础之上，首先根据锚点距离未知节点的跳数值删除跳数大于门限T₀的锚点，用以减少过大测距误差进入定位过程的概率。其次，如果锚点之间过于靠近则相关性就会激增，相关度过大的锚点并不利于定位精度的提高，在有些情况下甚至会严重干扰未知节点位置的确定。因此采用栅格分区的方法来对锚点进一步筛选，用来去除相关度过大的锚点。最后，在剩余的锚点中根据当前节点的栅格位置在栅格空间中选择相对分布均匀的锚点进入LLS以确定未知节点位置。

附图说明

图1为本发明栅格的建立示意图；

图2为本发明确定未知节点栅格位置示意图；

图3为本发明栅格模板示意图；

图4为本发明使用模板确定锚点的空间分布示意图；

图5为本发明非均匀网络场景；

图6为本发明基于栅格筛选的LLS定位算法在均匀网络中的定位性能示意图；

图7为本发明基于栅格筛选的LLS定位算法在非均匀网络中的定位性能。

具体实施方式

下面结合附图对本发明进一步进行说明。

本发明中将WSN中不知道自身位置，需要定位的节点称为未知节点；而已知其自身位置，并能协助未知节点定位的节点称为锚点；当前未知节点指当前正在进行定位的节点。

本文所述基于栅格筛选的LLS算法通过以下步骤实现：

步骤一：估计未知节点到各锚点的距离

算法起始时，所有锚点广播其信息分组，该分组包括锚点的坐标和节点ID。未知节点根据接收到的锚点广播信息确定到所有锚点的跳数；每个锚点根据其接收到的其余锚点的坐标和相距跳数计算本锚点的平均每跳距离：其中(x_i,y_i),(x_j,y_j)是锚点i，j的位置坐标，h_j是锚点i与锚点j（j≠i）之间的跳距，HopSize_i表示锚点i的平均每跳距离，并将所述平均每跳距离广播到所述无线传感器网络；未知节点接收到所述锚点广播的平均每跳距离后，根据所述未知节点距锚点的跳数乘以相应锚点的平均每跳距离估计出距离相应锚点的真实距离。

步骤二：锚点初选步骤

未知节点在估计出到各锚点的距离之后，删除锚点集合中与未知节点距离大于门限值T₀的锚点。

步骤三：栅格分区步骤

在删除了距离过远的（跳数大于T₀）锚点之后，根据剩余锚点的坐标确定锚点在空间上的分布区域。设x_min、x_max、y_min、y_max分别表示锚点在空间分布上的最小、最大x、y坐标值，R为栅格边长。则锚点在x、y轴上的分布区域分别为[x_min,x_max]、[y_min,y_max]。为了使锚点的分布区域在构建的栅格空间中居中分布不影响后续步骤的使用，需要对栅格的起始位置重新进行调整。首先，计算锚点在x、y轴上的分布区域相对于栅格边长R的余数。

$\left\{\begin{array}{c}{x}_{\mathrm{residue}}=(x_{\max }-x_{\min })\mathrm{mod}R\\ y_{\mathrm{residue}}=(y_{\max }-y_{\min })\mathrm{mod}R\end{array}\right.,$ 然后将栅格边长R与该余数的差值均分到锚点分布区域的两侧，修正栅格的起始、终结位置。

$\left\{\begin{array}{c}{X}_{\min }=x_{\min }-(R-x_{\mathrm{residue}})/2\\ X_{\max }=x_{\max }+(R-x_{\mathrm{residue}})/2\end{array}\right.$ $\left\{\begin{array}{c}{Y}_{\min }=y_{\min }-(R-y_{\mathrm{residue}})/2\\ Y_{\max }=y_{\max }+(R-y_{\mathrm{residue}})/2\end{array}\right.$

如图1所示，最终以[X_min,X_max],[Y_min,Y_max]为栅格区域的范围、R为间隔建立栅格系统。

步骤四：锚点筛选步骤

该步骤我们需要完成三个部分的工作。首先，由于每个栅格单元都是一个R×R的正方形区域，在该区域中如果存在多个锚点根据先前的分析这样会影响定位精度的提高。因此如果一个栅格单元中存在多个锚点，则选择距离未知节点跳数最小的锚点作为该栅格单元的代表锚点，如果多个锚点的跳数相同则随机选择一个。

其次，需要确定未知节点在栅格中的位置。

如图2所示，在栅格建立起来并初步筛选完锚点之后，为了在栅格空间中选择合适的锚点形成相对于当前未知节点的均匀空间分布，首先需要确定当前未知节点的栅格位置。在这里我们借鉴Min-Max定位法的思想，根据锚点到未知节点的跳数计算每个锚点的Min-Max影响范围。该范围为一个正方形区域，其中心为锚点的栅格位置，边长为锚点到当前未知节点的跳数的二倍与栅格半径R的乘积。然后在当前未知节点的各锚点的Min-Max影响范围的公共重叠区域之中随机选择一个栅格单元作为当前未知节点的栅格位置。

最终，生成均匀分布有效锚点集。确定未知节点的栅格位置之后，我们就可以开始在锚点集中选出以当前未知节点为中心的空间分布上尽量均匀的锚点来。这里我们采用“模板”的概念。

如图3与图4所示，我们首先生成一个边长(2T₀+1)×R、8个分区的正方形栅格模板。筛选时根据步骤三所确定的当前未知节点的栅格位置调整模板位置使其中心的栅格单元与当前未知节点的栅格单元相重叠。这样通过栅格模板锚点就可以直接确定其所处的分区。下面问题就转化为如何从不同区域中选择锚点构造出近似均匀的空间分布的问题。这里我们分为四个步骤：

（a）分别统计各区域中的锚点数，获得其最小值R8_min；如果R8_min×8≥T₁（T₁为锚点集中选出的最少锚点数），则从每个区域中选择跳数较小的R8_min个锚点。不满足则转入步骤（b）。

（b）分别统计集合Set1：{R1，R3，R5，R7}和Set2：{R2，R4，R6，R8}中各区域锚点数的最小值，分别设为R4_1_min1，R4_1_min2。在R4_1_min1≥R4_1_min2情况下，假如R4_1_min2×4≥T₁则在集合Set2的各区域中分别选出跳数较小的R4_1_min2个锚点，否则假如R4_1_min1×4≥T₁则在集合Set1的各区域中分别选出跳数较小的R4_1_min1个锚点。同理在R4_1_min2＞R4_1_min1的情况下，如果R4_1_min1×4≥T₁则在集合Set1中各区域中分别选出R4_1_min1个锚点，否则假如R4_1_min2×4≥T₁则在集合Set2的各区域中分别选出跳数较小的R4_1_min2个锚点。如都不满足则转入步骤（c）。

（c）重新划分集合为Set3：{R1，R2，R5，R6}和Set4：{R3，R4，R7，R8}，方法同步骤（b）筛选锚点。不满足则转入步骤（d）。

（d）直接从锚点集中选择T₂个跳数较小的锚点。

步骤五：未知节点定位步骤

根据步骤三中筛选出的锚点集合和步骤一获得的未知节点到锚点的距离估计值，使用LLS方法确定未知节点的位置。流程如下所述：设未知节点的坐标为A(x,y)，锚点坐标为L₁(x₁,y₁),...,L_k(x_k,y_k)，未知节点到锚点的估计距离分别为r₁,r₂,...,r_k，则可以根据估计距离与已知量建立线性方程组：

AX＝b

其中， $A=(-2)\×\left[\begin{array}{cc}{x}_1-x_k& y_1-y_k\\ x_2-x_k& y_2-y_k\\ .& .\\ .& .\\ .& .\\ x_{k-1}-x_k& y_{k-1}-y_k\end{array}\right],$ $X=\left[\begin{array}{c}x\\ y\end{array}\right],$ $b=\left[\begin{array}{c}{r}_1^2-r_k^2-x_1^2+x_k^2-y_1^2+y_k^2\\ r_2^2-r_k^2-x_2^2+x_k^2-y_2^2+y_k^2\\ .\\ .\\ .\\ r_{k-1}^2-r_k^2-x_{k-1}^2+x_k^2-y_{k-1}^2+y_k^2\end{array}\right]$

由于测距误差的存在，更完整的线性模型可以写为：

AX+N＝b

其中，N为k-1维测距误差向量。利用最小二乘原理，X的值应当使模型误差N＝b-AX达到最小，即用最小化Q(x)＝||N||²＝||b-Ax||²求x的估计值，对Q(x)关于x求导并令其等于0，可以解得未知节点的最小二乘位置估计值： ${\hat{x}}_{\mathrm{LS}}={\left(A^{T}A\right)}^{-1}{A}^{T}b.$

为了验证本发明的正确性和有效性，构建以下仿真场景进行仿真实验。

请参考图5至图7，仿真场景分为两类：均匀网络（场景I）和非均匀网络（场景II、III、IV）。仿真场景参数设置如下：仿真区域500×500，节点总数500，节点传输半径=栅格半径R=50，锚点在节点中随机选择，设每个节点能收到所有锚点的广播信息。

场景I：节点在仿真区域内均匀随机分布；

场景II：如图5所示，RegionI,RegionII,RegionIII,RegionIV4个区域内的节点数之比为1:3:1:3＝DR_I:DR_II:DR_III:DR_IV；

场景III：各区域节点数之比为1:5:1:5＝DR_I:DR_II:DR_III:DR_IV；

场景IV：各区域节点数之比为1:7:1:7＝DR_I:DR_II:DR_III:DR_IV；

本文算法中三个筛选门限分别设为T₀＝10、T₁＝17、T₂＝15。

本发明采用归一化定位误差δ_p作为主要的评测参数，该参数定义为未知节点的估计坐标(x_e,y_e)与真实坐标(x_r,y_r)之间的欧式距离与节点传输半径R商的百分比。

${\mathrm{\δ}}_p=\frac{\sqrt{{(x_e-x_r)}^2+{(y_e-y_r)}^2}}{R}\×100\%$

图6显示了场景I中锚点比例分别为5%、10%的情况下，本定位算法与三边定位算法和多边定位算法的性能对比。由图可见，在均匀网络环境中，无论锚点比例如何，本算法和多边定位算法的定位精度都远好于三边定位算法。而本算法定位精度略好于多边定位算法——在5%锚点、归一化定位误差40%R时，本算法有79.89%的节点定位误差小于40%R比多边定位算法多了2.6%，在10%锚点情况下提高了5.9%。

图7显示了非均匀网络情况下，场景II、III、IV中三种定位算法的性能差异。由仿真结果可以看出，不论非均匀程度如何本算法的定位性能一直优于三边定位算法和多边定位算法。在10%锚点、归一化定位误差40%R不均度1：3时，相较于多边定位算法本文算法的定位节点数多了14.76%，在不均度1：5的情况下提高了22.40%，不均度1：7时更是提高了29.47%。可见本算法的定位能力远优于其余两种算法。

而且，随着网络非均匀性的增强多边定位算法的定位性能不够稳定——在网络非均匀性比较大的情况下，多边定位算法的定位性能有时甚至比三边定位法更差。而本算法的定位稳定性更加优异，在10%锚点、定位误差40%R情况下，随着网络的不均匀性由1：3增加到1：7本算法的定位精度只有8.43%的下降，多边定位算法却下降了23.14%。由此可见基于栅格筛选的LLS算法的环境适应力更强。

本定位算法的每节点平均定位计算量非常稳定，在均匀网络中和非均匀网络中都约为250次运算基本不随锚点总数的变化而变化。而且，对比多边定位算法在5%锚点情况下本定位算法的计算量减少了44%，在10%锚点时减少了72%。所以本算法在显著降低了计算量的情况下有效的提高了节点定位精度。

根据以上仿真结果可见本发明作为一种适用于非均匀网络环境的定位算法，能够有效地解决了三边定位算法定位精度不高以及多边定位算法计算量过大的问题。该方法不改变现有的硬件结构与算法流程，定位精度大大高于三边、多边定位算法，算法适应能力强于多边定位算法，计算量仅相当于多边定位算法的30%～40%，极大地扩展了Range-Free定位方法的应用范围。

Claims (7)

1.一种无线传感器网络中未知节点定位方法，所述无线传感器网络中包括多个锚点，所述锚点为已知自身位置的节点，其特征在于：所述未知节点定位方法包括：

估计未知节点与各锚点距离步骤：未知节点根据锚点信息估计到各锚点的距离；

锚点初选步骤：删除到未知节点的跳数大于设定值T₀的锚点；

栅格分区步骤：将剩余锚点所在区域分割成若干等大的栅格单元；

锚点筛选步骤：在所述栅格单元中选取一些锚点为有效锚点,其具体包括以下步骤：

步骤一：删除冗余锚点；

步骤二：确定当前未知节点的栅格单元位置；

步骤三：生成均匀分布的有效锚点集；

未知节点定位步骤：使用所述有效锚点采用最小二乘法确定未知节点位置。

2.如权利要求1所述的一种无线传感器网络中未知节点定位方法，其特征在于：所述估计未知节点与各锚点距离步骤包括，

步骤一：所有锚点广播其信息分组，所述信息分组包括坐标和ID，未知节点根据接收到的锚点广播信息确定到所有锚点的跳数；

步骤二：每个锚点根据其接收到的其余锚点的坐标和相距跳数计算本锚点的平均每跳距离：其中(x_i,y_i),(x_j,y_j)是锚点i，j的位置坐标，h_j是锚点i与锚点j(j≠i)之间的跳距，HopSize_i表示锚点i的平均每跳距离，并将所述平均每跳距离广播到所述无线传感器网络；

步骤三：未知节点接收到所述锚点广播的平均每跳距离后，根据所述未知节点距锚点的跳数乘以相应锚点的平均每跳距离估计出距离相应锚点的距离。

3.如权利要求2所述的一种无线传感器网络中未知节点定位方法，其特征在于：所述锚点初选步骤包括，

未知节点在估计出到各锚点的距离之后，删除锚点集合中与未知节点跳数大于门限值T₀的锚点。

4.如权利要求3所述的一种无线传感器网络中未知节点定位方法，其特征在于：所述栅格分区步骤包括以下步骤：

步骤一：设x_min、x_max、y_min、y_max为所述剩余锚点在空间分布上的最小、最大x、y坐标值，R为栅格边长，则剩余锚点在x、y轴上的分布区域分别为[x_min,x_max]、[y_min,y_max]；

步骤二：计算剩余锚点在x、y轴上的分布区域相对于栅格边长R的余数，所述计算方法为，

其中x_rsidue、y_rsidue分别为剩余锚点在x、y轴上的分布区域相对于栅格边长R的余数；

步骤三：根据锚点分布区域[x_min,x_max]、[y_min,y_max]和x_rsidue、y_rsidue，确定栅格范围[X_min,X_max],[Y_min,Y_max]，

在栅格范围内以栅格边长R为间隔建立栅格。

5.如权利要求4所述的一种无线传感器网络中未知节点定位方法，其特征在于：所述锚点筛选步骤包括以下步骤，

步骤一：删除冗余锚点，当所述栅格单元中存在多个所述锚点时，则选择距离未知节点跳数最小的锚点作为该栅格的有效锚点，若所述栅格单元中多个锚点的跳数相同则任意选择一锚点为有效锚点；

步骤二：确定当前未知节点的栅格单元位置，根据所有剩余锚点到当前未知节点的跳数确定每个锚点的影响范围，所述每个锚点的影响范围定义为：以锚点所在栅格为中心以该锚点到当前未知节点跳数的二倍与栅格边长R的乘积为边长的一个正方形区域，然后当前未知节点在其各锚点的影响范围的重叠区域之中随机选择一个栅格单元作为当前未知节点的栅格单元；

步骤三：生成均匀分布的有效锚点集，包括以下步骤，

A)生成一边长为(2T₀+1)×R，包含8个栅格区域{R1，R2，……，R7，R8}的正方形栅格模板，分别统计各栅格区域中的锚点数量，获得其最小值R8_min；如果R8_min×8≥T₁，则从每个区域中选择跳数较小的R8_min个锚点，若不满足则转入步骤B)，其中T₁为锚点集中选出的最少锚点数；

B)分别统计栅格区域集合Set1：{R1，R3，R5，R7}和Set2：{R2，R4，R6，R8}中各栅格区域锚点数的最小值，分别设为R4_1_min1，R4_1_min2，其中R1至R8分别为第一至第八栅格区域；在R4_1_min1≥R4_1_min2情况下，若R4_1_min2×4≥T₁，则在集合Set2的各栅格区域中分别选出跳数较小的R4_1_min2个锚点，否则若R4_1_min1×4≥T₁则在集合Set1的各区域中分别选出跳数较小的R4_1_min1个锚点；同理在R4_1_min2＞R4_1_min1的情况下，若R4_1_min1×4≥T₁则在集合Set1中各区域中分别选出R4_1_min1个锚点，否则若R4_1_min2×4≥T₁则在集合Set2的各区域中分别选出跳数较小的R4_1_min2个锚点，如都不满足则转入步骤C)；

C)重新划分集合为Set3：{R1，R2，R5，R6}和Set4：{R3，R4，R7，R8}，统计Set3和Set4中锚点数的最小值，分别设为R4_1_min1，R4_1_min2，其中R1至R8分别为第一至第八栅格区域；在R4_1_min1≥R4_1_min2情况下，若R4_1_min2×4≥T₁，则在集合Set2的各栅格区域中分别选出跳数较小的R4_1_min2个锚点，否则若R4_1_min1×4≥T₁则在集合Set1的各区域中分别选出跳数较小的R4_1_min1个锚点；同理在R4_1_min2＞R4_1_min1的情况下，若R4_1_min1×4≥T₁则在集合Set1中各区域中分别选出R4_1_min1个锚点，否则若R4_1_min2×4≥T₁则在集合Set2的各区域中分别选出跳数较小的R4_1_min2个锚点，如都不满足则转入步骤D)；

D)从所述锚点集中选择T₂个跳数较小的锚点；

所述选择出的有效锚点即构成均匀分布的锚点集。

6.如权利要求5所述的一种无线传感器网络中未知节点定位方法，其特征在于：所述T₂大于等于8小于3/5T₁。

7.如权利要求5所述的一种无线传感器网络中未知节点定位方法，其特征在于：所述未知节点定位步骤包括：

根据筛选出的有效锚点集合和未知节点估计与各锚点距离步骤获得的未知节点到锚点的距离值，使用LLS方法确定未知节点的位置。