WSN传感器节点定位技术是无线传感器网络(Wireless Sensor Networks)[1]的核心技术之一。目前无线传感器网络定位算法可以分为两类：基于距离的（Range-based）和与距离无关的(Range-free)[2]。参考文献[3]介绍了一种新的节点定位技术——质心算法。该算法属于距离无关的定位算法，计算的复杂度较参考文献[4]中的最小二乘法有了很大的降低，且网络生存率较强，但未知节点的定位精度不高。
为了解决质心算法定位精度不高的问题，本文提出的一种改进的质心算法。该算法与VIRE[5]算法类似，利用信号传播模型[6]在定位区域内构造虚拟参考标签的RSSI[7]信息，通过最小二乘法结合质心算法的方式，进一步缩小了未知节点的估计区域。实验证明，虽然该算法的计算复杂度有所增加，但定位的精确度有了进一步的提高，约为33%。
1 相关工作介绍
1.1 VIRE算法
VIRE系统阅读器Rp1和参考标签Lm1(p1,m1∈N+)分布如图1所示，待定位标签Zq1在区域内(q1∈N+)。VIRE方法的核心思想是将每4个参考标签看作一个单元网格，再将其进一步等分为N1×N1(N1∈N+)个小网格，在小网格处加入虚拟参考标签。如图2所示。

实验组数为100次的统计平均值，由式(6)可知：
AverageError2=9.197 0 10.989°。
由图可知，当n2增加时，定位的精确度得到了提高，约为16%。但当n2=4时计算的次数较n2=2时增加了一倍，从而提高了计算的复杂度。
3.2 改进算法与原算法定位精确度的比较
改进的质心算法与传统质心算法的比较,如图8所示。

对改进算法进行300次仿真，由式(6)可知： AverageError1=5.295 9 7.907 8°。通过仿真结果可知，改进的质心算法较传统的质心算法，定位精确度提高了约33%。但改进的质心算法由于加入了最小二乘法，使得计算的次数较传统的质心算法有了明显的增加，也就增加了计算的复杂度。
3.3 仿真分析
(1)在选取虚拟参考标签时，可能无法选择待测点附近的虚拟参考标签，或者是所选择的虚拟参考标签有重复，从而造成误差过大。这可能与无线信号传播模型有关，因为信号不是在自由空间中传输，受到了外界环境的干扰。可以通过多次测量，再取统计平均，达到减小误差的目的。本文通过取统计平均减小了误差，但还需进一步改进。
(2)本文通过增加计算的次数来换取定位精确度的提
高。在未来，需要进一步试验新算法，在不增加计算复杂度的基础上，进一步提高定位的精确度。
无线传感器网络中节点定位一直是该领域的热点问题之一。本文结合VIRE系统，提出了一种改进的质心算法。该算法计算的复杂度有所增加，待测节点的定位精度较传统质心算法有一定的提高，在一定程度上解决了传统质心算法定位精度较低的问题。
参考文献
[1] 郑永奇. 无线传感器网络关键技术研究[J]. 微型机与应用, 2013，32(5):57-59.
[2] ERRARNILLI V, BESTAVROS A. On the interaction between data aggregation and topology control in wireless sensor networks[C].Proc of the 1st Annual IEEE Communications Society Conference, 2004:557-565.
[3] BULUSU N, HEIDEMANN J. ESTRIN D. GPS. 1ess Low Cost Outdoor Localization for Very Small Devices m[J]. IEEE Personal Communications, 2000,7(5):28-34.
[4] MOORE D, LEONARD J,RUS D, et al. Robust distributed network localization with noisy range measurements[C]. In: Proc of the 2th Intemational Conference on Embedded Net worked Sensor Systems. Baltimore, USA, 2004:50-61.
[5] Zhao Yiyang, Liu Yunhao.VIRE:Active RFID-based localization using virtual reference elimination[C]. XiAn: 2007 International Conference on Parallel Processing, 2007:56-63.
[6] CULLAR D,STRVASTAVA M.Overview of sensor network [J]. Computer, 2004,37(8):41-49.
[7] 丁凡, 周永明. 基于RSSI的WSN吞吐量自适应优化策略[J].电子技术应用, 2013,39(4):91-95.
[8] LIONEL M N, Liu Yunhao, LAU Y C et al. LANDMARC: indoor location sensing using active RFID[J]. WirelessNetworks, 2004,10(6):70l-7l0.