一. INTRODUCTION

1、通常，MANAL算法涉及三個(gè)階段：

（i）移動(dòng)錨節(jié)點(diǎn)遍歷監(jiān)視區(qū)域（區(qū)域），同時(shí)周期性地廣播包括其當(dāng)前位置的信標(biāo)分組；?

（ii）錨的通信范圍內(nèi)的未知節(jié)點(diǎn)接收信標(biāo)分組，并在需要時(shí)通過使用通信信號(hào)的物理特性來估計(jì)到錨的距離；?

（iii）如果未知節(jié)點(diǎn)落入至少三個(gè)（四個(gè)）非共線（非共面）錨點(diǎn)的重疊通信范圍之內(nèi)，則使用2D（3D）WSN中的適當(dāng)定位算法來計(jì)算其位置

2、我們綜述了目前在這兩個(gè)問題上的研究工作，即運(yùn)動(dòng)軌跡和定位方法。

3、文章結(jié)構(gòu)

基于這些考慮，本文的其余部分組織如下。

第二部分介紹了無線傳感器網(wǎng)絡(luò)的背景和基本定位方法。

第三部分介紹了已有的無線傳感器網(wǎng)絡(luò)定位算法的研究工作。

第四部分介紹了MANAL算法的分類。

第五部分和第六部分詳細(xì)回顧了MANAL算法的兩個(gè)方面。

第七部分闡述了當(dāng)前研究領(lǐng)域存在的問題和今后的研究方向。

最后，結(jié)論包括總結(jié)表在第八部分給出。

二、BACKGROUND KNOWLEDGE AND BASIC LOCALIZATION METHODS

A. Basic Terminologies

B. Basic Methods ofCalculating Sensor Nodes’ Location （主要有三種方法）

1、三邊圖(Trilateration)是根據(jù)一個(gè)未知節(jié)點(diǎn)到三個(gè)錨點(diǎn)的距離來確定其位置的過程，如圖2所示。三圓交點(diǎn)。

2、三角測(cè)量（Triangulation）:三角測(cè)量不同于三角測(cè)量，它是根據(jù)三對(duì)不同的錨點(diǎn)之間的角分布來計(jì)算未知節(jié)點(diǎn)的位置。

? ? ? ?如果我們知道了連接D和錨點(diǎn)的線段之間的夾角，那么未知節(jié)點(diǎn)的坐標(biāo)就必須用三角剖分而不是三邊剖分來計(jì)算。

? ? ? ?如果知道錨節(jié)點(diǎn)之間的角距離，就可以得到圓的圓心。（角距，即角距離，也稱為角分離、視距離、或視分離，從不同于兩個(gè)點(diǎn)物體的位置（即第三點(diǎn)）觀察這兩個(gè)物體，由觀測(cè)者指向這兩個(gè)物體的直線之間所夾角度的大小。 ADB, ADC, BDC ）。

如果，角ADC確定，弧AC在三角形ABC內(nèi)，即圓1可被唯一確定。同理，確定另外兩個(gè)圓。

同理確定另外兩個(gè)圓心。

3、Maximum Likelihood Estimation（最大似然估計(jì)）: When the number ofanchor nodes n > 3, we use the maximum likelihood estimation to calculate the coordinate of the unknown node D(x, y).

? ? ? Assume that the coordinates of anchor nodes are respectively (x1, y1) , (x2, y2) , (x3, y3) ,..., (xn, yn), and the distances between D and the anchor nodes are d1, d2, d3,..., dn, respectively, as shown in Fig. 4.

實(shí)際上，極大似然估計(jì)是三邊法（Trilateration）的推廣。

三、RELATED WORK

1、在[18]中討論的MWSN定位包括三個(gè)階段:1)協(xié)調(diào)，2)測(cè)量，3)位置估計(jì)。

2、在[19]，中將定位技術(shù)按照在哪里進(jìn)行運(yùn)算分為：集中式和分布式。

3、在[20]中，定位算法分為目標(biāo)/源定位和節(jié)點(diǎn)自定位。主要介紹了WSNs中的單目標(biāo)/源定位、WSNs中的多目標(biāo)定位和無線二值傳感器網(wǎng)絡(luò)(WBSNs)中的單目標(biāo)/源定位。

因此，在本文中，還對(duì)某些特殊情況下的定位進(jìn)行了研究，例如，非視距（NLOS）情況下的定位，能量受限網(wǎng)絡(luò)中定位的節(jié)點(diǎn)選擇標(biāo)準(zhǔn)，協(xié)作節(jié)點(diǎn)定位，調(diào)度傳感器節(jié)點(diǎn) 優(yōu)化異構(gòu)網(wǎng)絡(luò)中的定位性能和能耗之間的權(quán)衡以及定位算法。

最后，介紹了定位算法在無線傳感器網(wǎng)絡(luò)中的評(píng)價(jià)標(biāo)準(zhǔn)。

4、[21]中，研究了基于距離的定位技術(shù)。

? ? ? ?因此，本文選取了十種具有不同特征和方法的基于距離的定位算法，并在[21]中進(jìn)行了詳細(xì)的闡述。

? ? ? ? 通常，集中式定位算法比分布式和分布式集中式算法產(chǎn)生更好的位置估計(jì)。然而，由于分組傳輸?shù)交镜耐ㄐ砰_銷很高，因此集中式算法消耗了更多的能量。

5、[22]中，從節(jié)點(diǎn)密度、定位精度、硬件成本、計(jì)算成本、通信成本等方面對(duì)定位算法進(jìn)行了比較。

在分析現(xiàn)有定位算法的基礎(chǔ)上，設(shè)計(jì)了一種基于分布式RSSI的、基于距離的、基于信標(biāo)的定位技術(shù)，嘗試在惡劣環(huán)境下尋找移動(dòng)節(jié)點(diǎn)的位置。

6、在[23]中，針對(duì)無線傳感器網(wǎng)絡(luò)提出了一種基于多維標(biāo)度(MDS)的定位方法。

7、In[30],divided into two sub-categories: fully schemes and hybrid schemes. That is fully-range-based, hybrid-range-based, fully-range-free, and hybrid-range-free.?

? ? ? ? It is pointed out that hybrid localization algorithms can achieve a better localization performance compared with fully local- ization ones.

然而，在混合定位算法中，需要大量的計(jì)算來估計(jì)位置，并且時(shí)間復(fù)雜度相對(duì)較高。

8、在[31]中，基于傳感器節(jié)點(diǎn)的移動(dòng)狀態(tài)，對(duì)無線傳感器網(wǎng)絡(luò)中的定位算法進(jìn)行了研究和重新分類。分為四類：1)靜態(tài)地標(biāo)，靜態(tài)節(jié)點(diǎn)，2)靜態(tài)地標(biāo)，移動(dòng)節(jié)點(diǎn)，3)移動(dòng)地標(biāo)，靜態(tài)節(jié)點(diǎn)，4)移動(dòng)地標(biāo)，移動(dòng)節(jié)點(diǎn)。? ? ?

9、在[32]中，定位算法分為基于已知位置的定位算法（是什么鬼）、基于接近度的定位算法（是什么鬼）、基于角度的定位算法、基于距離的定位算法和基于范圍的定位算法。

10、In [33]，此外，無線傳感器網(wǎng)絡(luò)中只有移動(dòng)的錨節(jié)點(diǎn)，也有移動(dòng)的未知節(jié)點(diǎn)或目標(biāo)。因此，提出了一些移動(dòng)節(jié)點(diǎn)定位算法來定位或跟蹤移動(dòng)傳感器節(jié)點(diǎn)。

11、在[34]中，對(duì)基于RSSI的無線傳感器網(wǎng)絡(luò)定位方案在定位方法、性能、未來范圍等方面進(jìn)行了討論。由于傳感器節(jié)點(diǎn)的成本和硬件限制，無法使用基于距離的定位算法。在許多WSN應(yīng)用中，粗精度是足夠的，因此無距離定位算法被認(rèn)為是基于距離的定位算法的替代品。

12、在[36]中，對(duì)無線傳感器網(wǎng)絡(luò)的移動(dòng)輔助定位技術(shù)進(jìn)行了綜述。然而，在[36]中只討論了四種移動(dòng)錨點(diǎn)軌跡。SCAN, HILBERT, CIRCLES and DREAMS.

13、相關(guān)工作比較

?只有[18]、[31]、[33]和[36]的文獻(xiàn)討論了移動(dòng)WSNs中的定位算法。

四、CLASSIFICATION OF MANAL ALGORITHMS

1、有效的移動(dòng)定位方法可以根據(jù)需要改變錨節(jié)點(diǎn)密度，潛在地減少靜態(tài)WSNs所需的錨點(diǎn)數(shù)量。

2、根據(jù)不同的運(yùn)動(dòng)軌跡，現(xiàn)有的MANAL算法可以分為兩類:基于移動(dòng)模型的定位算法和基于路徑規(guī)劃方案的定位算法，如圖5所示。

? ? ? ?移動(dòng)模型進(jìn)一步分為個(gè)體移動(dòng)模型和群體移動(dòng)模型。將路徑規(guī)劃方案進(jìn)一步劃分為靜態(tài)路徑規(guī)劃方案和動(dòng)態(tài)路徑規(guī)劃方案。

五、LOCALIZATION BASED ON MOBILITY MODEL

A. Mobility Model（移動(dòng)模型）

1、Individual mobility model can be classified into three sub-categories: 1) memoryless mobility model, e.g., Random Way (RW) [46] and Random Waypoint (RWP) [47], 2) memory mobility model, e.g.,?Gauss-Markov (GM) [48] (后文：該GM模型提供了平滑的運(yùn)動(dòng)軌跡，消除了突然停止和急轉(zhuǎn)彎。此外，GM移動(dòng)模型考慮過去的速度和方向，以影響未來的運(yùn)動(dòng)軌跡)and Boundless mobility model [49], 3) Geographic Mobility Model [50], [51]

2、在無線傳感器網(wǎng)絡(luò)的移動(dòng)錨節(jié)點(diǎn)輔助定位中，只采用了幾種移動(dòng)模型，如隨機(jī)路徑點(diǎn)(Random Walk, RW)[46]和隨機(jī)路徑點(diǎn)(Random Waypoint, RWP)[47]。

B. Localization Based on Random Walk Model

1、隨機(jī)游走(RW)移動(dòng)模型是一種模仿無線移動(dòng)網(wǎng)絡(luò)中各種實(shí)體不穩(wěn)定運(yùn)動(dòng)的個(gè)體移動(dòng)模型，是一種基于隨機(jī)方向和速度的簡(jiǎn)單移動(dòng)模型。

2、MARB: Caballero et al. [62] proposed the use of a randomly moving aerial robotic beacon (MARB) with GPS for the localization of unknown nodes based on RSSI tech- nique.?

使用貝葉斯框架估計(jì)未知節(jié)點(diǎn)的定位。未知節(jié)點(diǎn)的估計(jì)位置將由條件概率分布p(xk|z1:k)表示，其中，后部在網(wǎng)絡(luò)運(yùn)作中能在線估計(jì)。所以定位可以通過估計(jì)和遞歸。算法適用于數(shù)據(jù)螺系統(tǒng)。

3、Kim等[63]利用經(jīng)典多維標(biāo)度(mobile beaconbased localization using classical multidimensional scaling, MBL-MDS)充分利用mds的連通性和測(cè)量性，提出了一種基于移動(dòng)信標(biāo)的定位方法。

MBL-MDS采用兩個(gè)規(guī)則來提高定位性能:(i)選擇規(guī)則來選擇足夠的參考點(diǎn)集;(ii)一個(gè)決策規(guī)則，用于確定兩個(gè)對(duì)稱候選項(xiàng)中的哪一個(gè)是核心節(jié)點(diǎn)位置。

? ? ? MBL-MDS適用于大規(guī)模的三維無線傳感器網(wǎng)絡(luò)。在3D WNSs中進(jìn)行定位并不僅僅是在定位問題上增加一個(gè)額外的維度;它比2D定位更復(fù)雜。因此，有必要專門設(shè)計(jì)三維定位方法，而不是簡(jiǎn)單地修改二維定位方法。

4、提出了一種基于隨機(jī)移動(dòng)錨節(jié)點(diǎn)的分布式在線定位方法(distributed online localization method DOL)[64]。

? ? ? ?每當(dāng)一個(gè)未知節(jié)點(diǎn)接收到來自移動(dòng)錨節(jié)點(diǎn)的信標(biāo)包時(shí)，該未知節(jié)點(diǎn)的位置就限定在移動(dòng)錨節(jié)點(diǎn)的通信范圍內(nèi)。在接收到來自移動(dòng)錨節(jié)點(diǎn)的多個(gè)信標(biāo)包后，未知節(jié)點(diǎn)用矩形邊界框逼近重疊區(qū)域。

?未知節(jié)點(diǎn)使用多個(gè)信標(biāo)消息相交區(qū)域的質(zhì)心作為其位置，如圖7所示。雖然DOL不需要復(fù)雜的距離估計(jì)技術(shù)，但定位精度較低。

C. Localization Based on Random Waypoint Model?

? ??? ??隨機(jī)路徑點(diǎn)(RWP)[46]移動(dòng)模型是RW移動(dòng)模型的擴(kuò)展，該模型考慮了方向和速度變化之間的停頓時(shí)間。

1、[49]RWP包括五個(gè)步驟:

? ? ? (1)選擇一個(gè)新的隨機(jī)目的地;

? ? ? (2)選擇速度均勻分布在[vmin, vmax]范圍內(nèi)

? ? ? (3)移動(dòng)到目的地;

? ? ? (4)在目的地位置等待一段均勻分布的時(shí)間(即，暫停時(shí)間);

? ? ? (5)返回步驟一，重復(fù)步驟

2、在RWP遷移率模型中，最大速度和暫停時(shí)間是決定遷移率行為的兩個(gè)關(guān)鍵參數(shù)。

? ? ? 當(dāng)vmax較小，暫停時(shí)間較長(zhǎng)時(shí)，移動(dòng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)被限制在仿真區(qū)域的一小部分。

? ? ? 相反，如果節(jié)點(diǎn)移動(dòng)得很快(即， vmax較大)，暫停時(shí)間較小，預(yù)計(jì)移動(dòng)網(wǎng)絡(luò)拓?fù)涓叨葎?dòng)態(tài)。

3、在[65]中，Ssu等人提出了一種基于移動(dòng)錨節(jié)點(diǎn)的無距離定位方法，利用幾何推測(cè)(弦的垂直平分線)來確定未知節(jié)點(diǎn)的位置。移動(dòng)錨點(diǎn)隨RWP模型移動(dòng)，該推測(cè)描述了任何弦的垂直平分線通過圓的中心。圓心是未知節(jié)點(diǎn)的位置。如圖8所示，(AB)ofacircle是一個(gè)端點(diǎn)位于圓上的線段。建立兩根弦至少需要收集圓上的三個(gè)端點(diǎn)，兩根弦的垂直平分線的交點(diǎn)為未知節(jié)點(diǎn)的位置，如圖9所示

4、（看不懂）2) RAA: A Range-free localization mechanism with AerialAnchor nodes (RAA) was proposed by Ou et al. [66].

5、Yu等[68]提出了一種利用飛行信標(biāo)幫助未知節(jié)點(diǎn)確定其位置的新算法。

? ? ? Yu等人對(duì)無線環(huán)境噪聲下傳統(tǒng)的接收距離偏移提出了新的看法。接收數(shù)據(jù)包的錯(cuò)誤概率隨信噪比的增大而減小。因此，可以繪制許多以未知節(jié)點(diǎn)位置為中心的同心圓，如圖12所示。一旦一個(gè)未知節(jié)點(diǎn)接收到信標(biāo)包而沒有錯(cuò)誤，就可以得到一個(gè)半球。所有半球的中心是未知節(jié)點(diǎn)的位置。該算法不需要任何距離和角度信息就能實(shí)現(xiàn)定位。他們的結(jié)論是，該算法比Ssu（3）的定位方法更節(jié)能，具有更高的定位精度。

6、LMCS:趙等人[69]提出了一種移動(dòng)信標(biāo)輔助無距離定位方法，即基于壓縮感知的移動(dòng)信標(biāo)定位。

LMCS利用壓縮感知(CS)得到未知節(jié)點(diǎn)與所有信標(biāo)點(diǎn)的關(guān)聯(lián)度。LMCS根據(jù)關(guān)聯(lián)度確定每個(gè)信標(biāo)點(diǎn)的質(zhì)量坐標(biāo)權(quán)重值，并通過加權(quán)質(zhì)心估計(jì)未知節(jié)點(diǎn)位置。

D. Localization Based on Random Direction Model The

? ? ? 在RD遷移率模型中，MN隨機(jī)選擇一個(gè)方向，沿該方向運(yùn)動(dòng)到仿真區(qū)域的邊界，如圖14所示。當(dāng)MN到達(dá)仿真邊界時(shí)，它會(huì)暫停一段時(shí)間，然后在0到180度之間選擇一個(gè)新的方向，繼續(xù)這個(gè)過程。

1、Fine-Grained:(細(xì)粒度):Liu等[71]提出了一種基于幾何約束的移動(dòng)信標(biāo)節(jié)點(diǎn)細(xì)粒度定位方法，作為Ssu[65]算法的擴(kuò)展。

2、ADO: Xiao等[72]提出了一種利用信標(biāo)點(diǎn)到達(dá)與離開重疊(ADO)的分布式定位方法。

? ? ? ?當(dāng)移動(dòng)信標(biāo)移動(dòng)到B點(diǎn)時(shí)，節(jié)點(diǎn)G第一次接收到信標(biāo)包，在左側(cè)新月區(qū)域形成到達(dá)約束區(qū)域;當(dāng)移動(dòng)信標(biāo)向前移動(dòng)時(shí)，未知節(jié)點(diǎn)G最后一次接收信標(biāo)包，移動(dòng)信標(biāo)移動(dòng)到點(diǎn)C，在右手新月處形成一個(gè)出發(fā)約束區(qū)域。因此，到達(dá)約束區(qū)域和離開約束區(qū)域?qū)?chuàng)建一個(gè)ADO。

E. Localization Based on Group Mobility Model?

1、1) FAL: Liu等[73]提出了一種不使用距離或角度信息的五錨定位方法(FAL)，以平衡距離測(cè)量的復(fù)雜性和定位精度。

2、NAL: Zhang等[74]提出了一種針對(duì)WSNs的九錨定位方法(NAL)。

? ? ? 9個(gè)移動(dòng)錨節(jié)點(diǎn)形成一個(gè)圓圈。圓圈內(nèi)的未知節(jié)點(diǎn)將記錄來自移動(dòng)錨節(jié)點(diǎn)的RSS，并通過比較RSS來估計(jì)它們的位置。與DOL類似，未知節(jié)點(diǎn)使用多個(gè)信標(biāo)消息相交區(qū)域的質(zhì)心作為其位置。與DOL相比，NAL算法具有較高的精度。但是，它需要更多的移動(dòng)錨節(jié)點(diǎn)。

3、多種移動(dòng)錨節(jié)點(diǎn)輔助定位方法通常將移動(dòng)錨節(jié)點(diǎn)排列成規(guī)則的幾何圖形，使移動(dòng)錨節(jié)點(diǎn)在網(wǎng)絡(luò)中共同移動(dòng)。

? ? ? 移動(dòng)錨節(jié)點(diǎn)的相對(duì)位置在移動(dòng)過程中保持不變。因此，未知節(jié)點(diǎn)可以根據(jù)RSS和移動(dòng)錨節(jié)點(diǎn)的幾何關(guān)系來估計(jì)其位置。這種無距離定位方法不需要距離估計(jì)技術(shù)。未知節(jié)點(diǎn)在不與其他未知節(jié)點(diǎn)進(jìn)行任何信息交換的情況下估計(jì)其位置。因此，與傳統(tǒng)的基于距離的定位方法相比，這種無距離定位方法消耗的能量更少。

F. Comparison of Localization Based on Group Mobility Model

1、表二總結(jié)了上述基于移動(dòng)模型的定位，包括使用的移動(dòng)模型、暫停時(shí)間、移動(dòng)錨節(jié)點(diǎn)數(shù)量、區(qū)域覆蓋、信標(biāo)利用率、優(yōu)缺點(diǎn)。

2、在大多數(shù)基于移動(dòng)模型的定位算法中，移動(dòng)錨節(jié)點(diǎn)需要一段暫停時(shí)間來廣播定位信標(biāo)，這就引入了更長(zhǎng)的定位延遲。

? ? ? 否則，錨節(jié)點(diǎn)在通過定位區(qū)域時(shí)持續(xù)發(fā)送信標(biāo)。在這種情況下，發(fā)送定位信標(biāo)會(huì)消耗更多的能量。

3、在采用的移動(dòng)模型中，如隨機(jī)路徑(RW)、隨機(jī)路徑點(diǎn)(RWP)和隨機(jī)方向(RD)模型中，總是假設(shè)移動(dòng)錨點(diǎn)的軌跡是兩個(gè)停止點(diǎn)之間的直線，而不討論移動(dòng)模型的細(xì)節(jié)。

移動(dòng)錨節(jié)點(diǎn)的軌跡或發(fā)送定位信標(biāo)的位置嚴(yán)重影響未知節(jié)點(diǎn)的定位精度和定位率，因此需要進(jìn)一步研究更現(xiàn)實(shí)的錨節(jié)點(diǎn)移動(dòng)模型。

4、與單錨節(jié)點(diǎn)定位算法相比，多錨節(jié)點(diǎn)定位算法可以獲得較高的信標(biāo)利用率。這是因?yàn)樵谑褂?b>單一錨節(jié)點(diǎn)的定位算法中，大量的共線信標(biāo)和數(shù)量不足的信標(biāo)無法定位未知節(jié)點(diǎn);而在使用多個(gè)錨節(jié)點(diǎn)的定位算法中，所有的信標(biāo)都可以用于定位過程。

5、此外，從表II中我們可以看到，所有基于移動(dòng)性模型的定位算法都無法確保網(wǎng)絡(luò)的完全覆蓋，因?yàn)樵诙ㄎ贿^程中使用的所有移動(dòng)性模型都是隨機(jī)移動(dòng)，而沒有考慮WSN中的定位參數(shù)，例如網(wǎng)絡(luò) 大小，節(jié)點(diǎn)密度，節(jié)點(diǎn)分布等。在這種情況下，并非所有未知節(jié)點(diǎn)都能被移動(dòng)錨點(diǎn)成功定位。 為了提高M(jìn)ANAL算法的定位率和定位精度，在WSN中提出了許多路徑規(guī)劃方案，下一部分將對(duì)此進(jìn)行詳細(xì)討論。

六、LOCALIZATION BASED ON PATH PLANNING SCHEME

1、在移動(dòng)錨節(jié)點(diǎn)輔助定位算法中，路徑規(guī)劃是在給定的監(jiān)控區(qū)域(區(qū)域)內(nèi)，為移動(dòng)錨節(jié)點(diǎn)尋找一個(gè)可行的移動(dòng)目標(biāo)，以提高定位性能。

2、移動(dòng)錨節(jié)點(diǎn)的路徑規(guī)劃問題是設(shè)計(jì)滿足以下特性的運(yùn)動(dòng)軌跡:

(1)它應(yīng)盡可能接近盡可能多的可能的節(jié)點(diǎn)位置，以盡可能多地確定未知節(jié)點(diǎn)的位置為目標(biāo);

? ? ? (2)在二維(3D) WSN中，為每個(gè)未知節(jié)點(diǎn)提供至少三(四)個(gè)非共線(非共面)錨點(diǎn)，實(shí)現(xiàn)對(duì)未知節(jié)點(diǎn)位置的唯一估計(jì);

(3)盡量縮短移動(dòng)錨節(jié)點(diǎn)的能耗和定位時(shí)間。

3、路徑規(guī)劃方案可以是靜態(tài)的，也可以是動(dòng)態(tài)的。動(dòng)態(tài)路徑規(guī)劃方案根據(jù)可觀測(cè)環(huán)境或部署情況等動(dòng)態(tài)或部分地設(shè)計(jì)運(yùn)動(dòng)軌跡。

A. Static Path Planning Scheme?

（一）Two-Dimensional（二維）

1、Zhang等[76]提出了一種無距離分層定位方法，該方法采用一種稱為傳感器睡眠時(shí)間預(yù)測(cè)的睡眠/覺醒機(jī)制，以節(jié)省定位過程中的能量消耗。

2、SCAN, DOUBLE-SCAN and HILBERT

（1）Koutsonikolas等[77]以最大化WSNs定位精度為目標(biāo)，研究了移動(dòng)錨節(jié)點(diǎn)移動(dòng)軌跡的設(shè)計(jì)。

? ? ? 提出了三種運(yùn)動(dòng)軌跡，即掃描軌跡、雙掃描軌跡和希爾伯特軌跡，以滿足網(wǎng)絡(luò)覆蓋并提供良好的錨點(diǎn)。兩個(gè)連續(xù)軌跡段之間的距離定義為分辨率。

（2）掃描是三種移動(dòng)軌跡中最簡(jiǎn)單、最容易的，移動(dòng)錨節(jié)點(diǎn)沿y軸移動(dòng)，如圖19(a)所示。

? ? ? 為了克服共線性問題，提出了雙掃描，即沿兩個(gè)方向掃描監(jiān)測(cè)區(qū)域，如圖19(b)所示。

? ? ? 與掃描和雙掃描相比，HILBERT可以為未知節(jié)點(diǎn)提供更多的非共線錨點(diǎn)。當(dāng)移動(dòng)錨節(jié)點(diǎn)以較好的分辨率穿越監(jiān)測(cè)區(qū)域時(shí)，在三種目標(biāo)中掃描定位誤差最小，路徑長(zhǎng)度最小，緊隨其后的是希爾伯特。

? ? ? ?但是，當(dāng)軌跡分辨率大于通信范圍時(shí)，HILBERT的定位精度明顯優(yōu)于其他算法。

3、CIRCLES and S-CURVES圓和s曲線：

? ? ? 為了減少定位過程中的共線性，Huang等人。[78]提出了圓和s曲線靜態(tài)路徑規(guī)劃方案，如圖20所示。圓和s曲線都可以提供非共線的信標(biāo)藥水。結(jié)果表明，圓的路徑長(zhǎng)度明顯小于掃描曲線、希爾伯特曲線和S-曲線。然而，圓形和s型曲線的存在，使得方形監(jiān)控區(qū)域的四角沒有被覆蓋。

4、mobile anchor node centroid localization (MACL)

? ? ? Hu等[79]提出了一種移動(dòng)錨節(jié)點(diǎn)質(zhì)心定位(mobile anchor node centroid localization, MACL)算法。FIG21。

5、在[80]中，Zhang等人提出了一種使用一組移動(dòng)錨節(jié)點(diǎn)(GMAN)的協(xié)同定位算法。

? ? ? 假設(shè)在給定區(qū)域(區(qū)域)隨機(jī)部署未知節(jié)點(diǎn)的兩層網(wǎng)絡(luò)架構(gòu)。GMAN以特定或隨機(jī)的速度通過(或飛越)監(jiān)視區(qū)域。如果一個(gè)未知節(jié)點(diǎn)在GMAN的覆蓋范圍內(nèi)，它可以從移動(dòng)錨節(jié)點(diǎn)接收錨包并估計(jì)其位置。

6、在[81]中，F(xiàn)u等人提出了k-coverage軌跡來降低信標(biāo)密度和軌跡長(zhǎng)度。

k-coverage軌跡由兩個(gè)周期組成，找到一個(gè)虛擬信標(biāo)部署并獲得最短的軌跡來遍歷虛擬信標(biāo)。a:在第一個(gè)周期(虛擬信標(biāo)部署)。b:第二階段采用蟻群算法(蟻群算法)求解旅行商問題(Traveling Salesman Problem TSP)。

7、[82]中提出了一種移動(dòng)輔助定位算法，稱為垂直相交(perpendicular intersection, PI)。

? ? ? ?PI沒有直接將RSSI值映射到物理距離，而是利用垂直相交的地理度量關(guān)系來計(jì)算節(jié)點(diǎn)位置。

? ? ? ?移動(dòng)錨節(jié)點(diǎn)從點(diǎn)P1開始，在點(diǎn)P2改變方向，在點(diǎn)P3停止。P1P2和P2P3應(yīng)該的長(zhǎng)度短于r .與此同時(shí),通過使用的坐標(biāo)P1, P2, P3, A和B（θ角應(yīng)滿足0 ≤θ≤π/ 3）。N(x, y)可計(jì)算，如圖23。

使用PI，路徑最少包括兩條直線，并且直線距離短于移動(dòng)節(jié)點(diǎn)的通信范圍。

? ? ? 由于等邊三角形將最小化路徑長(zhǎng)度，同時(shí)最大化給定周長(zhǎng)的面積，因此他們得出結(jié)論，移動(dòng)錨節(jié)點(diǎn)的最佳軌跡由多個(gè)等邊三角形組成，如圖24所示。

8、Han等人以最大化未知節(jié)點(diǎn)的定位覆蓋率和定位精度為目標(biāo)，研究了優(yōu)化后的運(yùn)動(dòng)軌跡[83]。

他們提出了一種移動(dòng)錨節(jié)點(diǎn)定位算法(localization algorithm with a mobile anchor node based three - ateration, LMAT)，該算法要求移動(dòng)錨節(jié)點(diǎn)沿規(guī)則的三角形軌跡在監(jiān)測(cè)區(qū)域內(nèi)移動(dòng)。在LMAT中，錨點(diǎn)組成規(guī)則三角形以確保定位精度，如圖25所示。

? ? ? 基于RSSI可以測(cè)量未知節(jié)點(diǎn)到錨點(diǎn)的距離。三角形軌跡法的主要優(yōu)點(diǎn)是解決了共線性問題。

9、在[84],本文采用“S”型作為移動(dòng)錨節(jié)點(diǎn)的宏觀運(yùn)動(dòng)軌跡。

? ? ? 監(jiān)控區(qū)域可以被分割成許多小正方形，邊長(zhǎng)R/（2^（1/2）），如圖26。

? ? ? 未知節(jié)點(diǎn)可以在一個(gè)小的方形區(qū)域內(nèi)接收到四個(gè)均勻分布的錨包，從而減少了共線性問題的求解。

10、SCAN Based

? ? ? 路徑規(guī)劃方案保證：

? ? ? ? (i)所有的傳感器節(jié)點(diǎn)能夠識(shí)別三個(gè)或更多的錨點(diǎn)，從而形成兩個(gè)不平行的和弦;

? ? ? ? (ii)每個(gè)和弦的長(zhǎng)度應(yīng)超過一定的閾值，以使定位誤差最小化。

? ? ? ? 運(yùn)動(dòng)軌跡的兩個(gè)連續(xù)垂直段之間的距離(分辨率)指定為R?X (R為移動(dòng)錨節(jié)點(diǎn)的通信范圍，0≤X≤R/3)，如圖28所示。

二）Three-Dimensional:（三維）

1、Four-mobile-beacon

? ? ? ? 在[87]中，Cui等人提出了一種四移動(dòng)信標(biāo)輔助加權(quán)質(zhì)心定位(WCL)算法。四個(gè)移動(dòng)信標(biāo)形成一個(gè)正四面體，并沿著由多個(gè)平行掃描層組成的分層掃描轉(zhuǎn)換目標(biāo)遍歷給定的監(jiān)視區(qū)域，如圖29所示。

? ? ? ? 相鄰兩層之間的距離定義為垂直分辨率。平行于y軸的兩條連續(xù)直線之間的距離定義為水平分辨率。（這句話加深分辨率認(rèn)識(shí)）

2、Layered-Scan, Layered-Curve, Triple-Scan, Triple-Curve?and 3D-Hilbert

??在[88]中，Cui等引入了分層掃描、分層曲線，3DWSNs的三重掃描、三重曲線和3D-Hilbert運(yùn)動(dòng)軌跡。

? ? ? ? ?三層掃描和三層曲線都能克服共面性問題，但部分路徑被多次掃描，增加了移動(dòng)錨節(jié)點(diǎn)的路徑長(zhǎng)度。3D-Hilbert是由Hilbert空間填充曲線推導(dǎo)出來的，與分層掃描和三層掃描相比，Hilbert空間填充曲線有更多的轉(zhuǎn)角，克服了共線性和共面性問題，但是與分層曲線和三層掃描相比，Hilbert空間填充曲線的路徑長(zhǎng)度更短（路徑長(zhǎng)度更短，劃重點(diǎn)）。

3、HL

?In [89], Liu et al. presented a hexahedral localization(HL) algorithm.The space is divided into a lot of hexahedrons. 然后利用軌跡的垂線性質(zhì)定位所有未知節(jié)點(diǎn)。移動(dòng)信標(biāo)沿著給定的軌跡移動(dòng)，并周期性地廣播其位置，如圖30所示。

?hexahedral（六面體）：?六面體就是有六個(gè)面的空間形體，共分為正六面體（也叫正方體）、平行六面體、不規(guī)則六面體三類。

4、簡(jiǎn)而言之，使用單一的移動(dòng)錨節(jié)點(diǎn)會(huì)更經(jīng)濟(jì)。然而，這可能會(huì)給定位帶來共線性或共面性問題，而使用一組移動(dòng)錨節(jié)點(diǎn)可以減少定位時(shí)間，更適合三維環(huán)境。然而，靜態(tài)路徑規(guī)劃方案無法充分利用定位過程中的實(shí)時(shí)信息。

B. Dynamic Path Planning Scheme

靜態(tài)路徑規(guī)劃方案會(huì)導(dǎo)致信標(biāo)消息路徑長(zhǎng)、定位時(shí)間長(zhǎng)、利用率低。研究動(dòng)態(tài)路徑規(guī)劃方案，以充分利用的分布信息，最小化移動(dòng)錨節(jié)點(diǎn)的路徑長(zhǎng)度和能量消耗。（對(duì)比：上述靜態(tài)的有以精度和覆蓋率）。

?將動(dòng)態(tài)路徑規(guī)劃方案分為有障礙物和無障礙物（理想環(huán)境）兩類，因?yàn)樵S多動(dòng)態(tài)路徑規(guī)劃方案主要關(guān)注于障礙物的檢測(cè)和避障問題，而且相關(guān)的研究大多是針對(duì)二維WSNs設(shè)計(jì)的。

?(一)Ideal Environment:?

1、In [90], Kim et al. presented mobile beacon-assisted localization (MBAL) which consists of three sub-processes, a reference movement phase, a sensor localization phase and a movement path decision phase.?

移動(dòng)信標(biāo)根據(jù)其通信范圍長(zhǎng)度的規(guī)則三角形移動(dòng)，首先廣播三個(gè)信標(biāo)消息。不知道自身位置的未知節(jié)點(diǎn)請(qǐng)求移動(dòng)錨節(jié)點(diǎn)發(fā)送更多的信標(biāo)包。移動(dòng)信標(biāo)以最小化移動(dòng)錨節(jié)點(diǎn)總長(zhǎng)度為目標(biāo)，利用剩余未知節(jié)點(diǎn)的所有請(qǐng)求確定移動(dòng)軌跡。移動(dòng)信標(biāo)以最小化移動(dòng)錨節(jié)點(diǎn)總長(zhǎng)度為目標(biāo)，利用剩余未知節(jié)點(diǎn)的所有請(qǐng)求確定移動(dòng)軌跡。在每個(gè)步驟中，移動(dòng)信標(biāo)在候選點(diǎn)中選擇最近的目標(biāo)，并從新的請(qǐng)求節(jié)點(diǎn)接收附加的請(qǐng)求消息。

2、在[92]，BRF and BTG（廣度優(yōu)先和回溯貪婪，需看具體論文）

無線傳感器網(wǎng)絡(luò)的連通性本質(zhì)上表明我們可以利用網(wǎng)絡(luò)中固有的圖結(jié)構(gòu)，將無線傳感器網(wǎng)絡(luò)看作是一個(gè)連通的無向圖。他們提出了廣度優(yōu)先(BRF)算法和回溯貪婪(BTG)算法，將路徑規(guī)劃問題轉(zhuǎn)化為尋找無向圖的生成樹和通過圖的轉(zhuǎn)換。

3、MBL(ndc)

Most existing mobile beacon-assisted localization algorithms?do not make effective use of the node distribution information, which results in low utilization ratio of anchor points.

Zhao等[93]提出了一種基于網(wǎng)絡(luò)密度聚類(mobile beacon-assisted localization algorithm based on?network-density clustering, MBL,?ndc)的移動(dòng)信標(biāo)輔助定位算法，將節(jié)點(diǎn)聚類、增量定位和移動(dòng)信標(biāo)輔助結(jié)合起來。MBL (ndc)選擇局部密度最高的節(jié)點(diǎn)作為簇頭，利用改進(jìn)的基于密度的應(yīng)用空間聚類和噪聲(DBSCAN)算法形成簇。然后，將所有簇頭的全局路徑規(guī)劃和每個(gè)簇的局部路徑規(guī)劃結(jié)合起來，確定移動(dòng)信標(biāo)的運(yùn)動(dòng)軌跡。移動(dòng)信標(biāo)首先采用遺傳算法遍歷所有簇頭。移動(dòng)信標(biāo)在每個(gè)簇內(nèi)沿正六邊形軌跡移動(dòng)，簇頭位于正六邊形的中心。全局路徑規(guī)劃和局部路徑規(guī)劃都能實(shí)現(xiàn)最優(yōu)的運(yùn)動(dòng)軌跡，既保證了定位率和精度，又降低了能耗。（我想到的事動(dòng)態(tài)規(guī)劃）

4、Wang等人[94]提出了一種移動(dòng)拼接輔助定位(mobile assisted localization by stitching，MALS)技術(shù)，該技術(shù)可以適應(yīng)非均勻和不規(guī)則的部署場(chǎng)景。

? ? ? ? 利用剛度理論（rigidity theory），將原大尺度網(wǎng)絡(luò)劃分為若干局部單元，每個(gè)單元都可以通過給定的三個(gè)非共線錨點(diǎn)進(jìn)行唯一定位。將所有定位單元“拼接”在最短路徑上形成運(yùn)動(dòng)軌跡，只遍歷節(jié)點(diǎn)未知的區(qū)域，避開空白區(qū)域。移動(dòng)錨節(jié)點(diǎn)按照設(shè)計(jì)的路徑一步一步地從一個(gè)已經(jīng)定位的單元移動(dòng)到下一個(gè)尚未定位的單元。

5、Six Possible Next Positions (SPNP)

Li等[95]根據(jù)未知傳感器的實(shí)時(shí)信息提出了動(dòng)態(tài)運(yùn)動(dòng)軌跡。根據(jù)圖32所示的幾何圖形，提供了六個(gè)可選的位置供選擇。前三個(gè)錨點(diǎn)是隨機(jī)的，但它們必須構(gòu)造一個(gè)邊長(zhǎng)為Rm(移動(dòng)信標(biāo)的最大覆蓋半徑)的等邊三角形。然后，移動(dòng)錨節(jié)點(diǎn)在六個(gè)可選位置中找到一個(gè)新位置。擁有最多鄰居的未知節(jié)點(diǎn)最有可能成為移動(dòng)信標(biāo)的下一個(gè)位置。該算法在能源消耗和經(jīng)濟(jì)成本上都是“節(jié)儉”的，在計(jì)算負(fù)載上是輕量級(jí)的。

6、DREAMS

Li等人提出了確定性信標(biāo)移動(dòng)性調(diào)度(deterministic beacon mobility scheduling DREAMS)，其中每個(gè)移動(dòng)信標(biāo)通過隨機(jī)移動(dòng)首先訪問一個(gè)未知節(jié)點(diǎn)，然后在當(dāng)前訪問未知節(jié)點(diǎn)的指令嵌入信標(biāo)包的情況下對(duì)網(wǎng)絡(luò)圖執(zhí)行深度優(yōu)先遍歷(DFT)[96]。在DFT過程中，移動(dòng)信標(biāo)執(zhí)行基于智能距離的啟發(fā)式移動(dòng)。啟發(fā)式移動(dòng)依賴于測(cè)量移動(dòng)信標(biāo)和目標(biāo)傳感器的相對(duì)距離。為了縮短路徑長(zhǎng)度，可以在局部最小生成樹(LMST)子圖上執(zhí)行DFT，其中邊由RSSI加權(quán)，如果排除不影響未定位未知節(jié)點(diǎn)的發(fā)現(xiàn)，則可以將未訪問但已定位的已知節(jié)點(diǎn)從DFT中排除。

? ? ? ? 他們還將該算法擴(kuò)展到多信標(biāo)情況。每個(gè)移動(dòng)信標(biāo)遍歷網(wǎng)絡(luò)的一部分并生成一個(gè)遍歷樹。

7、在[97]中，Chang等人。 根據(jù)每個(gè)靜態(tài)未知節(jié)點(diǎn)的估計(jì)區(qū)域的大小，提出了一種錨點(diǎn)引導(dǎo)機(jī)制。

? ? ?它們假設(shè)每個(gè)靜態(tài)未知節(jié)點(diǎn)都有一個(gè)初始的矩形估計(jì)域，ERs,t = [(xs,1, ys,1)， (xs,2, ys,2)]t。 移動(dòng)錨節(jié)點(diǎn)廣播信標(biāo)包b(xm, ym)t‘在t’將創(chuàng)建一個(gè)新的范圍約束區(qū)域，命名為廣播矩形Rt‘(xm, ym)。未知節(jié)點(diǎn)接收到包之后重新估計(jì)他的位置。

?設(shè)計(jì)的運(yùn)動(dòng)軌跡以最小化ERs,t和路徑長(zhǎng)度為目標(biāo)。根據(jù)PRs,t = [(xs,1?r, ys,1?r)， (xs,2 +r, ys,2 +r)]，可以確定有希望的區(qū)域PRs,t。

? ? ? 因此，最短路徑將建立在信標(biāo)位置選擇階段通過所有有希望的網(wǎng)格。

8、Lv等[98]提出了一種基于虛擬力的三維動(dòng)態(tài)路徑規(guī)劃(3D-VFDPP)算法。由于移動(dòng)錨節(jié)點(diǎn)的感知區(qū)域被劃分為8個(gè)部分，因此移動(dòng)錨節(jié)點(diǎn)應(yīng)計(jì)算未知節(jié)點(diǎn)與自身之間在各個(gè)方向上的虛力，并根據(jù)集合虛力的大小和方向進(jìn)行移動(dòng)。一個(gè)方向上的虛力越大，移動(dòng)錨節(jié)點(diǎn)沿該方向移動(dòng)的可能性越大。

(二) Obstacle Environment:?

1、Virtual Ruler

? ? ? ? 在[99]中，他們假設(shè)每個(gè)未知節(jié)點(diǎn)在車輛的兩端都裝有一個(gè)超聲波接收器(或信標(biāo))。因此，移動(dòng)信標(biāo)就像一個(gè)虛擬的標(biāo)尺，在監(jiān)測(cè)區(qū)域內(nèi)游蕩，向成對(duì)的未知節(jié)點(diǎn)提供距離測(cè)量服務(wù)，如圖34所示。在移動(dòng)過程中，虛擬尺可以測(cè)量來自不同規(guī)格的一對(duì)未知節(jié)點(diǎn)之間的距離，從而得到不同的值。

為了確定正確的距離測(cè)量,丁等人距離測(cè)量分配置信度C = N +λ×kmax,其中N是測(cè)量的總數(shù)相同的一雙未知節(jié)點(diǎn),ki是測(cè)量值的數(shù)量di,λ是加權(quán)系數(shù)。基于移動(dòng)信標(biāo)的距離測(cè)量可以進(jìn)一步與遞歸方法相結(jié)合，從而以更高的優(yōu)先級(jí)選擇具有更高置信度的距離測(cè)量。

2、Snake-like

? ? ? ? 在[100]中，移動(dòng)錨節(jié)點(diǎn)具有面對(duì)和繞過障礙物的能力，其移動(dòng)方式類似于蛇形算法，如圖35所示。當(dāng)移動(dòng)錨節(jié)點(diǎn)遇到障礙物時(shí)，它會(huì)改變方向，并存儲(chǔ)循環(huán)點(diǎn)信息以備未來移動(dòng)。

3、Visibility Binary Tree (VBT)

? ? ? ? 在[101]中引入了一種可見二叉樹算法。從機(jī)器人位置與目標(biāo)之間的所有可能路徑出發(fā)，通過減少冗余邊來優(yōu)化結(jié)構(gòu)，建立可見二叉樹。然后，在這個(gè)圖上運(yùn)行一個(gè)特定的搜索算法到這個(gè)優(yōu)化的二叉樹，以找到源和目標(biāo)之間的最短路徑。

4、無論是真實(shí)環(huán)境的室內(nèi)場(chǎng)景還是室外場(chǎng)景，傳感器節(jié)點(diǎn)可以隨機(jī)部署，也可以部署在不規(guī)則的監(jiān)控區(qū)域。因此，運(yùn)動(dòng)軌跡的設(shè)計(jì)應(yīng)根據(jù)可觀測(cè)環(huán)境或傳感器節(jié)點(diǎn)的分布密度動(dòng)態(tài)或部分設(shè)計(jì)。

?一般來說，移動(dòng)錨節(jié)點(diǎn)動(dòng)態(tài)路徑規(guī)劃的主要問題是規(guī)劃的復(fù)雜性、局部最優(yōu)性和適應(yīng)性。

? ? ? ? 現(xiàn)有的障礙物環(huán)境動(dòng)態(tài)路徑規(guī)劃方案一般都假設(shè)傳感器節(jié)點(diǎn)配備了某種形式的機(jī)載硬件，如雷達(dá)、聲納、激光、紅外、攝像頭等，以檢測(cè)附近的障礙物。

簡(jiǎn)而言之，動(dòng)態(tài)路徑規(guī)劃方案可以充分利用運(yùn)動(dòng)過程中的實(shí)時(shí)信息，更適合于不規(guī)則的監(jiān)測(cè)區(qū)域。

C. Comparison of Localization Based on Path Planning Scheme

1、表三總結(jié)了上述路徑規(guī)劃方案。

? ? ? ? ?第一列介紹了所介紹的每一種路徑規(guī)劃方案。

? ? ? ? ?第二列比較每個(gè)算法中使用的移動(dòng)錨節(jié)點(diǎn)的數(shù)量。

? ? ? ? 第三列參數(shù)區(qū)域全覆蓋表示移動(dòng)錨節(jié)點(diǎn)是否穿越整個(gè)監(jiān)測(cè)區(qū)域(區(qū)域)，即運(yùn)動(dòng)軌跡的邊界是否不小于監(jiān)測(cè)區(qū)域(區(qū)域)的邊界。

? ? ? ? 第四列參數(shù)是信標(biāo)利用率

? ? ? ? 另外其優(yōu)缺點(diǎn)進(jìn)行了比較。

2、一般來說，個(gè)體移動(dòng)模型中MNs的運(yùn)動(dòng)軌跡是完全相互獨(dú)立的，群體移動(dòng)模型中MNs的運(yùn)動(dòng)軌跡是基于MNs之間的關(guān)系或RP或社區(qū)的吸引力的函數(shù)。使用單一移動(dòng)錨節(jié)點(diǎn)雖然更經(jīng)濟(jì)，但會(huì)帶來共線性或共面性問題，而使用組移動(dòng)錨節(jié)點(diǎn)可以減少定位時(shí)間，更適合于三維無線傳感器網(wǎng)絡(luò)。

3、與靜態(tài)路徑規(guī)劃方案相比，動(dòng)態(tài)路徑規(guī)劃方案可以充分利用環(huán)境的實(shí)時(shí)信息和傳感器節(jié)點(diǎn)的分布密度。因此，基于動(dòng)態(tài)路徑規(guī)劃方案的定位算法可以獲得更好的定位性能，如定位比和定位精度。此外，由于錨節(jié)點(diǎn)的軌跡會(huì)隨著節(jié)點(diǎn)分布的變化而動(dòng)態(tài)變化，因此更適用于非均勻的無線傳感器網(wǎng)絡(luò)。然而，它們也會(huì)引入更多的定位延遲和更高的算法復(fù)雜度。

4、由于相鄰節(jié)點(diǎn)之間需要進(jìn)行大量的通信，無距離定位方法的計(jì)算復(fù)雜度和能量消耗都大于基于距離的定位方法。然而，無距離定位方法更經(jīng)濟(jì)，因?yàn)樗鼈儾恍枰嚯x或角度估計(jì)技術(shù)。

5、在節(jié)點(diǎn)運(yùn)動(dòng)過程中，轉(zhuǎn)向運(yùn)動(dòng)也消耗能量，甚至比線性運(yùn)動(dòng)消耗更多的能量。然而，在大多數(shù)基于路徑規(guī)劃方案的定位算法中，在路徑規(guī)劃的設(shè)計(jì)中都沒有考慮轉(zhuǎn)彎的能量消耗。此外，在障礙物環(huán)境的定位研究中，為了簡(jiǎn)單起見，通常將障礙物假設(shè)為規(guī)則對(duì)象。如何處理障礙物，特別是實(shí)際應(yīng)用中的不規(guī)則障礙物的相關(guān)研究還處于起步階段。

劃重點(diǎn)：轉(zhuǎn)向能量消耗；特別是實(shí)際應(yīng)用中的不規(guī)則障礙物的相關(guān)研究還處于起步階段。

七、EXISTING PROBLEMS AND FUTURE RESEARCH ISSUES

表四比較了所有的測(cè)量定位算法。

? ? ? ? 我們可以從兩個(gè)方面總結(jié)MANAL算法存在的問題和未來可能的研究方向:1)基于移動(dòng)模型的定位存在的問題和未來的研究方向;2)基于路徑規(guī)劃方案的定位存在的問題及未來的研究方向。

A. Localization Based on Mobility Models

1、所有為無線傳感器網(wǎng)絡(luò)設(shè)計(jì)的定位算法都應(yīng)該足夠簡(jiǎn)單和輕量級(jí)。從表4可以看出，大部分基于移動(dòng)模型的定位算法具有較高的計(jì)算復(fù)雜度，而基于路徑規(guī)劃方案的定位算法的算法復(fù)雜度相對(duì)較低。

2、表四對(duì)MANAL算法的能耗進(jìn)行了比較?；诼窂揭?guī)劃的定位算法比基于移動(dòng)模型的定位算法消耗更少的能量。此外，使用基于路徑規(guī)劃方案的定位算法消耗，可以獲得更高的定位比和定位精度。也就是說，基于路徑規(guī)劃方案的定位算法比基于已有移動(dòng)模型的定位算法更適合于無線傳感器網(wǎng)絡(luò)。

? ? ? ? 在這種情況下，使用移動(dòng)模型分配幾個(gè)錨節(jié)點(diǎn)來實(shí)現(xiàn)相當(dāng)大的定位性能是很困難的，而為它們?cè)O(shè)計(jì)路徑規(guī)劃方案則要實(shí)際得多。這就是為什么近年來越來越多的研究者開始研究路徑規(guī)劃問題，而不是移動(dòng)模型的研究。

此外，使用多個(gè)錨節(jié)點(diǎn)相互協(xié)作定位未知節(jié)點(diǎn)要比使用單個(gè)錨節(jié)點(diǎn)節(jié)能得多。

B. Localization Based on Path Planning Schemes As

1、如表4所示，現(xiàn)有的移動(dòng)錨節(jié)點(diǎn)輔助定位算法主要集中在，利用已有定位方法計(jì)算未知節(jié)點(diǎn)坐標(biāo)的移動(dòng)軌跡和基于已有移動(dòng)軌跡的定位方法。

2、In addition, some other research problems needs further study:

（1）利用節(jié)點(diǎn)的分布信息

（2）現(xiàn)有主要是小規(guī)模網(wǎng)絡(luò)，算法無法滿足大規(guī)模無線傳感器網(wǎng)絡(luò)的定位需求。

（3）組移動(dòng)錨節(jié)點(diǎn)的路徑規(guī)劃是另一個(gè)需要解決的研究問題（而不是單一錨點(diǎn)）。

（4）異構(gòu)WSNs中設(shè)計(jì)路徑規(guī)劃方案比同構(gòu)WSNs更具挑戰(zhàn)性。

3、現(xiàn)有的基于路徑規(guī)劃方案的定位算法大多不能有效利用傳感器節(jié)點(diǎn)的分布信息。

4、在這種情況下，需要定位技術(shù)的可擴(kuò)展性來滿足大規(guī)模無線傳感器網(wǎng)絡(luò)的定位需求。然而，現(xiàn)有的移動(dòng)錨節(jié)點(diǎn)輔助定位算法主要是為小規(guī)模的無線傳感器網(wǎng)絡(luò)設(shè)計(jì)的。因此，設(shè)計(jì)新的路徑規(guī)劃方案和移動(dòng)錨節(jié)點(diǎn)輔助定位算法來滿足大規(guī)模無線傳感器網(wǎng)絡(luò)的定位需求是十分必要的。

5、現(xiàn)有的MANAL算法大多是針對(duì)單個(gè)移動(dòng)錨節(jié)點(diǎn)設(shè)計(jì)的。很少有研究者關(guān)注移動(dòng)錨節(jié)點(diǎn)群的路徑規(guī)劃。

6、節(jié)點(diǎn)異構(gòu)問題。

因此，未來的研究可以集中在異構(gòu)無線傳感器網(wǎng)絡(luò)的移動(dòng)錨節(jié)點(diǎn)輔助定位算法的設(shè)計(jì)上。在這種情況下，不同節(jié)點(diǎn)根據(jù)自身特點(diǎn)和動(dòng)態(tài)環(huán)境參數(shù)，需要不同的路徑規(guī)劃方案。也就是說，在異構(gòu)WSNs中設(shè)計(jì)路徑規(guī)劃方案比同構(gòu)WSNs更具挑戰(zhàn)性。

7、現(xiàn)有的無線傳感器網(wǎng)絡(luò)算法大多是為不考慮障礙物的理想無線傳感器網(wǎng)絡(luò)設(shè)計(jì)的，而在實(shí)際應(yīng)用中，障礙物是不可避免的。

因此，設(shè)計(jì)障礙物環(huán)境的人工算法是十分必要的。但是，預(yù)先獲取障礙信息是困難的，實(shí)際應(yīng)用中的障礙往往是不規(guī)則的。因此，設(shè)計(jì)一個(gè)簡(jiǎn)單而通用的路徑規(guī)劃來自主避開障礙物是有趣而具有挑戰(zhàn)性的。

8、目前大多數(shù)移動(dòng)錨節(jié)點(diǎn)輔助定位算法都是基于可信環(huán)境的。

八、CONCLUSIONS

1、定位精度與無線傳感器網(wǎng)絡(luò)的服務(wù)質(zhì)量密切相關(guān)[102]。

2、在未來，我們將進(jìn)一步研究移動(dòng)錨節(jié)點(diǎn)輔助定位問題，包括分析錨節(jié)點(diǎn)移動(dòng)對(duì)定位的影響，設(shè)計(jì)優(yōu)化錨節(jié)點(diǎn)路徑規(guī)劃以提高定位性能等。

REFERENCES

[1] I. F. Akyildiz, W. Su, Y. Sankarasubramaniam, and E. Cayirci, “A survey on sensor networks,” IEEE Commun. Mag., vol. 40, no. 8, pp. 102–114, Aug. 2002.

[2] Y. Liu, Z. Yang, X. Wang, and L. Jian, “Location, localization, and local- izability,” J. Comput. Sci. Technol., vol. 25, no. 2, pp. 274–297, Mar. 2010.

[3] Y. Wu and W. Chen, “An intelligent target localization in wireless sensor networks,” in Proc. Int. Conf. Intell. Green Build. Smart Grid, Apr. 2014, pp. 1–4.

[4] N. V. Doohan and S. Tokekar, and JitendraPati, “Mobility of sink using hexagon architecture in highly data centric wireless sensor networks,” Int. J. Sci. Eng. Res., vol. 3, no. 9, pp. 528–540, Sep. 2012.

[5] L. Zhang and Y. Zhang, “An energy efficient cross layer protocol of channel-aware geographic-informed forwarding in wireless sensor net- works,” IEEE Trans. Veh. Technol., vol. 58, no. 6, pp. 3041–3052, Jul. 2009.

[6] R. Yu, Y. Zhang, L. Song, and W. Yao, “Joint optimization of power, packet forwarding and reliability in MIMO wireless sensor networks,” ACM/Springer Mobile Netw. Appl., vol. 16, no. 6, pp. 760–770, 2011.

[7] C. Tunca, S. Isik, M. Y. Donmez, and C. Ersoy, “Distributed mobile sink routing for wireless sensor networks: A survey,” IEEE Commun. Surv. Tuts., vol. 16, no. 2, pp. 877–897, Second Quart. 2014.

[8] F. Cadger, K. Curran, J. Santos, and S. Moffett, “A survey of geographical routing in wireless ad-hoc networks,” IEEE Commun. Surv. Tuts., vol. 15, no. 2, pp. 621–653, May 2013.

[9] S. Subramanian, S. Shakkottai, and P. Gupta, “On optimal geographic routing in wireless networks with holes and non-uniform traffic,” in Proc. IEEE Int. Conf. Comput. Commun., Anchorage, AK, USA, May 2007, pp. 1019–1027.

[10] Y. Zeng, J. Cao, J. Hong, S. Zhang, and L. Xie, “Secure localiza- tion and location verification in wireless sensor networks: A survey,” J. Supercomput., vol. 64, no. 3, pp. 685–701, Jun. 2013.

[11] V. K. Chaurasiya, N. Jain, and G. C. Nandi, “A novel distance estima- tion approach for 3D localization in wireless sensor network using multi dimensional scaling,” Inf. Fusion, vol. 15, pp. 5–18, Jan. 2014.

[12] H. Shao, X. Zhang, and Z. Wang, “Efficient closed-form algorithms for AOA based self-localization of sensor nodes using auxiliary vari- ables,” IEEE Trans. Signal Process., vol. 62, no. 10, pp. 2580–2594, Apr. 2014.

[13] F. Tlili, A. Rachedi, and A. Benslimane, “Time-bounded localization algorithm based on distributed multidimensional scaling for wireless sen- sor networks,” in Proc. IEEE Int. Conf. Commun. (ICC), Jun. 2014, pp. 233–238.

[14] Y. Ding, C. Wang, and L. Xiao, “Using mobile beacons to locate sensors in obstructed environments,” J. Parallel Distrib. Comput., vol. 70, no. 6, pp. 644–656, Jun. 2010.

[15] H. P. Mistry and N. H. Mistry, “RSSI based localization scheme in wire- less sensor networks: A survey,” in Proc. 5th Int. Conf. Adv. Comput. Commun. Technol. (ACCT), Feb. 2015, pp. 647–652.

[16] D. Koutsonikolas, S. M. Das, and Y. C. Hu, “Path planning of mobile landmarks for localization in wireless sensor networks,” Comput. Commun., vol. 30, no. 13, pp. 2577–2592, Sep. 2007.

[17] X. Li, Y. Zhang, K. Xu, G. Fan, and H. Wu, “Research of localization and tracking algorithms based on wireless sensor network,” J. Inf. Comput. Sci., vol. 8, no. 4, pp. 708–715, Apr. 2011.

[18] F. Santos, “Localization in wireless sensor networks,” ACM J.,vol.5, pp. 1–19, Nov. 2008.

[19] G. Mao, B. Fidan, and B. D. O. Anderson, “Wireless sensor network localization techniques,” Comput. Netw. Int. J. Comput. Telecommun. Netw., vol. 51, no. 10, pp. 2529–2553, 2007.

[20] I. Amundson and X. D. Koutsoukos, “A survey on localization for mobile wireless sensor networks,” in Proc. 2nd Int. Conf. Mobile Entity Localization Tracking GPS-Less Environ. (MELT’09), 2009, vol. 5801, pp. 235–254.

[21] A. R. Kulaib, R. M. Shubair, M. A. Al-Qutayri, and J. W. P. Ng, “An overview of localization techniques for wireless sensor networks,” in Proc. Int. Conf. Innov. Inf. Technol. (IIT), Apr. 25–27, 2011, pp. 167–172.

[22] L. Cheng, C. Wu, Y. Zhang, H. Wu, M. Li, and C. Maple, “A survey of localization in wireless sensor network,” Int. J. Distrib. Sens. Netw., vol. 2012, no. 4, pp. 385–391, 2012.

[23] K. Stone and T. Camp, “A survey of distance-based wireless sensor net- work localization techniques,” Int. J. Pervasive Comput. Commun.,vol.8, no. 2, pp. 158–183, 2012.

[24] U. Nazir, M. A. Arshad, N. Shahid, and S. H. Raza, “Classification of localization algorithms for wireless sensor network: A survey,” in Proc. Int. Conf. Open Source Syst. Technol. (ICOSST), 2012, pp. 1–5.

[25] H. Tian, Y. Ding, and S. Yang, “A survey on MDS-based localization for wireless sensor network,” Adv. Future Comput. Control Syst., vol. 159, pp. 399–403, 2012.

[26] Y. Shang, W. Ruml, K. Zhang, and M. Fromherz, “Localization from mere connectivity,” in Proc. ACMMobiHoc Conf., Annapolis, MD, USA, 2003, pp. 201–212.

[27] Y. Shang and W. Ruml, “Improved MDS-based localization,” in Proc. 23rd Conf. IEEE Commun. Soc., 2004, pp. 2640–2651.

[28] X. Ji and H. Zha, “Sensor positioning in wireless Ad-hoc sensor networks using multidimensional scaling,” in Proc. IEEE INFOCOM Conf., 2004, pp. 2652–2661.

[29] J. A. Costa, N. Patwari, and A. O. Hero III, “Distributed multidimensional scaling with adaptive weighting for node localization in sensor networks,” IEEE/ACMTrans. Sens. Netw., vol. 2, no. 1, pp. 39–64, Feb. 2006.

[30] G. Yu and S. Wang, “A hierarchical MDS-based localization algorithm for wireless sensor networks,” in Proc. 22nd Int. Conf. Adv. Inf. Netw. Appl. (AINA), 2008, pp. 748–754.

[31] N. A. Alrajeh, M. Bashir, and B. Shams, “Localization techniques in wireless sensor networks,” Int. J. Distrib. Sens. Netw., vol. 12, no. 8, pp. 761–764, 2013.

[32] A Mesmoudi, M Feham, and N Labraoui, “Wireless sensor networks localization algorithms: A comprehensive survey,” Int. J. Comput. Netw. Commun., vol. 5, no. 6, pp. 45–64, 2013.

[33] G. Han, H. Xu, T. Q. Duong, J. Jiang, and T. Hara, “Localization algo- rithms of wireless sensor networks: A survey[J],” Telecommun. Syst., vol. 52, no. 4, pp. 2419–2436, 2013.

[34] J. Kuriakose, S. Joshi, R. V. Raju, and A. Kilaru, “A review on localiza- tion in wireless sensor networks,” in Advances in Signal Processing and Intelligent Recognition Systems. New York, NY, USA: Springer, 2014, pp. 599–610.

[35] R. Patel, R. Joshi, P. Gosai, and J. Patel, “A survey on localization for wireless sensor network,” Int. J. Comput. Sci. Trends Technol. (IJCST), vol. 2, no. 1, pp. 79–83, Jan./Feb. 2014.

[36] H. P. Mistry and N. H. Mistry, “RSSI based localization scheme in wire- less sensor networks: A survey,” in Proc. 5th Int. Conf. Adv. Comput. Commun. Technol. (ACCT), 2015, pp. 647–652.

[37] S. P. Singh and S. C. Sharma, “Range free localization techniques in wireless sensor networks: A review,” Procedia Comput. Sci., vol. 57, pp. 7–16, 2015.

[38] S. Halder and A. Ghosal, “A survey on mobile anchor assisted localiza- tion techniques in wireless sensor networks,” Wireless Netw., pp. 1–20, 2015, doi: 10.1007/s11276-015-1101-2.

[39] G. Mao and B. Fidan, Localization Algorithms and Strategies forWireless Sensor Networks. IGI Global, New York, May 2009.

[40] G. Han, H. Xu, T. Q. Duong, J. Jiang, and T. Hara, “Localization algorithms of wireless sensor networks: A survey,” Telecommun. Syst., vol. 52, no. 4, pp. 2419–2436, Apr. 2013.

[41] I. Amundson and X. D. Koutsoukos, “A survey on localization for mobile wireless sensor networks,” in Proc. Mobile Entity Localization Tracking GPS-Less Environ., 2009, vol. 5801, pp. 235–254.

[42] L. Cheng, C. Wu, Y. Zhang, H. Wu, M. Li, and C. Maple, “A survey of localization in wireless sensor network,” Int. J. Distrib. Sens. Netw., vol. 2012, 12 pp., Art. no. 962523, Nov. 2012.

[43] A. G. Ribeiro and R. Sofia, “A survey on mobility models for wireless networks,” SITI, Univ. Lusófona, Tech. Rep. SITI-TR-11-01, Feb. 2011, pp. 1–13.

[44] J. C. Godskesen and S. Nanz, “Mobility models and behavioral equiva- lence for wireless networks,” Coord. Models Lang., vol. 5521, pp. 106– 122, Jun. 2009.

[45] S. Lim, C. Yu, and C. R. Das, “A realistic mobility model for wireless networks of scale-free node connectivity,” Int. J. Mobile Commun.,vol.8, no. 3, pp. 351–369, May 2010.

[46] D. B. Johnson and D. A. Maltz, “Dynamic source routing in ad hoc wireless networks,” Mobile Comput., vol. 353, pp. 153–181, 1996.

[47] G. Lu, G. Manson, and D. Belis, “Mobility modeling in mobile ad hoc networks with environment-aware,” J. Netw., vol. 1, no. 1, pp. 54–63, May 2006.

[48] B. Liang and Z. J. Haas, “Predictive distance-based mobility management for PCS networks,” in Proc. IEEE Inf. Commun. Conf., Apr. 1999, vol. 3, pp. 1377–1384.

[49] T. Camp, J. Boleng, and V. Davies, “A survey of mobility models for ad hoc network research,” Mobile Wireless Commun., vol. 2, no. 5, pp. 483– 502, Aug. 2002.

[50] J. Tian, J. Hahner, C. Becker, I. Stepanov, and K. Rothermel, “Graph- based mobility model for mobile ad hoc network simulation,” in Proc. 35th Annu. Simul. Symp., San Diego, CA, USA, Apr. 2002, pp. 337–344.

[51] A. P. Jardosh, E. M. Belding-Royer, K. C. Almeroth, and S. Suri, “Towards realistic mobility models for mobile ad hoc networks,” in Proc. ACMMobiCom Conf., Sep. 2003, pp. 217–229.

[52] K. H. Wang and B. Li, “Group mobility and partition prediction in wire- less ad-hoc networks,” in Proc. IEEE Int. Conf. Commun., 2002, vol. 2, pp. 1017–1021.

[53] X. Hong, M. Gerla, G. Pei, and C. Chiang, “A group mobility model for ad hoc wireless networks,” in Proc. 2nd ACMInt. Workshop Model. Anal. Simul. Wireless Mobile Syst., New York, NY, USA, 1999, pp. 53–60.

[54] M. Sanchez and P. Manzoni, “ANEJOS: A Java based simulator for ad hoc networks,” Future Gener. Comput. Syst., vol. 17, no. 5, pp. 573–583, Mar. 2001.

[55] M. Musolesi, S. Hailes, and C. Mascolo, “An ad hoc mobility model founded on social network theory,” in Proc. 7th ACM Int. Symp. Model. Anal. Simul. Wireless Mobile Syst., 2004, pp. 20–24.

[56] C. Boldrini, M. Conti, and A. Passarella, “Users mobility models for opportunistic networks: The role of physical locations,” in Proc. ofIEEE WRECOM, 2007, pp. 151–157.

[57] W.-J. Hsu, T. Spyropoulos, K. Psounis, and A. Helmy, “Modeling spatial and temporal dependencies of user mobility in wireless mobile net- works,” IEEE/ACM Trans. Netw., vol. 17, no. 5, pp. 1564–1577, Oct. 2009.

[58] S. Gunasekaran and N. Nagarajan, “A new group mobility model for mobile ad hoc network based on unified relationship matrix,” WSEAS Trans. Commun., vol. 7, no. 2, pp. 58–67, Feb. 2008.

[59] K. Lee, S. Hong, S. J. Kim, I. Rhee, and S. Chong, “SLAW: A mobility model for human walks,” in Proc. 28th Annu. Joint Conf. IEEE Comput. Commun. Soc. (INFOCOM), Rio de Janeiro, Brazil, Apr. 2009, pp. 855– 863.

[60] A. Bar-Noy, I. Kessler, and M. Sidi, “Mobile users: To update or not to update” Wireless Netw., vol. 1, no. 2, pp. 175–185, Jun. 1995.

[61] N. Aschenbruck, A. Munjal, and T. Camp, “Trace-based mobility model- ing for multi-hop wireless networks,” Comput. Commun., vol. 34, no. 6, pp. 704–714, May 2011.

[62] F. Caballero, L. Merino, I. Maza, and A. Ollero, “A particle filtering method for wireless sensor network localization with an aerial robot bea- con,” in Proc. IEEE Int. Conf. Robot. Autom., Pasadena, CA, USA, May 2008, pp. 596–601.

[63] E. Kim, S. Lee, C. Kim, and K. Kim, “Mobile beacon-based 3D- localization with multidimensional scaling in large sensor networks,” IEEE Commun. Lett., vol. 17, no. 7, pp. 647–649, Jul. 2010.

[64] A. Galstyan, B. Krishnamachari, K. Lerman, and S. Patterm, “Distributed online localization in sensor networks using a mobile target,” in Proc. 3rd Int. Symp. Inf. Process. Sens. Netw. (IPSN), Berkeley, CA, USA, Apr. 2004, pp. 61–70.

[65] K. Ssu, C. Ou, and H. C. Jiau, “Localization with mobile anchor points in wireless sensor networks,” IEEE Trans. Veh. Technol., vol. 54, no. 3, pp. 1187–1197, May 2005.

[66] C. Ou, K. Ssu, and H. C. Jiau, “Range-free localization with aerial anchors in wireless sensor networks,” Int. J. Distrib. Sens. Netw.,vol.2, no. 1, pp. 1–21, 2006.

[67] C. Ou and K. Ssu, “Sensor position determination with flying anchors in three-dimensional wireless sensor networks,” IEEE Trans. Mobile Comput., vol. 9, no. 9, pp. 1084–1097, Sep. 2008.

[68] G. Yu, F. Yu, and L. Feng, “A three dimensional localization algorithm using a mobile anchor node under wireless channel,” in Proc. IEEE Int. Joint Conf. Neural Netw., Jun. 2008, pp. 477–483.

[69] C. Zhao, Y. Xu, H. Huang, and B. Cui, “Localization with a mobile bea- con based on compressive sensing in wireless sensor networks,” Int. J. Distrib. Sens. Netw., vol. 3013, 11 pp., Art. no. 108712, Sep. 2013.

[70] E. Guerrero, H. G. Xiong, Q. Gao, G. Cova, R. Ricardo, and J. Estevez, “ADAL: A distributed range-free localization algorithm based on a mobile beacon for wireless sensor networks,” in Proc. Int. Conf. Ultra Mod. Telecommun. Workshops, Oct. 2009, pp. 1–7.

[71] K. Liu and J. Xiong, “A fine-grained localization scheme using a mobile beacon node for wireless sensor networks,” J. Inf. Process. Syst.,vol.6, no. 2, Jun. 2010.

[72] B. Xiao, H. Chen, and S. Zhou, “Distributed localization using a moving beacon in wireless sensor networks,” IEEE Trans. Parallel Distrib. Syst., vol. 19, no. 5, pp. 587–600, May 2008.

[73] X. Liu, J. Wang, and Y. Wang, “A novel localization algorithm based on received signal strength for mobile wireless sensor networks,” in Proc. Int. Conf. Microw. Millim. Wave Technol., Apr. 2008, vol. 1, pp. 92–95.

[74] Z. Zhang, Z. Sun, G. Wang, R. Yu, and S. Mei, “Localization in wireless sensor networks with mobile anchor nodes,” Trans. Tsinghua Univ. (Nat. Sci. Ed.), vol. 47, no. 4, pp. 534–537, 2007.

[75] A. Tuncer and M. Yildirim, “Dynamic path planning of mobile robots with improved genetic algorithm,” Comput. Electr. Eng., vol. 38, no. 6, pp. 1564–1572, Nov. 2012.

[76] R. Zhang, L. Zhang, and Y. Feng, “Very low energy consumption wire- less sensor localization for danger environments with single mobile anchor node,” Wireless Pers. Commun., vol. 47, no. 4, pp. 497–521. Dec. 2008.

[77] D. Koutsonikolas, S. M. Das, and Y. C. Hu, “Path planning of mobile landmarks for localization in wireless sensor networks,” Comput. Commun., vol. 30, no. 13, pp. 2577–2593, Sep. 2007.

[78] R. Huang and G. V. Za ruba, “Static path planning for mobile bea- cons to localize sensor networks,” in Proc. 5th Annu. IEEE Int. Conf. Pervasive Comput. Commun. Workshops, White Plains, NY, USA, Mar. 2007, pp. 323–330.

[79] Z. Hu, D. Gu, Z. Song, and H. Li, “Localization in wireless sensor net- works using a mobile anchor node,” in Proc. IEEE/ASME Int. Conf. Adv. Intell. Mechatron., Jul. 2008, pp. 602–607.

[80] B. Zhang, F. Yu, and Z. Zhang, “Collaborative localization algorithm for wireless sensor networks using mobile anchors,” in Proc. 2nd Asia-Pac. Conf. Comput. Intell. Ind. Appl., Nov. 2009, pp. 309–312.

[81] Q. Fu, W. Chen, K. Liu, W. Chen, and X. Wang, “Study on mobile bea- con trajectory for node localization in wireless sensor networks,” in Proc. IEEE Int. Conf. Inf. Autom., Jun. 2010, pp. 1577–1581.

[82] Z. Guo et al., “Perpendicular intersection: Locating wireless sensors with mobile beacon,” IEEETrans. Veh. Technol., vol. 59, no. 7, pp. 3501–3509, Sep. 2010.

[83] G. Han, H. Xu, J. Jiang, L. Shu, T. Hara, and S. Nishio, “Path plan- ning using a mobile anchor node based on trilateration in wireless sensor networks,” Wireless Commun. Mobile Comput., vol. 14. no. 14, pp. 1324–1336, Oct. 2011.

[84] H. Chen, B. Liu, P. Huang, J. Liang, and Y. Gu, “Mobility-assisted node localization based on TOA measurements without time synchronization in wireless sensor networks,” Mobile Netw. Appl., vol. 17, no. 1, pp. 90– 99, Feb. 2012.

[85] K. F. Ssu, C. H. Ou, and H. C. Jiau, “Localization with mobile anchor points in wireless sensor networks,” IEEE Trans. Veh. Technol., vol. 54, no. 3, pp. 1187–1197, May 2005.

[86] C. Ou and W. He, “Path planning algorithm for mobile anchor-based localization in wireless sensor networks,” IEEE Sens. J., vol. 13, no. 2, pp. 466–475, Feb. 2013.

[87] H. Cui and Y. Wang, “Four-mobile-beacon assisted localization in three- dimensional wireless sensor networks,” Comput. Electr. Eng., vol. 38, no. 3, pp. 652–661, May 2012.

[88] H. Cui, Y. Wang, and J. Lv, “Path planning of mobile anchor in three- dimensional wireless sensor networks for localization,” J. Inf. Comput. Sci., vol. 9, no. 8, pp. 2203–2210, Aug. 2012.

[89] L. Liu, H. Zhang, X. Geng, and X. Shu, “Hexahedral localization (HL): A three-dimensional hexahedron localization based on mobile beacons,” Sci. World J., vol. 2013, no. 2013, pp. 1–11, Sep. 2013.

[90] K. Kim and W. Lee, “MBAL: A mobile beacon-assisted localization scheme for wireless sensor networks,” in Proc. 16th Int. Conf. Comput. Commun. Netw., Aug. 2007, pp. 57–62.

[91] K. Kim, B. Jung, W. Lee, and D. Du, “Adaptive path planning for ran- domly deployed wireless sensor networks,” J. Inf. Sci. Eng., vol. 27, no. 3, pp. 1091–1106, May 2011.

[92] H. Li, J. Wang, X. Li, and H. Ma, “Real-time path planning of mobile anchor node in localization for wireless sensor networks,” in Proc. Int. Conf. Inf. Autom., Jun. 2008, pp. 384–389.

[93] F. Zhao, H. Luo, and Q. Lin, “A mobile beacon-assisted localization algorithm based on network-density clustering for wireless sensor net- works,” in Proc. 5th Int. Conf. Mobile Ad-Hoc Sens. Netw., Dec. 2009, pp. 304–310.

[94] H. Wang, W. Qi, K. Wang, P. Liu, L. Wei, and Y. Zhu, “Mobile-assisted localization by stitching in wireless sensor networks,” in Proc. Int. Conf. Commun. (ICC), Jun. 2011, pp. 1–5.

[95] S. Li, D. Lowe, X. Kong, and R. Braun, “Wireless sensor network local- ization algorithm using dynamic path of mobile beacon,” in Proc. 17th Asia-Pac. Conf. Commun. (APCC), Oct. 2011, pp. 344–349.

[96] X. Li, N. Mitton, I. Simplot-Ryl, and D. Simplot-Ryl, “Dynamic bea- con mobility scheduling for sensor localization,” IEEE Trans. Parallel Distrib. Syst., vol. 23, no. 8, pp. 1439–1452, Aug. 2012.

[97] C.-T. Chang, C.-Y. Chang, and C.-Y. Lin, “Anchor-guiding mechanism for beacon-assisted localization in wireless sensor networks,” IEEE Sens. J., vol. 12, no. 5, pp. 1098–1111, May 2012.

[98] J. Lv, Y. Wang, N. Wei, and H. Cui, “Dynamic path planning method for anchor node in three-dimensional wireless sensor networks,” in Proc. Int. Symp. Instrum. Meas., Sens. Netw. Autom., Dec. 2013, pp. 900–904.

[99] Y. Ding, C. Wang, and L. Xiao, “Using mobile beacons to locate sensors in obstructed environments,” J. Parallel Distrib. Comput., vol. 70, no. 6, pp. 644–656, Jun. 2010.

[100] S. M. Mazinani and F. Farnia, “Localization in wireless sensor network using a mobile anchor in obstacle environment,” Int. J. Comput. Commun. Eng., vol. 2, no. 4, pp. 438–441, Jul. 2013.

[101] A. T. Rashid, A. A. Ali, M. Frasca, and L. Fortuna, “Path planning with obstacle avoidance based on visibility binary tree algorithm,” Robot. Auton. Syst., vol. 61, no. 12, pp. 1440–1449, Dec. 2013.

[102] Y. Ji, C. Yu, J. Wei, and B. Anderson, “Localization bias reduction in wireless sensor networks,” IEEE Trans. Ind. Electron., vol. 62, no. 5, pp. 3004–3016, May 2015.

Guangjie.