基于自回归模型的蒙特卡罗定位算法研究

蒙特卡罗定位算法是解决无线传感网络节点定位的移动性的比较实用的方法,但是由于其采样范围比较大,如果采样数量不足,还必须进行重复采样,造成了采样效率低的问题,为了解决这个问题,本文提出了基于自回归模型AR的蒙特卡罗定位算法,通过AR模型进行运动预测,缩小采样区域,提高采样效率。同时在过滤阶段,由邻居节点和跳距不同的锚节点来得到样本的混合加权值,使得未知节点的估计位置更加趋近其真实位置,提高定位精度。