技術特征：

1.一種移動自組織網(wǎng)絡中高效協(xié)作定位方法，其特征在于，包括如下步驟：

步驟A：針對當前的目標節(jié)點，根據(jù)目標節(jié)點的通信范圍確定對應的參考節(jié)點，所述參考節(jié)點包括：錨節(jié)點與已定位的目標節(jié)點；并將當前的目標節(jié)點與對應參考節(jié)點進行測距通信；初始化每個參考節(jié)點對應的目標節(jié)點，生成位置估計樣本時的隨機方向取值范圍；

步驟B：將每個參考節(jié)點與當前目標節(jié)點之間的距離測量值、測距誤差模型隨機生成的關于目標節(jié)點位置的若干位置估計樣本，以及參考節(jié)點自身的位置信息一起發(fā)送給當前目標節(jié)點；

步驟C：更新計算關于目標節(jié)點位置的若干位置估計樣本所對應的權重值；并根據(jù)權重值對每個參考節(jié)點生成的位置估計樣本分別進行篩選，通過每個參考節(jié)點對應的被保留的位置估計樣本得到該參考節(jié)點在下一次迭代時針對當前目標節(jié)點生成位置估計樣本時的隨機方向取值范圍；當前目標節(jié)點歸一化所有被保留的位置估計樣本的權重值之后，將所述被保留的位置估計樣本作為本次迭代得到的自身置信度，并計算出本次迭代中目標節(jié)點自身的估計位置；

步驟D：判斷當前目標節(jié)點的迭代過程是否滿足收斂或達到最大迭代次數(shù)，若滿足，則終止迭代過程，且將最后一次迭代得到的估計位置作為該目標節(jié)點的最終估計位置。

2.根據(jù)權利要求1所述的移動自組織網(wǎng)絡中高效協(xié)作定位方法，其特征在于，所述步驟A包括如下步驟：

步驟A1：若當前目標節(jié)點n_t與網(wǎng)絡中某個節(jié)點n_t′之間的距離d_tt′不大于n_t的最大通信距離R，則n_t與n_t′互為鄰近節(jié)點，其中，n_t′表示第t′個節(jié)點，所述n_t′包括：目標節(jié)點或錨節(jié)點；進而得到n_t的鄰近節(jié)點集合Γ_t；

步驟A2：處于Γ_t中的錨節(jié)點或者已定位的目標節(jié)點即為n_t在協(xié)作定位過程中所需要參考的參考節(jié)點，這些節(jié)點組成n_t的參考節(jié)點集合

步驟A3：將中的每個參考節(jié)點針對n_t生成位置估計樣本時的隨機方向取值范圍初始化為[0,2π]，其中表示中參考節(jié)點的數(shù)目，與分別為第1次迭代時針對n_t生成位置估計樣本時的隨機方向取值范圍的最小值與最大值；另外，將網(wǎng)絡中任一個節(jié)點n_i的二維位置表示為x_i＝[x_i,y_i]^T；

步驟A4：進入目標節(jié)點位置估計迭代過程，設定最大迭代次數(shù)為L。

3.根據(jù)權利要求1所述的移動自組織網(wǎng)絡中高效協(xié)作定位方法，其特征在于，所述步驟B包括如下步驟：

步驟B1：在第l次迭代中，當前目標節(jié)點n_t的鄰近參考節(jié)點集合中每個參考節(jié)點根據(jù)當前目標節(jié)點n_t與n_t之間的距離測量值對n_t的位置進行估計，并得到M個位置估計樣本其中：1≤l≤L；

$x_{r_{i}t}^{\left(lj\right)}=x_{r_i}+d_{r_{i}t}^{\left(lj\right)}\·{\[sin\left({\mathrm{\θ}}_{r_{i}t}^{\left(lj\right)}\right),cos\left({\mathrm{\θ}}_{r_{i}t}^{\left(lj\right)}\right)\]}^T,j=1,...,M,$

式中，為隨機方向值，并服從均勻分布與分別為第l次迭代時針對n_t生成位置估計樣本時的隨機方向取值范圍的最小值與最大值；表示的二維位置坐標，r_i表示第r_i個參考節(jié)點，下標i的取值范圍為下標t表示當前時刻，表示與n_t之間的一個帶噪聲的距離測量值，即

$d_{r_{i}t}^{\left(lj\right)}=||x_{r_i}-x_t||+v_{r_{i}t}^{\left(lj\right)},$

其中，為與n_t之間的實際距離，x_t表示n_t的二維位置坐標；為距離測量誤差，分布服從p_v為測距誤差分布模型；

步驟B2：將產(chǎn)生的每個位置估計樣本對應的權重值初始化為1/M，并將對應的隨機方向值連同及所對應的權重值一起組合為權重樣本

步驟B3：將產(chǎn)生的所有權重樣本連同的位置作為信息發(fā)送給n_t，其中j＝1,...,M。

4.根據(jù)權利要求1所述的移動自組織網(wǎng)絡中高效協(xié)作定位方法，其特征在于，所述步驟C包括如下步驟：

步驟C1：當前目標節(jié)點n_t對收到每一個權重樣本進行權重值更新計算

${\mathrm{\ω}}_{r_{i}t}^{\left(lj\right)}={\mathrm{\ω}}_{r_{i}t}^{\left(lj\right)}\underset{n_{r_j}\∈{\mathrm{\Γ}}_t^r\backslash n_{r_i}}{\Π}{p}_v(d_{r_{j}t}^{\′},d_{r_{j}t}^{\′}-d_{r_{j}t}),$

其中，為與參考節(jié)點之間的實際距離，且為n_t與之間帶噪聲的距離測量值；為了評估與n_t的實際位置x_t之間的偏差，將假設為n_t與之間的實際距離，并假設為n_t的實際位置，則作為與n_t之間的一個帶噪聲的距離測量值，即為的距離測量誤差值，進而體現(xiàn)了從的角度對與x_t之間偏差程度的估計；

步驟C2：n_t根據(jù)已更新的樣本權重值，將每個參考節(jié)點發(fā)送的樣本分別進行篩選：針對由參考節(jié)點產(chǎn)生的M個權重樣本，選擇出個具有最大權重值的樣本，其中為的向下取整值；

若則需要在某一個參考節(jié)點產(chǎn)生的樣本中額外保留出個樣本，記錄相應被保留的樣本中隨機方向值，得到這些隨機方向值對應的范圍S_θ＝[θ_min,θ_max]，并將在下一次迭代時針對n_t生成位置估計樣本時的隨機方向取值范圍設為S_θ；

步驟C3：針對n_t，將n_t保留的M個位置估計樣本，即進行權重值歸一化處理，其中：k＝1,...,M，表示第k個位置估計樣本的二維位置坐標，表示第k個位置估計樣本對應的隨機方向值，表示第k個位置估計樣本對應的權重值；歸一化公式如下：

${\mathrm{\ω}}_t^{\left(lk\right)}=\frac{{\mathrm{\ω}}_t^{\left(lj\right)}}{\underset{k=1}{\overset{M}{\Σ}}{\mathrm{\ω}}_t^{\left(lj\right)}};$

步驟C4：針對目標節(jié)點n_t，對目標節(jié)點n_t自身的置信度進行更新計算，并計算在當前迭代中的估計位置計算公式如下：

${\hat{x}}_t^{\left(l\right)}=\underset{k=1}{\overset{M}{\Σ}}{x}_t^{\left(lk\right)}{\mathrm{\ω}}_t^{\left(lk\right)};$

式中：表示第l次迭代中得到的對n_t的估計位置。

5.根據(jù)權利要求1所述的移動自組織網(wǎng)絡中高效協(xié)作定位方法，其特征在于，所述步驟D包括如下步驟：

步驟D1：若1＜l＜L，判斷當前目標節(jié)點n_t在連續(xù)兩次迭代中的位置估計變化情況是否滿足迭代終止條件

$||{\hat{x}}_t^{\left(l\right)}-{\hat{x}}_t^{(l-1)}||\≤\mathrm{\ϵ}$

其中，ε為預設的迭代終止閾值，表示第l-1次迭代中得到的對n_t的估計位置；若在第l次迭代中，n_t的估計位置滿足了迭代終止條件，則迭代過程停止，即為n_t的最終估計位置，成為已定位的目標節(jié)點，進入步驟D2繼續(xù)執(zhí)行；若l等于L，即達到了最大迭代次數(shù)，則終止迭代過程，并將第l次迭代中n_t的估計位置作為其最終估計位置，流程結束；

步驟D2：設定l自增1，返回步驟B繼續(xù)執(zhí)行。