无论在当前还是未来,位置信息对一些网络应用都是至关重要的。协作定位作为一种新的定位算法,为无线定位提供了广阔的前景。与传统定位所不同的是,在定位过程中协作定位算法不但利用来自锚节点的测量值,而且利用来自未知节点的相对测量值。协作定位算法不但能够提高定位精度还能在传统定位无法实现定位的情况下完成定位。为此,本文就协作定位算法的实现以及协作节点选择问题展开研究。本文主要内容如下:由于网络节点的联合后验概率密度函数比较复杂不利于计算处理,因子图结合和积算法能够实现网络节点联合分布的边缘化。参数法实现和积算法的信息传递时,在非高斯、非线性系统中定位误差较大。在分析了基于参数信息传递算法不足的基础上,本文结合协作定位网络因子图的特点给出一种算法用粒子形式来实现信息传递。粒子形式的信息传递算法分别利用重要性采样和吉布斯采样得到求和、求积信息。仿真结果表明粒子表示法提高了信息传递算法在非线性、非高斯环境下的定位精度。协作定位算法的关键在于协作信息不确定性的量化。根据网络导航理论,无论来自邻居未知节点还是来自邻居锚节点的协作信息都可以用费舍尔信息矩阵量化表示。利用费舍尔信息矩阵将所有协作信息量化表示,不但便于分析影响定位精度的因素有哪些,而且便于计算定位误差限。定位节点在协作过程中会接收邻节点信息,为了使得节点之间的协作尽量减少信息冗余,节点选择是有必要的。利用费舍尔信息进行量化表示之后的协作信息可以体现定位误差与协作信息之间的关系。因此,本文采用费舍尔信息进行邻节点选择,使得用户节点与所选择的邻节点进行协作之后所得到的定位误差是最小的。仿真结果表明该节点选择算法能够综合各方面因素选择最有利于用户节点的邻节点。