在移動節(jié)點的定位中，必須要考慮實時性因素，圖4給出了在循環(huán)次數(shù)、樣本數(shù)不同時定位時間的變化。由仿真結果看出，當循環(huán)次數(shù)為3和5時，算法的計算時間較短，且隨樣本數(shù)的增長變化較為平緩，當循環(huán)次數(shù)為10時，計算時間略長，且隨樣本數(shù)變化的較為劇烈。
綜上所述，為了兼顧定位精度和計算時間兩方面的考慮，在參數(shù)的選擇中，可將樣本數(shù)選為50，循環(huán)次數(shù)選為5。
2 算法仿真實驗及結果
在本文中，通過MATLAB7.0軟件進行仿真實驗，節(jié)點被隨機部署在范圍為100×100網(wǎng)絡中，信標節(jié)點的位置固定，均勻分布在整個網(wǎng)絡中。節(jié)點的通信半徑設為20。在仿真試驗中，通過改變部署的節(jié)點總數(shù)來改變節(jié)點連通度（平均每個節(jié)點具有的鄰居節(jié)點數(shù)）。
本文中，移動節(jié)點定位誤差定義如下

為了說明MDS-MCL算法的性能，將其與MCL定位算法進行比較。
圖5為移動速度不同時，各連通度下兩種算法的定位誤差。

由圖中可以看到，MDS-MCL算法相對普通的MCL定位算法，具有更好的定位精度。且在各連通度下，節(jié)點的定位誤差基本穩(wěn)定，基本保持在10%左右，比MCL算法有了2%左右的提高。
圖6(a)和圖6(b)給出了在最大移動速度為連通度為15時，MCL算法和MDS-MCL算法的定位效果圖?？梢钥闯?，經(jīng)過改進后的定位算法對移動節(jié)點的運動軌跡擬合更好。
在基于MCL方法的基礎上，本文結合MDS-RC方法對移動節(jié)點定位算法進行了改進。通過仿真可以驗證，即使在不需測距的情況下，移動節(jié)點也可以得到較好的定位效果。通過將MCL算法和MDS-MCL算法進行比較，可以驗證改進算法的定位誤差大體均在15%以下，且相對前者有2%左右的降低。另外，通過對算法計算時間的考察，可以驗證改進算法的計算時間較短，可以滿足實際應用的要求。
參考文獻
[1] Liu Yongmin, Wu Shuci, Nian Xiaohong. The architecture and characteristics of wireless sensor network[A]. In: Proc. of the 2009 Computer Technology and Development (ICCTD’09) Conf. Vol.1[C]. Kota Kinabalu, 2009：561-565.
[2] Wu Zhengzhong, Liu Zilin, Liu Jun, et al. Wireless sensor networks for living environment monitoring[A]. In: Proc. of the 2009 Software Engineering(WCSE’09) Conf. Vol.3[C]. Xiamen, 2009：22-25.
[3] Hu Lingxuan, DAVID E. Localization for mobile sensor networks[C]. In: Proc. Of the 10th Annual International Conference on Mobile Computing and Networking(MobiCom-2004), 2004：45-47.
[4] SHANG Y, RuML W, ZHANG Y. Localization from mere connectivity in sensor networks[C]. In：Proc. of the 4th ACM Int’l Symp on Mobile Ad Hoc networking ^computing, New York: ACM Press, 2003：201-212.
[5] Chen Bingjie, Huang Xiaoping, Wang Yan. A localization algorithm in wireless sensor networks based on MDS with RSSI Classified[C]. In: Proc of the 5th Hefei International Conference on Computer Science Education(ICCSE’10), 2010：1465-1469.