目前常用的方法 ， 可以用各种滤波方式来提高精度 。 常见的有均值滤波 ， 高斯滤波以及卡尔曼滤波等 。
整体来看 ， 卡尔曼滤波的效果最好 ， 但是还有优化的空间 ， 比如引入渐消因子 ， 补偿机制等（从卡尔曼滤波本身的缺点上出发 ， 去想办法弥补 ， 从而提出一种新的改进的卡尔曼滤波算法） 。
对非测距算法 ， 通常主要通过数学的方式去改进 ， 比如最小二乘 ， 极大似然或者加权平均等等 。
这些方法可以通过matlab仿真来实现 。
一般来说 ， 仿真流程如下：
首先利用matlab随机布置很多点（类似刚才的无人机） ， 其中一些点给定具体的坐标 ， 求解目标就是用这些已知的坐标去确定未知的坐标 。
在实际计算中 ， 还要给出一些未知坐标 ， 有同学可能会问不是要求这个未知坐标吗？怎么还直接给定呢！这里因为我们用的是仿真 ， 所以最后要用这个数据和运算出来的数据进行对比 ， 计算误差 。
最后要注意的是 ， 因为定位的算法中经常会对RSSI值进行操作 ， 很多研究者在RSSI值上也加大了研究力度 ， 其中仿真过程中误差的比较是通过将RSSI的理论值加上噪声充当实际值进行实际处理的（不易理解的地方） 。
对于无线传感器网络来说 ， 未来可开发的应用场景还有很多 ， 有兴趣的朋友可以关注活在信息时代 ， 未来获取更多的相关资讯哦 。
喜欢本文的话 ， 欢迎关注活在信息时代哦：）