节点分布图和邻居关系图都是相同的，主要看误差图，从误差图中看算法的优劣程度。所有的5个算法中网络的平均连通度为31.3267，网络的邻居信标节点平均数目为6.3367。
 
图2.4  节点分布图
    节点分布图在1000x1000m的二文平面中，各节点坐标都是随机取的。
 图2.5  邻居关系图
DV-Hop定位算法仿真结果：一共300个节点，60个信标节点,240个未知节点,0个不能被定位的未知节点，定位误差为0.33762。定位误差如图2.6。由图中可知每个未知节点估计值和实际值都相差很大，图中都有很长的横线，而且横线的方向不同。
 图2.6  DV-Hop定位误差图
RSSI定位算法仿真结果：一共300个节点，60个信标节点,240个未知节点,13个不能被定位的未知节点。定位误差为 。定位误差图如图2.7。由图可明显看出几乎没有横线，因为误差太小，已经接近于零，但是有些还是能看出一个小点。
 图2.7  RSSI定位误差图
Centroid定位算法仿真结果：一共300个节点，60个信标节点,240个未知节点,1个不能被定位的未知节点，定位误差为0.27291。定位误差图如图2.8。由图中可看出虽然有些未知节点估计误差较大，但是有些却很小，误差波动范围较大。
 图2.8  Centroid定位误差图
APIT定位算法仿真结果：一共300个节点，60个信标节点,240个未知节点,14个不能被定位的未知节点，定位误差为0.30277。定位误差图如图2.9。由图可知未知节点估计值与实际值之间的误差较大。
 图2.9  APIT定位误差图
MDS-MAP定位算法仿真结果：一共300个节点，60个信标节点,240个未知节点,0个不能被定位的未知节点定位误差为0.013688。定位误差图如图2.10。由图可知未知节点估计值与实际值之间的误差较小。
 图2.10  MDS-MAP定位误差图
2.3.2  仿真结果分析
在传感器节点个数相同的并且传感器节点的位置是相同的情况下，根据5个算法仿真的定位误差结果可知RSSI算法误差远低于其他算法，精度最高，但是不能被定为的未知节点也最多，多达13个。这是由于RSSI算法是基于测距的定位算法，在距离相对很远的未知节点与信标节点是不能被定位的。虽然在此仿真中RSSI算法的精度很高，那是因为我们假设的是常规传播模型，RSSI算法是根据理论或者经验信号将传播损耗转化为距离的，一旦实际环境影响所造成的信号传播模型与理论或者经验信号传播模型一致性低，精度会降低。所以在实际情况中无限传感器网络不推荐使用RSSI算法。
其次MDS-MAP算法为其余4种算法中精度最高的，然后精度从高到底依次为Centroid算法，APIT算法，DV-Hop算法。然而，APIT定位算法也出现了14个不能被定为的未知节点，Centroid算法也出现了1个不能被定为的未知节点，这会对节点定位精度带来一定影响。网络连通性越高，无限传感器网络节点自定位越精确。但Centroid算法完全基于网络连通性，假设节点都拥有理想的球型无线信号传播模型，而实际上无线信号的传播模型与理想中的有很大差别。所以综上所述，根据定位误差来看，MDS-MAP算法相对较好。
2.3.3  传感器信标节点密集程度对误差的影响
在此仿真中假设在二文坐标平面中进行，面积为1000x1000m。其中传感器节点个数相同有200个传感器节点，信标节点个数取不同个数，具体如下列表格所示。通信半径为200m，信标节点的通信半径也为200m。通信模式为正常传播模型。
1)APIT定位算法
新标节点个数与对应误差大小为表2.1。
表2.1
信标节
点个数    4    5    6    7    8    9    10    11 基于网络节点的机动目标跟踪定位技术仿真(6):http://www.youerw.com/jixie/lunwen_3038.html