1.一种基于改进高斯滤波的加权质心定位算法，其特征在于：该算法包括以下步骤：

S1：通过随机播撒的方式向目标区域部署节点，节点包含未知节点和锚节点，锚节点会周期性的向周围发送自身的数据信息；

S2：待测节点收到来自其邻居节点的RSSI值，接收并记录RSSI值，对收到的RSSI值进行预处理，然后再判断已经记录的RSSI值是否已经超过预先设定的个数值，超过则停止接收，未超过则继续接收；

S3：对S2步骤预处理过后的RSSI值进行高斯滤波处理并进行加权，得到最终的RSSI值；

S4：将S3步骤最终得到的RSSI值转换成距离，并以该距离值作为加权质心定位算法的权重因子的组成部分进而进行坐标定位；

S5：根据部署节点时对未知节点的估计坐标和最终计算得到的未知节点的坐标信息计算定位误差。

2.根据权利要求1所述的一种基于改进高斯滤波的加权质心定位算法，其特征在于：在所述S1步骤中，所述数据信息包括ID，坐标以及RSSI值。

3.根据权利要求1所述的一种基于改进高斯滤波的加权质心定位算法，其特征在于：所述S2步骤还包括：S21：对接收到的RSSI值进行预处理，先设定一个阈值，把收到的RSSI值与该阈值作比较，当大于这个阈值时就从记录中去除，预处理计算公式为：其中，RSSI是理想值，R_thread＝0.8。

4.根据权利要求1所述的一种基于改进高斯滤波的加权质心定位算法，其特征在于：所述S3步骤还包括：S31：把预处理后的n个RSSI值进行高斯滤波，根据高斯概率密度函数的特点，选取(μ-σ，μ+σ)区间内的RSSI值；

S32：对筛选后的k个RSSI值求平均，按公式 求得RSSIAVG，进而给k个RSSI值赋予不同的权重，与该均值相差小的赋予较大的权值，相差较大的赋予较小的权值 如公式(1)，统一给权值进行归一化得到加权系数αi，如公式(2)，以此求得修正后的RSSI值，如公式(3)；

5.根据权利要求4所述的一种基于改进高斯滤波的加权质心定位算法，其特征在于：所述概率密度函数计算公式如下：其中，

6.根据权利要求1所述的一种基于改进高斯滤波的加权质心定位算法，其特征在于：所述S4步骤还包括：S41：利用RSSI-d转换公式将改进的加权高斯滤波后的RSSI值转换成距离；

S42：根据修正过后的加权质心算法公式，即可估计出未知节点的坐标；

修正过后的加权质心算法公式如下：

7.根据权利要求1所述的一种基于改进高斯滤波的加权质心定位算法，其特征在于：在所述S42步骤中，权值修正的加权质心定位算法的具体步骤如下：S311：已知节点会周期性的向周围发送数据包括坐标，RSSI值等信息，待测节点记录其收到的通信范围内用来定位的已知节点的位置坐标以及RSSI值，然后对记录的RSSI值进行预处理；

S312：为待测节点的通信范围内同一个已知节点发送过来的可接收的数据个数设定一个阈值，当待测节点收到其通信范围内同一个已知节点发送来的坐标信息及RSSI的个数达到该阈值时，停止接收信息；

S313：利用改进的加权高斯滤波算法对接受到的RSSI值进行滤波处理，经过该算法处理后得到的RSSI值是最终的RSSI值；

S314：利用RSSI-d转换公式将改进的加权高斯滤波后的RSSI值转换成距离；

S315：利用权值修正公式，为待测节点可以用来进行定位的已知节点的坐标进行加权，最后求得待测节点的坐标。

8.根据权利要求7所述的一种基于改进高斯滤波的加权质心定位算法，其特征在于：在所述S315步骤中，所述待测节点坐标定位公式如下：其中di i＝1，2，3，4.....，n代表已知节点距离待测节点的距离。