基于AOA的二维无线传感器网络半定规划定位方法技术

本发明专利技术涉及一种基于AOA的二维无线传感器网络半定规划定位方法，包括以下几个步骤：设在无线传感器网络中参考节点和待定位的目标节点之间不存在遮挡物，测量各个信号到达角；将信号到达角转化为节点间的距离信息；通过将无线传感器网络目标节点定位问题转化为最大似然估计MLE的数学优化问题进行求解，为后续步骤提供优化的目标函数；通过引入冗余变量将最大似然估计MLE的数学优化问题转化为约束优化问题；通过应用极小化极大准则和半定松弛SDR方法将得到的约束优化问题进一步转化为半定规划SDP凸优化问题，求得最优解，从而完成对目标节点的定位。本发明专利技术可以提高对目标节点的定位精度。

【技术实现步骤摘要】

本专利技术属于无线传感器网络定位领域，涉及半定规划(SDP)凸优化方法在基于AOA测量的二维无线传感器网络目标节点定位中的应用。
技术介绍
近些年，无线传感器网络(WSNs)在目标追踪、入侵监测、能效路由、地下和水下勘测等各种领域的应用都得到了飞速发展。无线传感器网络定位是通过网络中分布的参考节点间的协作完成对目标节点的定位。定位方法主要包括四种，分别为信号到达时间(TOA)、信号到达时间差(TDOA)、接受信号能量(RSS)和信号到达角(AOA)。对于不同的定位方法，定位精确度和定位复杂度是设计定位系统所考虑的两个主要因素。一般，无线传感器网络定位系统主要分为两部分。第一部分是对接收信号参数进行测量，主要包括TOA、TDOA、RSS和AOA。在RSS模型当中，信号能量测量值易受环境噪声的影响，这会导致很大的测量误差。TOA模型和TDOA模型一般在视距环境应用比较广泛，但是该模型需要满足节点间的时间同步，对硬件要求较高，提高了定位成本。相比之下，AOA定位模型可以通过阵列天线完成对信号到达角的估计，不需要节点间满足时间同步，硬件设备要求较低，从而降低对目标节点的定位成本。第二部分是基于以上的信号到达角测量值完成对目标节点的定位。Stansfield提出一种Stansfield定位算法，该算法需要确定目标节点和参考节点之间的距离信息。还有一种PLS算法，该算法是有偏估计的，并且随着测量次数的增加偏差不会减小。为了克服该缺点，一些学者提出最大似然估计算法(MLE)，但是，该算法不仅需要确定一个迭代求解的初始值，而且，由于正切函数具有高非线性，迭代求解容易得到局部最优值，降低了对目标节点的定位精度。
技术实现思路
本专利技术提供一种可以提高对目标节点的定位精度的基于AOA的二维无线传感器网络半定规划定位方法。本专利技术的技术方案如下：一种基于AOA的二维无线传感器网络半定规划定位方法，包括以下几个步骤：1)设在无线传感器网络中参考节点和待定位的目标节点之间不存在遮挡物，即不存在非视距通信，建立xy直角坐标系，测量各个信号到达角；2)将信号到达角转化为节点间的距离信息，计算出目标节点X和参考节点Xi之间的距离信息di；3)通过将无线传感器网络目标节点定位问题转化为最大似然估计MLE的数学优化问题进行求解，为后续步骤提供优化的目标函数，目标函数为： X ~ = min X Σ i = 1 N f i ]]>fi＝(di-ri)2式中，为目标节点的估计值，ri为目标节点X到参考节点Xi的实际距离。4)在第三步得到的新目标函数的基础上，通过引入冗余变量ys＝XTX将最大似然估计MLE的数学优化问题转化为约束优化问题，其中，XT表示矩阵X的转置；5)通过应用极小化极大准则和半定松弛SDR方法将得到的约束优化问题进一步转化为半定规划SDP凸优化问题，通过使用Matlab工具包中集成的SeDuMi方法来求得半定规划SDP凸优化问题的最优解，从而完成对目标节点的定位。本专利技术首先将得到的信号角度信息转化为目标节点和参考节点之间的距离信息；然后，基于获得的距离信息将该定位问题转化为最大似然估计(MLE)优化问题，同时，通过引入冗余变量，并结合极小化极大准则和半定松弛(SDR)方法将该优化问题转化为半定规划(SDP)凸优化问题。本方法不仅可以降低节点间的时间同步问题对定位性能的影响，还可以得到优化问题的全局最优解，从而提高了对目标节点的定位精度。附图说明图1网络结构示意图。图2三角关系图。图3不同算法的定位性能比较。具体实施方式本方法中的二维无线传感器网络参考节点采用椭圆形的分布形式如图1，即参考节点布置在一个长方形区域内，其中，目标节点设为X＝[0,25]，参考节点个数设为6，参考节点的位置坐标表示为：X1＝[-100,0]，X2＝[-50,100]，X3＝[-50,-100]，X4＝[50,100]，X5＝[50,-100]，X6＝[100,0]。我们将通过MATLAB对提出的定位算法进行Mc＝1000次蒙特卡洛仿真试验，并与已有的定位算法进行对比。我们主要使用定位均方根误差(RMSE)来对本专利技术提出算法和已有算法进行对比评价。RMSE的表达式如下： R M S E = E [ ( x - x 0 ) 2 + ( y - y 0 ) 2 ] ]]>其中(x,y)是通过计算得到的标签坐标，(x0,y0)为标签的真实坐标。下面结合技术方案详细说明本方法：1.角度参数转化为距离信息本专利技术考虑的是二维WSNs，其中包括N个参考节点和一个待定位的目标节点，N个参考节点分别表示为X1,X2,...,XN，待定位的目标节点表示为X，并假定WSNs中所有参考节点与目标节点之间不存在非视距。如果测得目标节点X和参考节点Xi之间的信号到达角度为θi，那么可以通过构造如图(2)的三角形，利用三角函数关系计算出目标节点X和参考节点Xi之间的距离信息di。根据图(2)中的角度关系可以得到如下计算di的关系式： d i = 1 N - 1 Σ j = 1 , j ≠ i N | s i n ( θ i - θ j ) s i 本文档来自技高网...

【技术保护点】
一种基于AOA的二维无线传感器网络半定规划定位方法，包括以下几个步骤：1)设在无线传感器网络中参考节点和待定位的目标节点之间不存在遮挡物，即不存在非视距通信，建立xy直角坐标系，测量各个信号到达角；2)将信号到达角转化为节点间的距离信息，计算出目标节点X和参考节点Xi之间的距离信息di；3)通过将无线传感器网络目标节点定位问题转化为最大似然估计MLE的数学优化问题进行求解，为后续步骤提供优化的目标函数，目标函数为：X~=minXΣi=1Nfi]]>fi＝(di‑ri)2式中，为目标节点的估计值，ri为目标节点X到参考节点Xi的实际距离。4)在第三步得到的新目标函数的基础上，通过引入冗余变量ys＝XTX将最大似然估计MLE的数学优化问题转化为约束优化问题，其中，XT表示矩阵X的转置；5)通过应用极小化极大准则和半定松弛SDR方法将得到的约束优化问题进一步转化为半定规划SDP凸优化问题，通过使用Matlab工具包中集成的SeDuMi方法来求得半定规划SDP凸优化问题的最优解，从而完成对目标节点的定位。

【技术特征摘要】
1.一种基于AOA的二维无线传感器网络半定规划定位方法，包括以下几个步骤：1)设在无线传感器网络中参考节点和待定位的目标节点之间不存在遮挡物，即不存在非视距通信，建立xy直角坐标系，测量各个信号到达角；2)将信号到达角转化为节点间的距离信息，计算出目标节点X和参考节点Xi之间的距离信息di；3)通过将无线传感器网络目标节点定位问题转化为最大似然估计MLE的数学优化问题进行求解，为后续步骤提供优化的目标函数，目标函数为： X ~ = m i n X &Sigm...

【专利技术属性】
技术研发人员：丁涛，马永涛，于洁潇，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12