【技术实现步骤摘要】
基于压缩感知与二进制粒子群的多目标定位方法及装置
本专利技术涉及无线传感器网络的多目标定位技术，尤其涉及一种基于压缩感知与二进制粒子群的多目标定位方法及装置。
技术介绍
目前，电信运营商推出了第五代移动通信技术(5th-Generation,5G)的商用套餐，标志着5G技术正式开始商用化。目前，3GPP组织为5G技术定义了三个应用场景：增强移动宽带(EnhancedMobileBroadband，eMBB)、海量机器类通信(MassiveMachine-TypeCommunications，mMTC)以及高可靠与低时延通信(Ultra-ReliableandLowLatencyCommunications，uRLLC)，其中的海量机器类通信应用场景涉及到的就是物联网方面的应用。因此，5G的出现，将会大力推动物联网的发展。同时，作为物联网技术的重要底层网络架构，无线传感器网络(WirelessSensorNetworks，WSNs)也逐渐成为了研究的热点。由于大部分的无线传感器应用都是基于位置的服务，因此研究目标节点的定位技术...
【技术保护点】
1.一种基于压缩感知与二进制粒子群的多目标定位方法，其特征在于，包括以下步骤：/n对监测区域进行网格划分，建立基于压缩感知的定位模型，将多目标定位问题转化为经典的0-1背包问题；/n采用预设算法搜索待定位目标在划分网格上的落点区域，以降低优化问题的维数；/n采用二进制粒子群优化算法求解对应的优化问题，以重构稀疏信号x；/n根据所述重构稀疏信号x，确定所述待定位目标所在的网格，将所述网格的代表位置作为待定位目标的估计位置。/n
【技术特征摘要】
1.一种基于压缩感知与二进制粒子群的多目标定位方法，其特征在于，包括以下步骤：
对监测区域进行网格划分，建立基于压缩感知的定位模型，将多目标定位问题转化为经典的0-1背包问题；
采用预设算法搜索待定位目标在划分网格上的落点区域，以降低优化问题的维数；
采用二进制粒子群优化算法求解对应的优化问题，以重构稀疏信号x；
根据所述重构稀疏信号x，确定所述待定位目标所在的网格，将所述网格的代表位置作为待定位目标的估计位置。
2.根据权利要求1所述的一种基于压缩感知与二进制粒子群的多目标定位方法，其特征在于，所述定位模型的公式为：
其中，y是M×1维的测量值，Φ是M×D维的测量矩阵，元素rssij表示第i个锚节点接收到目标从第j个网格的代表位置所发送信号的RSS测量值，εij表示测量过程中的高斯白噪声，η是由测量矩阵不匹配所引入的偏差噪声。
3.根据权利要求2所述的一种基于压缩感知与二进制粒子群的多目标定位方法，其特征在于，所述测量矩阵通过信号传播模型构建获得，所述信号传播模型的公式为：
其中，RSS(d)表示距离发射目标dm处的接收信号RSS测量值；Pt表示目标的发射功率，单位为dBm；Ke是一个与环境相关的常数；γ是路径损耗因子；d0是参考距离；ε是服从N(0,σ2)分布的高斯白噪声。
4.根据权利要求1所述的一种基于压缩感知与二进制粒子群的多目标定位方法，其特征在于，所述多目标定位问题所对应的优化问题的目标函数为：
其中，||·||2表示求取2范数；所述D是网格的数目，也是所述稀疏信号x的维数；所述ri是测量矩阵的第i列；所述xi是所述稀疏信号x的第i个元素。
5.根据权利要求2所述的一种基于压缩感知与二进制粒子群的多目标定位方法，其特征在于，所述预设算法为多次定位计算网格落点数算法，所述采用预设算法搜索待定位目标在划分网格上的落点区域，包括：
通过随机选取网格的代表位置来构建测量矩阵集合Ω＝{Φ1,Φ2...,Φt}；
根据所述测量矩阵集合Ω，应用QR-OMP算法与orth-OMP算法分别对同一组的所述待定位目标重复定位t次，并统计网格的落点数，根据所述网格的落点数统计向量Cqr与向量Corth；
计算向量C＝Cqr+Corth，将所述向量C中的非零元素所对应的索引加入所述待定位目标的落点区域集合
6.根据权利要求5所述的一种基于压缩感知与二进制粒子群的多目标定位方法，其特征在于，还包括以下步骤：
若大于阈值TOA，调用筛选策略对该区域内的网格进行筛选处理，以进一步减小所述落点区域内...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。