一种无线定位网络资源优化方法技术

本发明专利技术公开了一种无线定位网络资源优化方法，具体为：以均方误差为衡量定位精度的性能指标，得到目标节点定位精度误差值M(P

【技术实现步骤摘要】
一种无线定位网络资源优化方法


[0001]本专利技术属于通信
，具体涉及一种无线定位网络资源优化方法。

技术介绍

[0002]设计定位网络的目的往往是最大化定位网络的精度，除了传统的增加定位参考节点投放，定位节点之间传送信号携带的信息量同样影响无线定位网络的精度。由于搭建实际定位网络常受到资金限制以及系统模型简化应用的要求，那么资源受限的系统提升精度的关键点就在于优化功率带宽等资源的分配。
[0003]以时钟同步的到达时间(Time of Arrival，TOA)测距技术为基础，非协作定位网络以及协作定位网络的定位精度下限：直接位置误差界(Direct Position Error Lower Bound，DRLB)以及克拉美罗下界(Cramer Rao Lower Bound，CRLB)已被推导出，现阶段已有大量以定位精度下界为性能指标进行无线定位网络资源分配的研究。定位网络资源分配领域很多研究都是着眼于纯功率因素，部分研究考虑到带宽也是影响无线定位网络定位准确性的要素之一，采取单项资源优化调度的方式，验证了纯带宽优化可以获得比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无线定位网络资源优化方法，其特征在于，该方法包括如下步骤：(1)在无线定位网络中用分别代表锚节点和目标节点的集合，锚节点基于时钟异步方式，以频分复用方法与目标节点进行测距，得到目标节点k的位置估计采用均方误差衡量目标节点k位置估计的准确性，得到目标节点定位精度误差值(2)将目标节点定位精度误差值最小化作为目标函数，考虑目标节点N
a
＝1的情况下目标函数最小化问题P1，约束条件为：每个锚节点都有传输带宽β0和发射功率P0的上限；所有锚节点总的发射功率不能超过阈值；每个锚节点发射信号的频带不能重叠；(3)基于强化学习(RL)实现资源分配算法，包括：根据目标函数最小化来设置奖励以指导锚节点对于不同等级资源进行选择，得到最优资源分配策略，然后根据输入的目标节点的真实位置p
k
结合邻近算法或者BP神经网络方式得到锚节点次优的资源分配动作；(4)针对目标节点数量的增加，优化步骤(3)得到的最优资源分配策略，以最小化系统的功率消耗为目标构建资源优化方案P2，约束条件在P1约束条件的基础上，增加约束条件：每个目标节点的定位精度误差值均不能大于定位精度阈值；(5)针对目标节点k的位置估计存在误差的问题，进一步优化步骤(4)得到的最优资源分配策略，以不确定区域内所有可能目标节点的最大定位精度误差值最小化为目标构建资源优化方案P3，约束条件在P1约束条件的基础上，增加约束条件：所有可能的目标节点位置均在不确定区域内；(6)基于实际测距得到测距矩阵R，根据锚节点拓扑结构和测距矩阵R，以强化学习(RL)为基础实现鲁棒性链路选择，最终得到目标节点位置估计的最优值以及对应的鲁棒性链路选择方案。2.根据权利要求1所述的一种无线定位网络资源优化方法，其特征在于，所述步骤(3)中资源分配算法的具体实现步骤为：1)初始化设置：通过采样目标节点位置形成训练库，训练集合表示为锚节点位置为p
Anchor
，第s个目标节点样本位置表示为p
s
，设置信道系数ξ
sj
，功率、带宽的离散步长分别为ΔP、Δβ；定义锚节点的动作为定义训练精度的五个状态(S0‑
S4)，依次为差、较差、一般、较好、很好；2)训练过程：对于训练库中每个节点的每次训练：初始化状态
‑
动作表矩阵Q为零矩阵，设置当前状态为S0；令s
t
、a
t
...

【专利技术属性】
技术研发人员：张霆廷，杨程，刘凡，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：