无线传感器网络中基于RSS的多目标定位方法与系统技术方案

本发明专利技术提供一种无线传感器网络中基于RSS的多目标定位方法，通过粗定位和细定位实现多目标定位，在粗定位阶段，采用序贯压缩感知原理选择最优观测次数，当重构误差小于预先给定的门限值时，停止接收观测值；然后，通过求解一个lp最优化问题重构出稀疏向量，从而确定出目标所在的初始候选网格；在细定位阶段，将粗定位确定的候选网格利用四分法进行细划分，每个候选网格都被划分为四个相等的子网格，利用最小残差准则选择目标所在的候选子网格，再对得到的子网格进行划分选择；经过多次划分、选择之后，每个目标的估计位置被限定在足够小的子网格上。本发明专利技术在目标个数未知的场景下具备更优的定位性能，且明显减少了定位时间。

【技术实现步骤摘要】
无线传感器网络中基于RSS的多目标定位方法与系统
本专利技术涉及多目标定位
，具体而言涉及一种无线传感器网络中基于RSS的多目标定位方法与系统。
技术介绍
无线传感器网络(WirelessSensorNetwork,WSN)是由部署在监测区域内大量的廉价微型传感器节点组成，通过无线通信方式形成的一个多跳自组织网络。基于MEMS(微机电系统)的微传感技术和无线联网技术为WSN赋予了广阔的应用前景，使其在军事、航空、反恐、防爆、救灾、环境、医疗、家居、工业、商业等领域发挥了重要作用。在这些应用中，不仅关心多个监测目标的状态，而且关心这些目标的位置，只有获取位置信息后才能采取合理的应对措施。特别地，传感器的感知数据只有在获得目标位置信息后才具有更高的使用价值。例如，反恐行动必须实时掌握恐怖分子的活动轨迹；煤气泄漏必须准确判别泄漏点在居民楼中的位置；商业区火灾报警必须了解火灾的具体位置。因此，没有位置信息的监测消息将毫无意义，所以多目标定位是WSN的关键技术之一。传统的定位系统往往基于某种特殊信号，如超宽带信号、红外信号，需要部署专用硬件设备以测量这些信号，导致了较高的成本和巨大的工作量，极大地限制了定位系统的应用。为了解除硬件的限制，现有技术还指出几乎所有的无线电设备都可以独立测量其接收信号的强度，而不需要其它设备的辅助。于是，基于接收信号强度(ReceivedSignalStrength,RSS)的技术可以完成多目标定位任务。但是，传统的RSS定位方法需要测量和处理大量的数据，而传感器节点自身能量受限、计算能力有限、易受环境影响，若持续进行RSS定位将耗费大量资源，减少网络生命时间，这将严重阻碍基于WSN的多目标定位技术的应用。压缩感知理论(CompressiveSensing，CS)为解决上述问题提供了新的思路。在信号具有稀疏性的前提下[8]，CS提供了一种全新的信号处理方法，它可用远低于奈奎斯特采样率的速率对信号进行采样(或称为观测)，并实现信号的精确重构。在CS框架下，采样速率不再取决于信号的带宽,而在很大程度上取决于信号的稀疏性。基于WSN的多目标定位问题具有天然的稀疏性，因而CS理论被广泛应用于其中以大幅减少各节点的采样数据量，从而大幅减少网络的资源消耗。近年来，基于CS的多目标定位技术已成为一个研究热点，例如将WSN的监测区域划分成若干个网格，并在CS框架下将多目标定位问题建模成一个稀疏估计问题，极大地减少了节点之间的通信数据量。然而，该方法需要在每个节点建立不同的冗余字典，这导致了巨大的工作量和不可避免的误差积累。又如，通过离散物理空间将每个目标的位置转化成稀疏度为1的向量，从而将多目标定位问题转化成多稀疏向量重构问题，利用l1最优化重构稀疏向量，以估计目标所在的网格位置。但是，该方法数据压缩不充分，且需要事先知道目标个数。在实际应用中，节点无法了解监测区域内目标个数，也就无法确定满足CS重构条件所需的采样数据量。针对采样数据量未知的问题，采用了序贯压缩感知(SequentialCompressedSensing,SCS)算法，在初始观测向量上叠加T个观测值，若重构误差的估计值大于预先给定的门限值，则继续叠加T个观测值；反之，若重构误差的估计值小于门限值，则停止接收观测值。SCS实现了自适应选择最优观测次数，克服了因采样数据量未知而导致的不充分或过度采样问题。根据CS技术重构出目标所在的网格后，现有技术中均假设目标位于网格中心，若网格尺度较大，网格中心会明显偏离目标的真实位置，从而导致较大的位置估计误差；若网格尺度较小，网格数量急剧增加，从而导致较高的计算复杂度。因此，无论怎样选择网格尺度，假设网格中心为目标估计位置的方法都不能有效地进行精确定位。针对实际应用中目标可以出现在网格内的任何位置，现有技术还提出了一种压缩感知与多边测量技术相结合的多目标定位算法，该算法选取距离粗定位得到的目标最近的四个节点作为锚节点，把对目标的搜索范围由粗定位得到的某一个网格扩展到与其临近的三个小网格组成的大网格中，采用几何算法中的多边测量进行定位。算法虽克服了目标只在网格中心的局限性，但增加了计算复杂度。为了提高定位精度，现有技术又提出了一种改进的基于压缩感知和接收信号强度的多目标定位算法，其定位过程分成两个阶段。粗定位阶段利用l1最优化重构出目标的初始候选网格，但当观测次数不充分时，l1最优化的重构误差增大，引起了较大的定位误差；细定位阶段依次实现每个目标在相应初始候选网格内的精确定位，但当目标个数较多时，计算时间急剧增长，影响了定位的及时性。显然，在目标个数未知的前提下，必须找到一种更有效的两阶段定位算法，并使之具备更高的定位精度和定位效率。
技术实现思路
本专利技术目的在于提供一种无线传感器网络中基于RSS的多目标定位方法与系统，相较于传统的基于l1最优化的多目标定位算法，本专利技术在目标个数未知的场景下具备更优的定位性能，且明显减少了定位时间。为达成上述目的，本专利技术提出一种无线传感器网络中基于RSS的多目标定位方法，将监测区域离散网格划分与稀疏判断等效转换，然后包含两个具体的定位阶段：粗定位和细定位。在粗定位阶段，采用序贯压缩感知原理选择最优观测次数，当重构误差小于预先给定的门限值时，停止接收观测值；然后，通过求解一个lp最优化问题重构出稀疏向量，从而确定出目标所在的初始候选网格。在细定位阶段，将粗定位确定的候选网格同时利用四分法进行细划分，每个候选网格都被划分为四个相等的子网格，利用最小残差准则选择目标所在的候选子网格，再对得到的子网格利用四分法进行划分、以及利用最小残差准则进行选择。经过多次划分、选择之后，每个目标的估计位置被限定在足够小的子网格上，更接近目标的真实位置，大大提高了定位精度。本专利技术的有益效果在于：相比于现有技术在细定位阶段每次只定位一个目标，本专利技术对多个目标同时实施细定位，明显降低了计算时间且提高了定位效率。仿真结果表明,与传统的基于CS的多目标定位算法相比,在达到相同定位性能的情况下,本专利技术所需的观测次数大大减少,定位精度明显提高，而计算复杂度显著降低。应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的专利技术主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的专利技术主题的一部分。结合附图从下面的描述中可以更加全面地理解本专利技术教导的前述和其他方面、实施例和特征。本专利技术的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本专利技术教导的具体实施方式的实践中得知。附图说明附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本专利技术的各个方面的实施例，其中：图1是多目标定位的系统模型图。图2是目标细定位示意图。图3是粗定位阶段重构误差估计值与观测次数关系曲线图。图4是粗定位阶段基于OMP、GMP、BP和ASM算法的多目标定位图。图5是粗定位误差与传感器节点个数关系曲线图。图6是粗定位误差与目标数目关系曲线图。图7是细定位阶段本专利技术算法和对比算法的多目标定位图。图本文档来自技高网...

【技术保护点】
1.一种无线传感器网络中基于RSS的多目标定位方法，其特征在于，所述多目标定位方法首先将监测区域离散网格划分与稀疏判断等效转换，然后通过两个具体的定位阶段实现多目标定位，即粗定位和细定位，其中：在粗定位阶段，采用序贯压缩感知原理选择最优观测次数，当重构误差小于预先给定的门限值时，停止接收观测值；然后，通过求解一个lp最优化问题重构出稀疏向量，从而确定出目标所在的初始候选网格；在细定位阶段，将粗定位确定的候选网格利用四分法进行细划分，每个候选网格都被划分为四个相等的子网格，利用最小残差准则选择目标所在的候选子网格，再对得到的子网格利用四分法进行划分、以及利用最小残差准则进行选择；经过多次划分、选择之后，每个目标的估计位置被限定在足够小的子网格上。

【技术特征摘要】
1.一种无线传感器网络中基于RSS的多目标定位方法，其特征在于，所述多目标定位方法首先将监测区域离散网格划分与稀疏判断等效转换，然后通过两个具体的定位阶段实现多目标定位，即粗定位和细定位，其中：在粗定位阶段，采用序贯压缩感知原理选择最优观测次数，当重构误差小于预先给定的门限值时，停止接收观测值；然后，通过求解一个lp最优化问题重构出稀疏向量，从而确定出目标所在的初始候选网格；在细定位阶段，将粗定位确定的候选网格利用四分法进行细划分，每个候选网格都被划分为四个相等的子网格，利用最小残差准则选择目标所在的候选子网格，再对得到的子网格利用四分法进行划分、以及利用最小残差准则进行选择；经过多次划分、选择之后，每个目标的估计位置被限定在足够小的子网格上。2.根据权利要求1所述的无线传感器网络中基于RSS的多目标定位方法，其特征在于，所述将监测区域离散网格划分与稀疏判断等效转换具体包括：对于一个随机部署了M个位置信息已知的传感器节点和K个目标的无线传感器网络监测区域，其中，K未知，M＜＜N,K＜＜N，将监测区域离散为N个网格，N＝n×n，每个网格只有一个节点且节点位于网格中心，每个目标出现在相应网格的任何位置，定义K个目标的位置信息是x＝(x1,…,xN)，其中若第j个网格存在目标，则xj＝1，否则xj＝0；将基于RSS的多目标定位就转化为判断稀疏向量x中非零元素所在位置；根据强度-距离损耗模型，第i个节点接受到第j个网格中目标发出的RSS值近似为：Pi,j＝Pt-10ηlg(di,j/d0)其中，Pt表示在参考距离d0处的接收信号强度，di,j为第i个节点与第j个目标之间的欧式距离，路径衰减指数η的取值介于2至5之间；M个节点的观测向量表示为y＝Px。3.根据权利要求1所述的无线传感器网络中基于RSS的多目标定位方法，其特征在于，所述粗定位阶段确定初始候选网格的具体实现包括：无线传感器网络WSN的使用者发起目标监测指令，WSN中的接收器Sink节点广播“监测指令”；按照CS原理，各节点对监测区域的信号进行探测，将其观测值传送给接收器Sink节点，接收器Sink节点首先接受到m+T个节点的观测值，利用lp范数度量信号的稀疏度，建立基于lp最优化的多目标定位模型：然后，利用仿射尺度方法获得重构向量xm，其中观测矩阵Pm∈Rm×N；按照SCS原理，接收器Sink节点将作为重构误差的估计值，若此估计值大于预先给定的门限值ε，则再接收T个观测值，重新计算重构误差的估计值，重复上述操作，直至估计值小于ε；接收器Sink节点广播“停止指令”，各节点停止发送观测值；根据重构向量xm+ST中非零元素的位置，接收器Sink节点确定出目标所在的候选网格，以完成目标的粗定位任务。4.一种无线传感器网络中基于R...

【专利技术属性】
技术研发人员：王天荆，李秀琴，白光伟，沈航，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：江苏,32