联合节点优选和半正定规划优化的辐射源定位方法及装置制造方法及图纸

本发明专利技术公开了一种联合节点优选和半正定规划优化的辐射源定位方法及装置，属于通信技术领域。所述方法包括构建基于LSRE准则的双变量RSS定位模型，所述RSS定位模型包括辐射源发射功率和位置组成的复合变量；利用m个SN进行初次估计，获取初次估计位置，所述初次估计利用了半正定规划；根据所述初次估计位置，根据几何结构划分扇形区域以寻找各区最佳SN；根据所述最佳SN，进行二次估计，定位最终辐射源，所述二次估计利用了半正定规划。所述装置基于所述方法进行辐射源定位。利用本发明专利技术能够提高辐射源定位精度。射源定位精度。射源定位精度。

【技术实现步骤摘要】
联合节点优选和半正定规划优化的辐射源定位方法及装置


[0001]本专利技术属于通信
，具体涉及一种联合节点优选和半正定规划优化的辐射源 定位方法及装置。

技术介绍

[0002]5G和B5G时代，移动通信、地下勘探、智能交通、战场监测和车联网等众多领域 大规模互联的无线终端定位需求快速增长。目前，已经提出了基于到达时间(time ofarrival,TOA)，到达时间差(time difference of arrival,TDOA)、到达角度(Angle of arrival, AOA)、波达方向(direction of arrival,DOA)和接收信号强度(RSS)等针对大规模无 线传感器网络(Wireless Sensor Networks，WSNs)的定位方法。其中，TOA和TDOA 需要每个传感器节点(Sensor Node，SN)的精确定时同步，AOA和DOA需要每个SN 提供一个定向天线阵列，虽然理论上能够实现较高精度，但同步、硬件等要求高，难以 广泛适用于大规模低成本WSNs。而RSS方法具有部署简单、系统复杂性和软硬件成本 低的优势，受到广泛的关注和研究。
[0003]传统RSS方法假定辐射源功率已知，而在实际应用中传播模型先验信息有限，并且 源发射功率与设备电量、传感器天线增益密切相关，难以维持稳定状态，造成准确的辐 射源发射功率通常难以获取，而发射功率估计误差会导致较大的位置估计误差。同时， 数据回传通信开销和功率开销与参与定位的SN数量成正比，大规模WSNs定位需要考 虑的另一个重要问题是传感器节点选取问题。因为上述问题的存在，导致现有技术中的 针对大规模无线传感器网络(WSNs)基于接收信号强度(RSS)的辐射源定位方法易 受环境干扰、感知节点(Sensor Node，SN)优选困难等因素导致精度低。

技术实现思路

[0004]技术问题：本专利技术针对大规模无线传感器网络基于接收信号强度的辐射源定位精度 低的问题，提供一种联合节点优选和半正定规划优化的辐射源定位方法及装置，从而提 高辐射源定位精度。
[0005]技术方案：第一方面，本专利技术提供一种联合节点优选和半正定规划优化的辐射源定 位方法，包括：
[0006]构建基于LSRE准则的双变量RSS定位模型，所述RSS定位模型包括辐射源发射 功率和位置组成的复合变量；
[0007]利用m个SN进行初次估计，获取初次估计位置，所述初次估计利用了半正定规划；
[0008]根据所述初次估计位置，根据几何结构划分扇形区域以寻找各区最佳SN；
[0009]根据所述最佳SN，进行二次估计，定位最终辐射源，所述二次估计利用了半正定 规划。
[0010]进一步地，所述的RSS定位模型为：
[0011][0012]式中，L0和L
i
表示引入的变量，d
i
表示是源头X到S
i
处的距离，N表示固定SN的 数量。
[0013]进一步地，初次估计和二次估计的方法相同，初次估计利用在源的位置未知情况下 的m个SN，二次估计利用最佳的SN。
[0014]进一步地，采用半正定优化分析定位辐射源包括：
[0015]将所述RSS定位模型松弛为如下形式：
[0016][0017][0018][0019]表示一个包含X的辅助对称矩阵，将作为CVX输出；利用Z 表达上式中项，得到最终的SDP表示：
[0020][0021][0022][0023]Z
±03
[0024]得到估计值，估计值X和P0分别为：
[0025][0026][0027]进一步地，所述根据所述初次估计位置，根据几何结构划分扇形区域以寻找各区最 佳SN包括：
[0028]以初次估计结果X1为原点将SN的直角坐标系转化为极坐标系，根据所选SN数量 M，将感知区域划分为M个扇形区域；将RSS作为选择标准，选择扇形区域RSS测量 值最大的SN；
[0029]判断每个区域SN数目是否为空，若为非空，直接选择区内最近节点；若为空，依 次选择上一级扇形区域未被选择过的SN，若上一级区域仅有一个SN，则按照空区域规 则继续
往下一级选择。
[0030]进一步地，还包括采用克拉美罗下届定义性能基准。
[0031]第二方面，本专利技术提供一种联合节点优选和半正定规划优化的辐射源定位装置，采 用所述的一种联合节点优选和半正定规划优化的辐射源定位方法进行辐射源定位，包括：
[0032]模型构建模块，其被配置为用于构建基于LSRE准则的双变量RSS定位模型，所述 RSS定位模型包括辐射源发射功率和位置组成的复合变量；
[0033]初次估计模块，其被配置为利用m个SN进行初次估计，获取初次估计位置，所述 初次估计利用了半正定规划；
[0034]SN优选模块，其被配置为根据所述初次估计位置，根据几何结构划分扇形区域以 寻找各区最佳SN；
[0035]二次估计模块，其被配置为根据所述最佳SN，进行二次估计，定位最终辐射源位 置，所述二次估计利用了半正定规划。
[0036]进一步地，所述的RSS定位模型为：
[0037][0038]式中，L0和L
i
表示引入的变量，d
i
表示是源头X到S
i
处的距离，N表示固定SN的 数量。
[0039]进一步地，所述根据所述初次估计位置，根据几何结构划分扇形区域以寻找各区最 佳SN包括：
[0040]以初次估计结果X1为原点将SN的直角坐标系转化为极坐标系，根据所选SN数量 M，将感知区域划分为M个扇形区域；将RSS作为选择标准，选择扇形区域RSS测量 值最大的SN；
[0041]判断每个区域SN数目是否为空，若为非空，直接选择区内最近节点；若为空，依 次选择上一级扇形区域未被选择过的SN，若上一级区域仅有一个SN，则按照空区域规 则继续往下一级选择。
[0042]本专利技术与现有技术相比，1)构建了基于LSRE准则的多节点协同辐射源定位问题 模型，该模型将优化目标由对数形式转变为乘数形式，引入辐射源发射功率和位置组成 的复合变量，支持参与定位的节点选择，为大规模WSNs中辐射源定位优化提供了基础；
[0043]2)提出了联合节点选择和半正定规划优化的辐射源定位算法，算法通过两次位置 估计、参与节点优选和半正定规划优化，实现了辐射源低复杂度精确定位。
[0044]部分符号简写说明：
[0045]RSS：接收信号强度；SDP：半正定规划；SN：传感器节点；LSRE：最小平方相 对误差。
[0046]部分数学符号说明：
[0047]tr(.)表示矩阵的迹，[.]T
表示矩阵的转置，I
m
和0
m
分别表示m
×
m的单位矩阵和零 矩阵，||.||表示范数，i、j均表示序号。
附图说明...

【技术保护点】

【技术特征摘要】
1.一种联合节点优选和半正定规划优化的辐射源定位方法，其特征在于，包括：构建基于LSRE准则的双变量RSS定位模型，所述RSS定位模型包括辐射源发射功率和位置组成的复合变量；利用m个SN进行初次估计，获取初次估计位置，所述初次估计利用了半正定规划；根据所述初次估计位置，根据几何结构划分扇形区域以寻找各区最佳SN；根据所述最佳SN，进行二次估计，定位最终辐射源，所述二次估计利用了半正定规划。2.根据权利要求1所述的辐射源定位方法，其特征在于，所述的RSS定位模型为：式中，L0和L
i
表示引入的变量，d
i
表示是源头X到S
i
处的距离，N表示固定SN的数量。3.根据权利要求1所述的辐射源定位方法，其特征在于，初次估计和二次估计的方法相同，初次估计利用在源的位置未知情况下的m个SN，二次估计利用最佳的SN。4.根据权利要求1所述的辐射源定位方法，其特征在于，采用半正定优化分析定位辐射源包括：将所述RSS定位模型松弛为如下形式：将所述RSS定位模型松弛为如下形式：将所述RSS定位模型松弛为如下形式：将所述RSS定位模型松弛为如下形式：表示一个包含X的辅助对称矩阵，将作为CVX输出；利用Z表达上式中项，得到最终的SDP表示：得到最终的SDP表示：得到最终的SDP表示：Z
±03
得到估计值，估计值X和P0分别为：分别为：。
5.根据权利要求1所述的辐射源定位方法，其特征在于，所述根据所述初次估计位置，根据几何结构划分扇形区域以寻找各区最佳SN包括：以初次估计结果X1为原点将SN的直角坐标系转化为极坐标系，根据所选SN数量M，将感知区域划分为M个扇形区域；将RSS作为选择标准，选择扇形区域RSS测量值最大的SN；判断每个区域SN数目是否为空，...

【专利技术属性】
技术研发人员：张建照，柳永祥，曹黎明，陈国凯，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：