CN103037503B - 一种无线传感器网络定位方法及系统 - Google Patents

Abstract

本申请公开了一种无线传感器网络定位方法及系统，包括：接收传感器收集到的信号的强度值的累加结果；分别将多个目标的位置假设为其所在网格的中心，计算多个目标的信号强度，并构建一个重构矩阵，通过求解l1范数最小的最优化问题对多个目标发射的信号进行重构，得到重构结果X，计算得到第一重构误差，并将第一重构误差与预设值进行比较；当第一重构误差小于等于预设值时，确定多个目标的位置。该方法中传感器只需采集少量数据即可，对传感器的硬件要求较低，并且减少了网络通信的数量从而可以延长网络的使用寿命。另外该方法不仅可以对多个目标进行定位，而且还可以采用迭代回溯算法进一步缩小多个目标所在的区域范围，提高了定位精度。

Description

一种无线传感器网络定位方法及系统

技术领域

本申请涉及传感器技术领域，特别是涉及一种无线传感器网络定位方法及系统。

背景技术

目标定位是无线传感器网络(WSN)的重要应用场景。WSN采集的信息中包含位置信息才能和物理世界相对应，才具有实际意义。

目前现有的定位方法中应用最广泛的是利用GPS进行定位，但使用GPS进行定位容易受到环境限制，对于室内、或受城市内的高楼建筑遮挡而导致信号无法接收的场合均无法使用，另外，由于利用GPS进行定位时目标需要持续不断发送位置信息，消耗的能量较大，所以也不适用于那些布设在野外并且需要电池供电的设备或移动设备。

对于那些在GPS定位不适用的场合，目前主要采用基于WSN的定位技术，包括：基于无测距的定位技术和基于测距的定位技术。通过对现有技术研究，申请人发现：一、基于无测距的定位技术虽然容易实现，但定位精度差，适用于在精度要求不高的场合；二、基于测距的定位技术主要包括RSSI、TOA、TDOA、AOA定位，其中：基于RSSI定位虽然比基于TOA、TDOA、AOA定位的硬件简单、廉价，得到广泛应用，但缺点是定位前需要较长的训练阶段，不易快速部署。且节点位置变动或环境变动后需要重新学习，而基于TOA、TDOA、AOA定位需要专门的硬件，价格昂贵，另外，所有基于测距的定位技术均存在通信量大、难以同时进行多目标定位以及容错性差等问题。

发明内容

有鉴于此，本申请实施例提供一种无线传感器网络定位方法及系统，以解决现有的GPS定位方法、基于无测距的定位技术和基于测距的定位技术在定位时所存在的问题。

为了实现上述目的，本申请实施例提供的技术方案如下：

一种无线传感器网络定位方法，待定位区域为方形区域，并且待定位区域被划分为N个网格，在所述方形区域内随机布设有M个传感器，并已知每个传感器的位置，并且多个目标周期性地发射的信号，M个所述传感器周期性地收集多个目标发射的信号，包括：

接收每个所述传感器将其每个周期T内收集到的信号的强度值累加得到累加结果y_m；

分别将多个所述目标的位置假设为其所在网格的中心位置，并且将位于第N个网格中的所述目标的坐标假设为(x_n，y_n)，并计算第m个传感器接收到位于第n个网格中的目标的信号强度P_m，n，其中：1≤m≤M，1≤n≤N；

根据信号强度P_m，n构建一个重构矩阵Ф_MxN，并且Y_Mx1＝Ф_MxNX_Nx1；

通过求解l₁范数最小的最优化问题对多个目标发射的信号进行重构，得到重构结果X，

计算重构误差，得到第一重构误差，并将所述第一重构误差与预设值进行比较；

当所述第一重构误差小于等于预设值时，确定多个所述目标的位置为(x_n，y_n)。

优选地，所述接收每个所述传感器将其每个周期T内收集到的信号的强度值累加得到累加结果y_m，具体为：

接收每个所述传感器在周期时间片结束后、并且以多跳的方式将其每个周期T内收集到的信号的强度值累加得到累加结果y_m。

优选地，所述计算第m个传感器接收到位于第n个网格中的目标的信号强度P_m，n，具体为：

计算位于第N个网格中的所述目标假设的坐标(x_n，y_n)与第m个传感器的的坐标(x_m，y_m)之间的欧式距离D_m，n；

根据平均接收信号强度与信号传输距离之间的关系，计算得到第m个传感器接收到位于第n个网格中的目标的信号强度P_m，n，

并且P_m，n＝P₀-10n_plg(D_m，n/D₀)，其中：P_m，n的单位为dBm，P₀为在参考传输距离为D₀时的接收信号强度，n_p为路径衰减指数，D为传输距离。

优选地，所述平均接收信号强度与信号传输距离之间的关系为：

其中：为平均接收信号强度，单位为dBm，P₀为在参考传输距离为D₀时的接收信号强度，n_p为路径衰减指数，D为传输距离。

优选地，M个所述传感器中全部或部分传感器周期性地收集多个目标发射的信号，并且当部分传感器周期性手机多个目标发射的信号时，部分传感器的数量大于等于目标数量的两倍。

优选地，当所述第一重构误差大于预设值时，该方法进一步包括：

将目标所在的第N个网格均分为四个方形子网格，所述四个方形子网格的中心点分别为A、B、C和D；

将位于第N个网格中的所述目标的位置分别假设为A、B、C或D四个点，并根据假设点的坐标分别计算第m个传感器接收到位于第n个网格中的目标的信号强度P’_m，n；

根据信号强度P’_m，n构建一个重构矩阵Ф’_MxN，通过求解l₁范数最小的最优化问题对多个目标发射的信号进行重构，得到重构结果X’，

计算重构误差，得到第二重构误差，并将所述第二重构误差与预设值进行比较；

当所述第二重构误差大于预设值时，将此次假设点所在的网格划分成四个方形子网格，并重新构建重构矩阵，计算重构误差并与预设值进行比较；

当所述第二重构误差小于等于预设值时，则确定所述目标的位置确定为此次假设的坐标。

优选地，若目标的数量为已知，设为K，当确定目标的位置后，该方法进一步包括：

确定定位得到的目标的数量，并将所述目标的数量与K进行比较；

当所述目标的数量大于K，将得到所述重构结果X或按照能量的分布特征划分为K个聚类，并将每个聚类的元素中的最大值确定为定位结果。

一种无线传感器网络定位系统，待定位区域为方形区域，并且待定位区域被划分为N个网格，多个目标设置在所述待定位区域，并且周期性发射信号，包括：M个传感器和融合模块，其中：

所述M个传感器布设在待定位区域，每个传感器的位置已知，所述M个传感器周期性接收多个目标发射的信号，并且每个所述传感器将其每个周期T内收集到的信号的强度值累加得到累加结果ym发送给融合模块；

所述融合模块与所述M个传感器相连接，所述融合模块包括：

接收单元，用于接收所述传感器发送的累加结果y_m；

目标位置初始化单元，用于分别将多个所述目标的位置假设为其所在网格的中心位置，并且将位于第n个网格中的所述目标的坐标假设为(x_n，y_n)；

信号强度计算单元，用于计算第m个传感器接收到位于第n个网格中的目标的信号强度P_m，n，其中：1≤m≤M，1≤n≤N；重构矩阵构建单元，用于根据信号强度P_m，n构建一个重构矩阵Ф_MxN，并且Y_Mx1＝Ф_MxNX_Nx1；

重构单元，用于通过求解l₁范数最小的最优化问题对多个目标发射的信号进行重构，得到重构结果X；

重构误差计算单元，用于计算重构误差，得到第一重构误差；重构误差比较单元，用于将所述第一重构误差与预设值进行比较；

确定单元，用于当所述比较单元比较得到所述第一重构误差小于等于预设值时，确定多个所述目标的位置为(x_n，y_n)。

优选地，该系统进一步包括：

目标位置调整单元，用于当所述比较单元比较得到所述第一重构误差大于预设值时，将位于第N个网格中的所述目标的位置分别假设为A、B、C或D四个点。

优选地，该系统进一步包括：

优化单元，用于确定目标的位置后，确定定位得到的目标的数量，将所述目标的数量与已知目标数量进行比较，并且当所述目标的数量大于已知目标数量时，将得到所述重构结果X或按照能量的分布特征划分为已知目标数量的聚类，并将每个聚类的元素中的最大值确定为定位结果。

由以上技术方案可见，本申请实施例提供的该无线传感器网络定位方法，在对无线传感器网络中的目标进行定位时，传感器只需采集少量数据，并将采集到的数据发送给融合模块即可，这样对传感器的硬件要求较低，并且减少了网络通信的数量从而可以延长网络的使用寿命。另外，融合模块接收到传感器的测量结果后，通过压缩感知算法对目标进行定位，还可以实现对多个目标进行同时定位。此外，该无线传感器网络定位方法还可以采用迭代回溯算法进一步缩小多个目标所在的区域范围，提高了定位精度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请提供的一种无线传感器网络定位方法的一个实施例的流程示意图；

图2为本申请提供的一种无线传感器网络定位方法的另一个实施例的流程示意图；

图3为本申请提供的一种无线传感器网络定位系统模型的示意图；

图4为本申请提供的回溯算法的示意图；

图5为本申请提供的一种无线传感器网络定位方法的又一个实施例的流程示意图；

图6为本申请提供的一种无线传感器网络定位方法的又一个实施例的流程示意图；

图7为本申请提供的一种无线传感器网络定位系统的结构示意图；

图8为本申请提供的另一种无线传感器网络定位系统结构示意图；

图9为本申请提供的又一种无线传感器网络定位系统结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

一个实施例：

在本申请实施例中，该无线传感器网络定位方法的系统模型为：方形待定位区域，并且待定位区域被划分为N个网格，在方形区域内随机布设有M个传感器，并已知每个传感器的位置，在待定位区域内设置有多个待定位的目标，并且多个目标周期性地发射的信号，M个所述传感器周期性地收集多个目标发射的信号。

图1为本申请提供的一种无线传感器网络定位方法的一个实施例的流程示意图。

如图1所示，该方法包括以下步骤：

S101：接收每个所述传感器将其每个周期内收集到的信号的强度值累加得到累加结果y_m。

S102：分别将多个所述目标的位置假设为其所在网格的中心位置，并且将位于第N个网格中的所述目标的坐标假设为(x_n，y_n)，并计算第m个传感器接收到位于第n个网格中的目标的信号强度P_m，n。

S103：根据信号强度P_m，n构建一个重构矩阵Ф_MxN，并且Y_Mx1＝Ф_MxNX_Nx1。

S104：通过求解l₁范数最小的最优化问题对多个目标发射的信号进行重构，得到重构结果X。

S105：根据重构结果计算第一重构误差，并将所述第一重构误差与预设值进行比较。

S106：当所述第一重构误差小于等于预设值时，确定多个所述目标的位置为(x_n，y_n)。

另一个实施例：

在本申请实施例中，该无线传感器网络定位方法的系统模型为：方形待定位区域，并且待定位区域被划分为N个网格，在方形区域内随机布设有M个传感器，并已知每个传感器的位置，在待定位区域内设置有多个待定位的目标。如图2所示，为本申请提供的一种无线传感器网络定位系统模型，图中三角形代表传感器，五角星代表待定位目标。

图3为本申请提供的一种无线传感器网络定位方法的另一个实施例的流程示意图。

如图3所示，该无线传感器网络定位方法包括：

S201：多个目标周期性发射信号。

待定位的多个目标中，每个目标均是独立存在的，各个目标发射信号的周期相互独立，不要求多个目标同步发射信号。多个目标的发射周期为T。

S202：M个传感器周期性接收多个目标发射的信号，并对接收到的信号强度值进行累加，并且将累加结果发送出去。

传感器接收信号的周期也为T，并且传感器在接收到多个目标信号后，将其在一个周期内接收到的信号的强度值进行累加，得到该传感器接收到多个目标的信号强度之和y_m。

在本申请实施例中，每个传感器只需采集少量数据，并将采集到的数据发送给融合模块即可，这样对传感器的硬件要求较低，并且减少了网络通信的数量从而可以延长网络的使用寿命

S203：融合模块接收传感器发送的累加结果y_m。

融合模块在接收传感器发送的累加结果时，可以接收M个传感器中所有传感器发送的累加结果，另外，在误差范围允许内，还可以接收M个传感器中部分传感器发送的累加结果，这里部分传感器的数量要求大于等于目标数量的两倍。

S204：融合模块对多个目标进行初始化定位。

融合模块分别将多个目标的位置假设为其所在网格的中心位置，并且将位于第N个网格中的目标的坐标假设为(x_n，y_n)，其中：1≤n≤N。

S205：融合模块计算第m个传感器接收到位于第n个网格中的目标的信号强度P_m，n。

在无线信号传输过程中，由于阴影衰落效应和多径效应等噪声的影响，无线信号的接收信号强度受到较为严重的污染。大量实验统计结果表明，平均接收信号强度与信号传输距离之间的函数关系如公式1所示，

$\stackrel{\‾}{P}=P_0-{10n}_p\lg (D/D_0)---\left(1\right)$

公式(1)中，为平均接收信号强度，单位为dBm，P₀为在参考传输距离为D₀时的接收信号强度，n_p为路径衰减指数，通常介于2和3之间，D为信号传输距离。

在S204中已经将目标的坐标假设为(x_n，y_n)，所以可以计算出该假设坐标(x_n，y_n)与第m(1≤m≤M)个传感器之间的欧式距离D_m，n，欧式距离D_m，n为：

$D_{m,n}=\sqrt{{(x_m-x_n)}^2+{(y_m-y_n)}^2}---\left(2\right)$

公式(2)中，x_m和y_m为第m个传感器的坐标，这是已知的，x_n和y_n为第n个网格中目标的假设坐标。

所以由公式(1)和公式(2)可得到，位于第n个网格中的目标的信号强度P_m，n，并且P_m，n为：

P_m，n＝P₀-10n_plg(D_m，n/D₀)                     (3)

S206：融合模块根据信号强度P_m，n构建一个重构矩阵Ф_MxN，并且Y_Mx1＝Ф_MxNX_Nx1。

当得到多个目标的信号强度后，利用压缩感知算法可以根据信号强度P_m，n重构得到信号。压缩感知算法的一般过程为：已知重构矩阵Ф∈R^M×N(M□N)和某未知信号X∈R^N在采用该重构矩阵时的线性测量值Y∈R^M：

Y_M×1＝Ф_M×NX_N×1                       (4)

Y也可以看作信号X在重构矩阵Ф下的线性投影，压缩感知主要解决的问题就是由测量结果Y重构信号X。

在构建重构矩阵Ф_MxN时，通常可以有两种办法：一种方法是根据采用的信号衰减模型生成测量矩阵，另一种方法是根据实际测试结果得到测量矩阵。在本申请实施例中，优选地采用前一种方法来构建重构矩阵，得到的重构矩阵与传感器发送的累加结果的关系如公式(5)所示：

$\left[\begin{array}{c}{y}_1\\ y_2\\ \·\\ \·\\ \·\\ y_M\end{array}\right]=\left[\begin{array}{cccc}{P}_{\mathrm{1,1}}& P_{\mathrm{1,2}}& \·\·\·& P_{1,N}\\ P_{\mathrm{2,1}}& P_{\mathrm{2,2}}& \·\·\·& P_{2,N}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ P_{M,1}& P_{M,2}& \·\·\·& P_{M,N}\end{array}\right]\left[\begin{array}{c}{x}_1\\ x_2\\ \·\\ \·\\ \·\\ x_N\end{array}\right]---\left(5\right)$

公式(5)中，传感器的测量结果y_m(1≤m≤M)为每个周期T内第m个传感器收到多个目标的信号强度之和。x_n＝0或1(1≤n≤N)，当第n个网格中有目标时x_n＝1，否则x_n＝0。

S207：融合模块通过求解l₁范数最小的最优化问题对多个目标发射的信号进行重构，得到重构结果X。

从上述公式(5)中，我们可以看到，当目标数量为K个时，那么显然N为向量X的系数度为K，也就是说在本申请中，将对多个目标进行定位的问题转换成了根据M个传感器的测量结果y_m来重构N为稀疏向量的压缩感知问题，所以可以运用l₁范数最小的最优化算法就可以从公式(5)中求出问题的解，也就是可以完成对多个目标进行定位，重构得到的结果为：

$\hat{X}=\arg \min {\left|\right|X\left|\right|}_1,$ s.t.ФX＝Y；                        (6)

S208：融合模块根据重构结果计算第一重构误差，并将所述第一重构误差与预设值进行比较。

在上步骤S207中得到重构结果后，还需要计算重构误差，并且只有在重构误差在预设值内，才算完成定位过程。

S209：融合模块确定多个所述目标的位置。

当步骤S208中的比较结果为：第一重构误差小于等于预设值时，得到的重构结果X才符合要求，并且多个目标的位置为(x_n，y_n)。

又一个实施例：

在上一实施例中，当步骤S208的比较结果为：第一重构误差大于预设值时，那么得到第一重构误差X将不符合要求，也就是在上一个实施例的步骤S204中对多个目标进行初始化定位时，定位偏差较大。

为了更加精确地对多个目标进行定位，在本申请其它实施例中，可以采用以迭代回溯算法对多个目标的位置调整，如图4所示，图中的以O为中心的网格中存在目标，并且在上一实施例的步骤S204中，将目标的初始位置假设为O点，具体的迭代回溯算法是：当第一重构误差不符合要求时，将以O为中心的网格划分成4个方形子网格，并且4个方形子网格的中心分别为A、B、C和D，如果以A、B、C和D为目标的初始位置，再次分别构建重构矩阵，重构信号，并分别计算得到第二重构误差以及判断第二重构误差与预设值的关系。这样就使得目标所在的区域范围缩小，使得目标的位置进一步精确。

所以在本申请其他实施例中，如图5所示，该方法还可以包括：

S210：融合模块将目标所在的第N个网格均分为四个方形子网格。

划分得到的四个方形子网格的中心点分别为A、B、C和D。

S211：融合模块将位于第N个网格中的所述目标的位置分别假设为A、B、C或D。

上述两个步骤S210和S211，相当于又一次对目标进行初始化定位。当确定第N个网格中的所述目标的位置分别假设为A、B、C或D四个点中的一个点时，根据假设点的坐标分别计算第m个传感器接收到位于第n个网格中的目标的信号强度P’_m，n。并且当得到信号强度P’_m，n后，之后的步骤与步骤S206～S208相同，最后得到第二重构误差，详细过程可参见步骤S206～S209，在此不再赘述。

当得到第二重构误差后，同样再将第二重构误差与预设值进行比较，当所述第二重构误差小于等于预设值时，则确定所述目标的位置确定为此次假设的坐标；而当所述第二重构误差大于预设值时，还可以将此次假设点所在的网格划再分成四个方形子网格，进一步缩小目标所在的区域范围，提高定位精度，并继续重新构建重构矩阵，计算重构误差并与预设值进行比较，直至得到的重构误差符合要求为止，即完成对多个目标进行定位。

又一个实施例：

此外，在上述实施例中对多个目标进行定位过程，是在目标数量未知的情况下进行的，运行压缩感知算法得到的重构结果中，定位出的目标数量可能与目标的实际数量不一致，这为对定位结果的处理和评价增加了难度。而如果目标实际数量为已知信息，那么还可以根据目标的实际数量对计算得到的目标数量进行优化。

若目标的数量为已知，设为K，当计算目标的位置后，如图6所示，该方法还可以包括：

S212：融合模块确定定位得到的目标的数量，并将所述目标的数量与K进行比较。

S213：当所述目标的数量大于K，融合模块将得到所述重构结果X按照能量的分布特征划分为K个聚类，并将每个聚类的元素中的最大值确定为定位结果。

通过上述步骤，可以实现对目标函数和可能目标点进行优化。

又一个实施例：

针对上述方法实施例，本申请还提供一种无线传感器网络定位系统。

图7为本申请提供的一种无线传感器网络定位系统的一种结构示意图。

如图7所示，该无线传感器网络定位系统包括：M个传感器1和融合模块2，其中：融合模块2分别与M个传感器1相连接。

M个传感器1布设在待定位区域，每个传感器的位置已知，M个传感器周期性接收多个目标发射的信号，并且每个传感器将其每个周期T内收集到的信号的强度值累加得到累加结果y_m发送给融合模块2。

如图7所示，融合模块2包括：接收单元21、目标位置初始化单元22、信号强度计算单元23、重构矩阵构建单元24、重构单元25、重构误差计算单元26、重构误差比较单元27和确定单元28，其中：

接收单元21用于接收传感器1发送的累加结果y_m；目标位置初始化单元22用于分别将多个目标的位置假设为其所在网格的中心位置，并且将位于第n个网格中的所述目标的坐标假设为(x_n，y_n)；信号强度计算单元23用于计算第m个传感器接收到位于第n个网格中的目标的信号强度P_m，n；重构矩阵构建单元24用于根据信号强度P_m，n构建一个重构矩阵Ф_MxN，并且Y_Mx1＝Ф_MxNX_Nx1；重构单元25用于通过求解l₁范数最小的最优化问题对多个目标发射的信号进行重构，得到重构结果X；重构误差计算单元26用于计算重构误差，得到第一重构误差；重构误差比较单元27，用于将第一重构误差与预设值进行比较；确定单元28用于当重构误差比较单元27比较得到第一重构误差小于等于预设值时，确定多个所述目标的位置。

此外，当第一重构误差大于预设值时，为了缩小目标所在的区域范围，使得定位更加精确，在本申请其他实施例中，如图8所示，该系统还可以包括：

目标位置调整单元29，用于当重构误差比较单27元比较得到第一重构误差大于预设值时，将位于第N个网格中的目标的位置分别假设为A、B、C或D四个点。

如图9所示，当目标的数量为已知时，为了对计算得到的目标数量进行优化，该系统还可以包括：

优化单元30，用于确定目标的位置后，确定定位得到的目标的数量，将所述目标的数量与已知目标数量进行比较，并且当所述目标的数量大于已知目标数量时，将得到所述重构结果X或按照能量的分布特征划分为已知目标数量的聚类，并将每个聚类的元素中的最大值确定为定位结果。

以上所述仅是本申请的优选实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种无线传感器网络定位方法，其特征在于，待定位区域为方形区域，并且待定位区域被划分为N个网格，在所述方形区域内随机布设有M个传感器，并已知每个传感器的位置，并且多个目标周期性地发射的信号，M个所述传感器周期性地收集多个目标发射的信号，包括：

接收每个所述传感器将其每个周期T内收集到的信号的强度值累加得到累加结果ym；

分别将多个所述目标的位置假设为其所在网格的中心位置，并且将位于第N个网格中的所述目标的坐标假设为(x_n，y_n)，并计算第m个传感器接收到位于第n个网格中的目标的信号强度P_m，n，其中：1≤m≤M，1≤n≤N；

根据信号强度P_m，n构建一个重构矩阵Φ_MxN，并且Y_Mx1＝Φ_MxNX_Nx1，所述X_{N ×1}为未知信号矩阵，所述Y_M×1为线性测量值矩阵；

通过求解l_l范数最小的最优化问题对多个目标发射的信号进行重构，得到重构结果X，

计算重构误差，得到第一重构误差，并将所述第一重构误差与预设值进行比较；

当所述第一重构误差小于等于预设值时，确定多个所述目标的位置为(x_n，y_n)。

2.根据权利要求1所述的方法，其特征在于，所述接收每个所述传感器将其每个周期T内收集到的信号的强度值累加得到累加结果ym，具体为：

接收每个所述传感器在周期时间片结束后、并且以多跳的方式将其每个周期T内收集到的信号的强度值累加得到累加结果ym。

3.根据权利要求1所述的方法，其特征在于，所述计算第m个传感器接收到位于第n个网格中的目标的信号强度Pm，n，具体为：

计算位于第N个网格中的所述目标假设的坐标(x_n，y_n)与第m个传感器的的坐标(x_m，y_m)之间的欧式距离D_m，n；

根据平均接收信号强度与信号传输距离之间的关系，计算得到第m个传感器接收到位于第n个网格中的目标的信号强度P_m，n，

并且P_m，n＝P₀-10n_plg(D_m，n/D₀)，其中：P_m，n的单位为dBm，P₀为在参考传输距离为D₀时的接收信号强度，n_p为路径衰减指数，D为传输距离。

4.根据权利要求3所述的方法，其特征在于，所述平均接收信号强度与信号传输距离之间的关系为：

为平均接收信号强度，单位为dBm，P₀为在参考传输距离为D₀时的接收信号强度，n_p为路径衰减指数，D为传输距离。

5.根据权利要求1所述的方法，其特征在于，M个所述传感器中全部或部分传感器周期性地收集多个目标发射的信号，并且当部分传感器周期性收集多个目标发射的信号时，部分传感器的数量大于等于目标数量的两倍。

6.根据权利要求1所述的方法，其特征在于，当所述第一重构误差大于预设值时，进一步包括：

将目标所在的第N个网格均分为四个方形子网格，所述四个方形子网格的中心点分别为A、B、C和D；

将位于第N个网格中的所述目标的位置分别假设为A、B、C或D四个点，并根据假设点的坐标分别计算第m个传感器接收到位于第n个网格中的目标的信号强度P’_m，n；

根据信号强度P’_m，n构建一个重构矩阵Φ’_MxN，通过求解l_l范数最小的最优化问题对多个目标发射的信号进行重构，得到重构结果X’，

计算重构误差，得到第二重构误差，并将所述第二重构误差与预设值进行比较；

当所述第二重构误差大于预设值时，将此次假设点所在的网格划分成四个方形子网格，并重新构建重构矩阵，计算重构误差并与预设值进行比较；

当所述第二重构误差小于等于预设值时，则确定所述目标的位置确定为此次假设的坐标。

7.根据权利要求1或6所述的方法，其特征在于，若目标的数量为已知，设为K，当确定目标的位置后，进一步包括：

确定定位得到的目标的数量，并将所述目标的数量与K进行比较；

当所述目标的数量大于K，将得到所述重构结果X或按照能量的分布特征划分为K个聚类，并将每个聚类的元素中的最大值确定为定位结果。

8.一种无线传感器网络定位系统，其特征在于，待定位区域为方形区域，并且待定位区域被划分为N个网格，多个目标设置在所述待定位区域，并且周期性发射信号，包括：M个传感器和融合模块，其中：

所述M个传感器布设在待定位区域，每个传感器的位置已知，所述M个传感器周期性接收多个目标发射的信号，并且每个所述传感器将其每个周期T内收集到的信号的强度值累加得到累加结果ym发送给融合模块；

所述融合模块与所述M个传感器相连接，所述融合模块包括：

接收单元，用于接收所述传感器发送的累加结果ym；

目标位置初始化单元，用于分别将多个所述目标的位置假设为其所在网格的中心位置，并且将位于第n个网格中的所述目标的坐标假设为(x_n，y_n)；

信号强度计算单元，用于计算第m个传感器接收到位于第n个网格中的目标的信号强度P_m，n，其中：1≤m≤M，1≤n≤N；重构矩阵构建单元，用于根据信号强度P_m，n构建一个重构矩阵Φ_MxN，并且Y_Mx1＝Φ_MxNX_Nx1，所述X_N×1为未知信号矩阵，所述Y_M×1为线性测量值矩阵；

重构单元，用于通过求解l_l范数最小的最优化问题对多个目标发射的信号进行重构，得到重构结果X；

重构误差计算单元，用于计算重构误差，得到第一重构误差；重构误差比较单元，用于将所述第一重构误差与预设值进行比较；

确定单元，用于当所述比较单元比较得到所述第一重构误差小于等于预设值时，确定多个所述目标的位置为(x_n，y_n)。

9.根据权利要求8所述的系统，其特征在于，进一步包括：

目标位置调整单元，用于当所述比较单元比较得到所述第一重构误差大于预设值时，将位于第N个网格中的所述目标的位置分别假设为A、B、C或D四个点。

10.根据权利要求8或9所述的系统，其特征在于，进一步包括：

优化单元，用于确定目标的位置后，确定定位得到的目标的数量，将所述目标的数量与已知目标数量进行比较，并且当所述目标的数量大于已知目标数量时，将得到所述重构结果X或按照能量的分布特征划分为已知目标数量的聚类，并将每个聚类的元素中的最大值确定为定位结果。