CN103916953A - 目标定位的方法、系统及检测节点 - Google Patents

Abstract

本发明适用于通信领域，提供了一种目标定位的方法、系统及检测节点，所述方法应用于包含若干个检测节点以及待定位节点的网络架构，包括：所述检测节点与其所在区域范围内的其它检测节点建立邻居关系；所述检测节点获取其邻居检测节点共享的测量数据；所述检测节点对所获取的测量数据及其自身检测到的测量数据进行去相关处理获得处理结果；所述检测节点根据处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合，在迭代更新的结果满足预设迭代终止条件时，将该结果作为所述待定位节点的最终定位结果。通过本发明可实现非集中式场景下对目标的定位，并解决现有技术完全依赖集中式的融合中心或基站，导致系统鲁棒性低的问题。

Description

目标定位的方法、系统及检测节点

技术领域

本发明属于通信技术领域，尤其涉及一种目标定位的方法、系统及检测节点

背景技术

压缩感知（Compressive Sensing，CS）技术，也称压缩采样技术，将该技术运用于目标定位场景旨在利用待定位目标在网格空间内的天然稀疏性（即待定位目标仅在若干个网格点上出现），通过较少的检测节点的测量数据实现对观测区域内多个目标高效且准确的定位。

然而，现有的CS目标定位技术是基于集中式的场景，即各本地检测节点将所在位置处的测量数据上报给场景内的集中式融合中心或基站，然后所述集中式融合中心或基站根据所收集的各测量数据对待定位目标的位置向量进行重建，并依据重建结果对观测区域内的待定位目标进行定位。虽然集中式的目标定位技术可获得较好的定位效果，但在实际应用中，当面临无集中式融合中心或基站的非集中场景时，现有的CS目标定位技术将无法实现目标定位。而且，现有的CS目标定位技术完全依赖集中式的融合中心或基站，系统鲁棒性较低，当集中式的融合中心或基站出现异常时，整个定位系统将无法运行。

发明内容

本发明实施例提供一种目标定位的方法，以解决现有CS目标定位技术完全依赖集中式的融合中心或基站，导致系统鲁棒性较低的问题。

第一方面，一种目标定位的方法，应用于包含若干个检测节点以及待定位节点的网络架构，所述方法包括：

所述检测节点与其所在区域范围内的其它检测节点建立邻居关系，与所述检测节点建立邻居关系后的所述其它检测节点为所述检测节点的邻居检测节点；

所述检测节点获取其邻居检测节点共享的测量数据，所述邻居检测节点共享的测量数据为各邻居检测节点在其所在位置对所述待定位节点进行检测获得的数据；

所述检测节点对所获取的其邻居检测节点共享的测量数据及其自身检测到的测量数据进行去相关处理获得处理结果，所述自身检测到的测量数据为所述检测节点在其所在位置对所述待定位节点进行检测获得的数据；

所述检测节点根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合，直至迭代更新的结果满足预设的迭代终止条件；

将该迭代更新得到的所述待定位节点的目标位置向量所对应的位置坐标信息作为所述待定位节点的最终定位结果。

在第一方面的第一种可能的实现方式中，所述检测节点对所获取的测量数据及其自身检测到的测量数据进行去相关处理获得处理结果具体包括：所述检测节点对所获取的测量数据及其自身检测到的测量数据根据以下公式进行去相关处理获得处理结果m_i：

m_i=T_iΦ_iΨθ+n_i；

其中，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数。

在第一方面的第二种可能的实现方式中，所述检测节点根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合,直至迭代更新的结果满足预设的迭代终止条件具体包括:

根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新，向所述检测节点的邻居检测节点共享迭代更新的所述检测节点自身的目标位置向量重建结果，并获取所述检测节点的邻居节点共享的迭代更新的目标位置向量重建结果，并对所述检测节点的自身的目标位置向量重建结果与获取的所述检测节点的邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将权重求和的结果以及所述检测节点的自身的目标位置向量重建结果作为所述检测节点下一次迭代更新中目标位置向量重建的约束条件，直至迭代更新的结果满足预设的迭代终止条件。

结合第一方面或第一方面的第二种可能的实现方式，在第三种可能的实现方式中，所述检测节点根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合的公式为：

t=0: ${\widehat{\mathrm{\θ}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\θ}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.,{||m_i-A_iθ_i(t)||₂≤ε}

t>0: ${\widehat{\mathrm{\θ}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\θ}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.， $\left\{\begin{array}{c}{\left|\right|m_i-A_i{\mathrm{\θ}}_i\left(t\right)\left|\right|}_2\≤\mathrm{\ϵ},\\ {\left|\right|{\mathrm{\θ}}_i\left(t\right)-\{{\widehat{\mathrm{\θ}}}_i(t-1)+\underset{j\∈N_i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\θ}}}_j(t-1)-{\widehat{\mathrm{\θ}}}_i(t-1)\left]\right\}\left|\right|}_2\≤\mathrm{\ξ}\end{array}\right\}$

其中，表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，t为时刻索引号用于指示当前时刻的迭代更新，当t=0时，即迭代更新的初始化时刻，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε，ε表示误差容忍因子，m_i＝A_iθ+n_i,A_i＝T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数，当t>0时，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε和约束条件 ${\left|\right|{\mathrm{\θ}}_i\left(t\right)-\{{\widehat{\mathrm{\θ}}}_i(t-1)+\underset{j\∈N_i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\θ}}}_j(t-1)-{\widehat{\mathrm{\θ}}}_i(t-1)\left]\right\}\left|\right|}_2\≤\mathrm{\ξ},$ 表示上一时刻检测节点i的目标位置向量重建结果，表示上一时刻检测节点i的邻居检测节点j的目标位置向量重建结果，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量的权重和，权重系数为 $w_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i\≠j,j\∈N_i,\\ 1-{\mathrm{\Σ}}_{j\∈N_i}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i=j,\\ 0,& i\≠j,j\∉N_i.\end{array}\right.$ 其中，|N_i|和|N_j|分别表示检测节点i的邻居检测节点个数和其邻居检测节点j的邻居检测节点个数，i＝1,2...,L，L为检测节点的个数，j=1,2...g，g为检测节点i的邻居检测节点的个数，表示将上一时刻检测节点i的目标位置向量重建结果以及权重和的结果进行平均一致性数据融合， ${\left|\right|{\mathrm{\θ}}_i\left(t\right)-\{{\widehat{\mathrm{\θ}}}_i(t-1)+\underset{j\∈N_i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\θ}}}_j(t-1)-{\widehat{\mathrm{\θ}}}_i(t-1)\left]\right\}\left|\right|}_2\≤\mathrm{\ξ}$ 表示通过上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的平均一致性数据融合来约束当前时刻的目标位置向量进行重建，其中ξ表示约束因子。

结合第一方面或第一方面的第一种可能的实现方式或第一方面的第二种可能的实现方式或第一方面的第三种可能的实现方式，在第四种可能的实现方式中，所述检测节点与其所在区域范围内的其它检测节点建立邻居关系具体包括：

所述检测节点将与其所在区域范围内距离小于或者等于预设距离门限的其它检测节点作为其邻居节点。

结合第一方面或第一方面的第一种可能的实现方式或第一方面的第二种可能的实现方式或第一方面的第三种可能的实现方式或第一方面的第四种可能的实现方式，在第五种可能的实现方式中，所述预设的迭代终止条件包括：

所述检测节点前后两次迭代更新过程中获得的目标位置向量重建结果相等；

或者，所述检测节点前后两次迭代更新过程中获得的目标位置向量所对应的待定位节点的位置坐标信息相等；

或者，所述检测节点与其邻居节点在当前迭代更新过程中获得的目标位置向量所对应的待定位节点的位置坐标信息相等。

第二方面，一种检测节点，应用于包含若干个检测节点以及待定位节点的网络架构，所述检测节点包括：

关系建立单元，用于与所述检测节点所在区域范围内的其它检测节点建立邻居关系，与所述检测节点建立邻居关系后的所述其它检测节点为所述检测节点的邻居检测节点；

数据获取单元，用于在所述关系建立单元与其它检测节点建立邻居关系后，获取其邻居检测节点共享的测量数据，以及在所述检测节点所在位置对所述待定位节点进行检测获得自身的测量数据，所述邻居检测节点共享的测量数据为各邻居检测节点在其所在位置对所述待定位节点进行检测获得的数据；

处理单元，用于对所述数据获取单元获取的其邻居检测节点共享的测量数据及其自身检测到的测量数据进行去相关处理获得处理结果，所述自身检测到的测量数据为所述检测节点在其所在位置对所述待定位节点进行检测获得的数据；

定位单元，用于根据所述处理单元的处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合，直至迭代更新的结果满足预设的迭代终止条件；将该迭代更新得到的所述待定位节点的目标位置向量所对应的位置坐标信息作为所述待定位节点的最终定位结果。

在第二方面的第一种可能的实现方式中，所述处理单元具体用于根据以下公式对所述数据获取单元获取的其邻居检测节点共享的测量数据及自身的测量数据进行去相关处理获得处理结果m_i：

m_i=T_iΦ_iΨθ+n_i；

其中，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素,n_i表示测量加性噪声，i＝1,2...L，L为检测节点的个数。

在第二方面的第二种可能的实现方式中，所述定位单元用于根据所述处理单元的处理结果对待定位节点的目标位置向量进行重建的迭代更新，向所述检测节点的邻居检测节点共享迭代更新的所述检测节点自身的目标位置向量重建结果，并获取所述检测节点的邻居节点共享的迭代更新的目标位置向量重建结果，并对所述检测节点的自身的目标位置向量重建结果与获取的所述检测节点的邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将权重求和的结果以及所述检测节点的自身的目标位置向量重建结果作为所述检测节点下一次迭代更新中目标位置向量重建的约束条件，直至迭代更新的结果满足预设的迭代终止条件；将该迭代更新得到的所述待定位节点的目标位置向量所对应的位置坐标信息作为所述待定位节点的最终定位结果。

结合第二方面或第二方面的第二种可能的实现方式，在第三种可能的实现方式中，所述定位单元用于采用以下公式根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合：

t=0: ${\widehat{\mathrm{\θ}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\θ}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.,{||m_i-A_iθ_i(t)||₂≤ε}

t>0: ${\widehat{\mathrm{\θ}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\θ}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.， $\left\{\begin{array}{c}{\left|\right|m_i-A_i{\mathrm{\θ}}_i\left(t\right)\left|\right|}_2\≤\mathrm{\ϵ},\\ {\left|\right|{\mathrm{\θ}}_i\left(t\right)-\{{\widehat{\mathrm{\θ}}}_i(t-1)+\underset{j\∈N_i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\θ}}}_j(t-1)-{\widehat{\mathrm{\θ}}}_i(t-1)\left]\right\}\left|\right|}_2\≤\mathrm{\ξ}\end{array}\right\}$

其中，表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，t为时刻索引号用于指示当前时刻的迭代更新，当t=0时，即迭代更新的初始化时刻，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε，ε表示误差容忍因子，m_i=A_iθ+n_i,A_i=T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数，当t>0时，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε和约束条件 ${\left|\right|{\mathrm{\θ}}_i\left(t\right)-\{{\widehat{\mathrm{\θ}}}_i(t-1)+\underset{j\∈N_i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\θ}}}_j(t-1)-{\widehat{\mathrm{\θ}}}_i(t-1)\left]\right\}\left|\right|}_2\≤\mathrm{\ξ},$ 表示上一时刻检测节点i的目标位置向量重建结果，表示上一时刻检测节点i的邻居检测节点j的目标位置向量重建结果，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量的权重和，权重系数为 $w_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i\≠j,j\∈N_i,\\ 1-{\mathrm{\Σ}}_{j\∈N_i}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i=j,\\ 0,& i\≠j,j\∉N_i.\end{array}\right.$ 其中，|N_i|和|N_j|分别表示检测节点i的邻居检测节点个数和其邻居检测节点j的邻居检测节点个数，i＝1,2...,L，L为检测节点的个数，j=1,2...g，g为检测节点i的邻居检测节点的个数，表示将上一时刻检测节点i的目标位置向量重建结果以及权重和的结果进行平均一致性数据融合， ${\left|\right|{\mathrm{\θ}}_i\left(t\right)-\{{\widehat{\mathrm{\θ}}}_i(t-1)+\underset{j\∈N_i}{\mathrm{\Σ}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\θ}}}_j(t-1)-{\widehat{\mathrm{\θ}}}_i(t-1)\left]\right\}\left|\right|}_2\≤\mathrm{\ξ}$ 表示通过上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的平均一致性数据融合来约束当前时刻的目标位置向量进行重建，其中ξ表示约束因子。

结合第二方面或第二方面的第一种可能的实现方式或第二方面的第二种可能的实现方式或第二方面的第三种可能的实现方式，在第四种可能的实现方式中，所述关系建立单元具体用于，将与所述检测节点所在区域范围内距离小于或者等于预设距离门限的其它检测节点作为其邻居节点。

结合第二方面或第二方面的第一种可能的实现方式或第二方面的第二种可能的实现方式或第二方面的第三种可能的实现方式或第二方面的第四种可能的实现方式，在第五种可能的实现方式中，所述预设的迭代终止条件包括：

所述检测节点前后两次迭代更新过程中获得的目标位置向量重建结果相等；

或者，所述检测节点前后两次迭代更新过程中获得的目标位置向量所对应的待定位节点的位置坐标信息相等；

或者，所述检测节点与其邻居节点在当前迭代更新过程中获得的目标位置向量所对应的待定位节点的位置坐标信息相等。

第三方面，一种目标定位的系统，所述系统包含上述检测节点以及至少一个待定位节点。

本发明实施例与现有技术相比存在的有益效果是:本发明实施例在不增加检测节点个数的前提下，通过各检测节点与其邻居检测节点共享其所在位置处检测到的测量数据，采用目标位置向量重建技术和平均一致性数据融合技术，可实现无融合中心或基站的非集中式场景下目标定位，并通过多次迭代保证目标定位的准确性。本发明实施例不需要依赖集中式的融合中心或基站，从而可有效避免集中式系统鲁棒性较低的问题。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本发明一实施例提供的目标定位系统的应用场景图；

图2是本发明一实施例提供的检测节点以及待定位节点所在位置的网格图；

图3是本发明一实施例提供的目标定位方法的实现流程图；

图4是本发明一实施例提供的仿真结果图；

图5是本发明一实施例提供的另一仿真结果图；

图6是本发明一实施例提供的目标定位系统中检测节点的组成结构图；

图7是本发明另一实施例提供的目标定位系统中检测节点的组成结构图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

本发明实施例中描述的技术可用于各种通信系统，例如当前2G，3G通信系统和下一代通信系统，例如全球移动通信系统（GSM，Global System forMobile communications），码分多址（CDMA，Code Division Multiple Access）系统，时分多址（TDMA，Time Division Multiple Access）系统，宽带码分多址（WCDMA，Wideband Code Division Multiple Access Wireless），频分多址（FDMA，Frequency Division Multiple Addressing）系统，正交频分多址（OFDMA，Orthogonal Frequency-Division Multiple Access）系统，单载波FDMA（SC-FDMA）系统，通用分组无线业务（GPRS，General Packet Radio Service）系统，长期演进（LTE，Long Term Evolution）系统，以及其它此类通信系统。

另外，本发明实施例中术语“系统”和“网络”在本文中常可被互换使用。本发明实施例中术语“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，本发明实施例中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1示出了本发明一实施例提供的目标定位系统的应用场景，为了便于说明，仅示出了与本实施例相关的部分。

如图1所示，本实施例目标定位系统的应用场景为非集中式的目标定位场景，该场景中包括若干个检测节点2以及至少一个待定位节点1。

其中，所述检测节点2可以是任意具有信息传递和信息处理功能的终端设备，包括但不限于无线传感器、基站等。

所述待定位节点1可以是任意具有无线信号辐射功能的终端设备，包括但不限于手机、PAD（Pure Audio Design，平板电脑）、笔记本电脑等。

为了定量描述待定位节点的位置，根据所述应用场景建立坐标系。其中，所述坐标系可以为直角坐标系、极坐标系等，示例性的，本实施例以所述应用场景中预设观测区域的左下角为原点建立的二维平面直角坐标系如图2所示。

在图2中，有K个待定位节点（如图2中的五角星），其位置分别对应为图2网格内的K个坐标点为定位所述K个待定位节点，在观测区域内部署有L个检测节点（如图2中的圆点），其所在位置对应为图2网格内的L个坐标点考虑到无线信道的影响，由第k个待定位节点辐射的信号，经无线传播信道后到达第l个检测节点坐标位置处的RSS（Received Signal Strength，接收信号强度）为：

RSS(d_k,l)=P_t+K_e-10ηlg(d_k,l/d₀)+α+β，(1)

其中，P_t为待定位节点的辐射功率，K_e为环境因子，η是路损因子，d_k,l为第k个待定位节点到达第l个检测节点坐标位置处的距离d₀是参考距离，α是快衰落因子，β是阴影衰落因子。应理解，除公式(1)外，本实施例同样适用于其它种类的无线信道传播模型。此外，应理解，用于待定位节点的测量数据除各检测节点处的RSS外，还可以是其它可以用于待定位节点定位的测量数据，本实施例对此并不限定。

将图2内的所有n×n个坐标点依次排开，并构成一个N×1的目标位置向量θ（其中N＝n²），由于K个待定位节点仅出现在N个坐标点中的K个位置上，即待定位节点的个数远远小于目标位置向量的长度（K<<N），因此该目标位置向量θ中只有K个非零元素而其余N-K个元素值均为零，所以该目标位置向量是空间稀疏的。在基于CS的目标定位应用场景中，虽然目标位置向量是稀疏的，但是对于检测节点而言，经无线传播信道到达各个网格点处的RSS接收信号向量并不是直接稀疏的，而是通过稀疏表示矩阵Ψ来体现，该稀疏表示矩阵Ψ是一个N×N的矩阵，其各个元素值由式(1)确定，即表示辐射信号从所有目标潜在位置k∈[1,N]处到网格位置l∈[1,N]处所经历的无线信道影响，所以多个潜在待定位节点在整个网格内所有网格格点处的辐射信号向量可表示为：

s=Ψθ     (2)

运用CS技术，基于目标位置向量θ在网格上具有的稀疏性前提，目标定位系统无需收集所有网格格点上的测量数据，而是仅通过L个检测节点处的测量数据即可实现目标定位。

在本实施例中，目标定位系统内无集中式的融合中心或基站，各检测节点均作为定位实体，并与其建立了邻居关系的其它检测节点进行通信和协作。本实施例可以采用多种方式建立检测节点与检测节点邻居关系，例如基于距离远近、基于发射功率、基于预设配置等方式，示例性的，本实施例采用基于距离远近的方式建立邻居关系，即任意两个检测节点（检测节点i和检测节点j）之间是否建立邻居关系，取决于两个检测节点间的距离是否小于或等于预设的距离门限，即：

$\{j\&Element;N_i|\&ForAll;i,\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2}\&le;d_{\mathrm{th}}\}---\left(3\right)$

其中，(x_i,y_i)表示检测节点i的位置坐标，(x_j,y_j)表示检测节点j的位置坐标，d_th表示预设的距离门限，当检测节点j到检测节点i的距离小于或等于d_th时，则检测节点j与检测节点i互为邻居节点，且检测节点i的邻居检测节点集合为N_i，即公式(3)表示检测节点i的邻居检测节点集合。满足公式(3)的检测节点间邻居关系如图一和图二中两检测节点间的连线所示。

在确立邻居关系后，各个检测节点与其邻居检测节点共享彼此在所在位置处检测到的测量数据，以检测节点i为例，所述检测节点对所获取的测量数据及其自身检测到的测量数据进行去相关处理获得有效测量数据的公式为：

m_i=T_iΦ_iΨθ+n_i    (4)

其中，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置（列索引位置）分别对应为检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，即表示检测节点i可以获得其自身在所在位置处检测到的测量数据以及其邻居节点在所在位置处检测到的测量数据，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵（稀疏表示矩阵是压缩感知技术中的一个特定名词，是将信号的潜在稀疏性通过映射到某一变换空间来进行表示。比如，一个时域正旋叠加信号在时域上来看是一个连续的时间变化信号，在大量的时间点上都是非零的幅度值，即该信号的稀疏性并不表现在时域，但是这个正旋叠加信号在频域，只是在若干个频率点上是幅值非零的，而其它频率上的幅值均为零，所以傅里叶变换矩阵就是这个具体例子中的稀疏表示矩阵，即该时域信号的潜在稀疏性是通过傅里叶变换矩阵来表现在频域的。），θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量，所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，表示在测量数据的检测及共享过程中客观存在的噪声，i＝1,2...L，L为检测节点的个数。由于在CS实际应用中，要求稀疏表示矩阵与采样矩阵要互不相关，但在目标定位场景中Ψ和Φ_i均是在空间域，所以需要对测量数据进行去相关处理，去相关处理矩阵其中orth(·)为正交化操作，(·)^T为转置操作，为伪逆操作。

各检测节点由公式(4)获得处理结果（也可称为有效测量数据）后，将执行基于压缩感知信号重建（每一次迭代的目的）的迭代更新和平均一致性数据融合（迭代过程中的约束条件）的迭代更新的目标定位。以某一检测节点i处为例，首先进行迭代更新的初始化操作:

t=0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.,{||m_i-A_iθ_i(t)||₂≤ε}

即：

t=0: ${\widehat{\mathrm{\&theta;}}}_i\left(0\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(0\right)\left|\right|}_1\right\}$ (5)

s.t.,{||m_i-A_iθ_i(0)||₂≤ε}

其中，表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，向量的1范数的数学含义是向量中非零元素的绝对值之和，向量的1范数又是向量的0范数的凸包络，向量的0范数的数学含义是向量中非零元素的个数，在求解CS的向量重建的过程中，若直接对以0范数作为目标函数的最小化问题进行求解需要遍历所有排列组合的可能性，将导致计算开销巨大，因此，以向量的1范数代替向量的0范数作为目标函数，即用向量的1范数来凸逼近向量的0范数，可在降低计算开销的同时有效利用待重建的向量所具有的潜在稀疏性，具体求解可采用凸优化类或贪婪追踪等算法，对此本实施例不做限定，t为时刻索引号用于指示当前时刻的迭代更新，当t=0时，即迭代更新的初始化时刻，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε，||.||₂表示向量的2范数，其数学含义是对向量的各个元素分别求平方，然后再求和，最后对求和结果再开平方，该2范数约束条件||m_i-A_iθ_i(0)||₂≤ε用于约束处理结果的误差，ε表示误差容忍因子，m_i=A_iθ+n_i,A_i=T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数。

在初始化后，各个检测节点向其邻居检测节点广播获得的初始化时刻的目标位置向量重建结果并同时接收其邻居检测节点广播的初始化时刻的目标位置向量重建结果以此（和)作为下一步(即t=1时刻)迭代更新中用于平均一致性数据融合的参考信息。需要说明的是，所述初始化操作仅仅是在各个检测节点进行了首次的目标位置向量的重建，为了进一步利用其它邻居检测节点的信号重建结果来进一步完善各检测节点的后续的目标位置向量重建结果，各检测节点仍然需要进行后续的迭代更新，仍以检测节点i处为例：

t>0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.， $\left\{\begin{array}{c}{\left|\right|m_i-A_i{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_2\&le;\mathrm{\&epsiv;},\\ {\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}\end{array}\right\}---\left(6\right)$

其中，t>0表示初始化后的其它后续迭代更新时刻，如t＝1,2,…T，相比于公式(5)，在公式(6)中进一步引入了平均一致性数据融合作为附加的约束条件（平均一致性数据融合是指检测节点与其邻居检测节点相互共享各自的迭代更新的目标位置向量重建结果，并对该检测节点的自身的目标位置向量重建结果与获取的其邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将该检测节点的自身的目标位置向量重建结果以及权重求和的结果作为该检测节点下一次迭代更新中目标位置向量重建的约束条件。），表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，t为时刻索引号用于指示当前时刻的迭代更新，m_i＝A_iθ+n_i,A_i＝T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数，当t>0时，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε和约束条件 ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;},$ ${\widehat{\mathrm{\&theta;}}}_i(t-1)$ 表示上一时刻检测节点i的目标位置向量重建结果，表示上一时刻检测节点i的邻居检测节点j的目标位置向量重建结果，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量的权重和，权重系数为 $w_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i\&NotEqual;j,j\&Element;N_i,\\ 1-{\mathrm{\&Sigma;}}_{j\&Element;N_i}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i=j,\\ 0,& i\&NotEqual;j,j\&NotElement;N_i.\end{array}\right.$ 其中，|N_i|和|N_j|分别表示检测节点i的邻居检测节点个数和其邻居检测节点j的邻居检测节点个数，i＝1,2...,L，L为检测节点的个数，j=1,2...g，g为检测节点i的邻居检测节点的个数，表示将上一时刻检测节点i的目标位置向量重建结果以及权重和的结果进行平均一致性数据融合， ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}$ 表示通过上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的平均一致性数据融合来约束当前时刻的目标位置向量进行重建，其中ξ表示约束因子。

各检测节点在进行如公式(6)的迭代更新操作后，需要向其邻居检测节点广播所述当前迭代更新中获得的目标位置向量重建结果，仍以检测节点i为例，广播当前迭代更新中获得的目标位置向量重建结果并同时接收其各个邻居检测节点j∈N_i分别广播的各自在当前迭代更新中获得的目标位置向量重建结果以此作为下一步迭代更新中用于平均一致性数据融合的参考信息。

在当前迭代更新结束后，是否要进行下一次的迭代更新，需要进行迭代终止条件判决，并根据判决结果来决定是否终止迭代。其中，所述迭代终止条件包括但不限于以下任一种。

迭代终止条件-1：检测节点i判断前后两次迭代更新过程中所得到的目标位置向量重建结果是否相等，即：

${\widehat{\mathrm{\&theta;}}}_i(t-1)=={\widehat{\mathrm{\&theta;}}}_i\left(t\right)---\left(8\right)$

其中，表示检测节点i在上一次迭代更新(即t-1时刻)中所获得的目标位置向量重建结果，表示检测节点i在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果，双等号“＝＝”表示判决左右两端是否相等。若判决式(8)成立，则停止迭代更新过程。

迭代终止条件-2：检测节点i判断前后两次迭代更新过程中获得的目标位置向量重建结果所对应的待定位节点的位置坐标信息相等，即：

${\left\{({\hat{x}}_i^{\left(k\right)},{\hat{y}}_i^{\left(k\right)})\right|{\widehat{\mathrm{\&theta;}}}_i(t-1)\&GreaterEqual;\mathrm{\&lambda;}\}}_{(t-1)}=={\left\{\right({\hat{x}}_i^{\left(k\right)},{\hat{y}}_i^{\left(k\right)}\left)\right|{\widehat{\mathrm{\&theta;}}}_i\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}}_{\left(t\right)}---\left(9\right)$

其中，λ为目标定位判决门限，可根据稀疏向量中非零元素幅值来设定，例如可将非零元素均值的一半作为所述目标定位判决门限。表示检测节点i在上一次迭代更新(即t-1时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，表示检测节点i在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，双等号“＝＝”表示判决左右两端是否相等。若判决式(9)成立，则停止迭代更新，相比于迭代终止条件-1中比较前后两次迭代更新的目标位置向量重建结果（即判断所述目标位置向量重建结果中所有元素的幅值是否相同），迭代终止条件-2仅关注待定位节点的位置是否一致，即前后两次迭代更新过程中所获的目标位置向量重建结果中非零元素的个数及位置是否相同。

迭代终止条件-3：检测节点i判断在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置与其各个邻居检测节点j在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置是否均相等，即：

${\left\{({\hat{x}}_i^{\left(k\right)},{\hat{y}}_i^{\left(k\right)})\right|{\widehat{\mathrm{\&theta;}}}_i\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}}_{\left(t\right)}=={\left\{\right({\hat{x}}_j^{\left(k\right)},{\hat{y}}_j^{\left(k\right)}\left)\right|{\widehat{\mathrm{\&theta;}}}_j\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}}_{\left(t\right)},$ j∈N_i   (10)

其中，λ为目标定位判决门限，可根据稀疏向量中非零元素幅值来设定，例如可将非零元素均值的一半作为所述目标定位判决门限。表示检测节点i在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，j∈N_i表示检测节点i的邻居检测节点j在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，双等号“＝＝”表示判决左右两端是否相等。若判决式(10)成立，则停止迭代更新，不同于迭代终止条件-1和迭代终止条件-2中比较检测节点i自身前后两次迭代更新的目标位置向量重建结果或该结果所对应的待定位节点的位置是否一致，迭代终止条件-3是比较检测节点i与其邻居检测节点j∈N_i在当前迭代更新中的目标位置向量重建结果所对应的待定位节点的位置是否一致。

若上述迭代终止判决条件不满足，将继续执行下一步迭代更新过程(即t+1时刻)。

若迭代终止判决条件满足，将停止迭代更新过程，并将本次迭代更新的结果作为所述待定位节点的最终定位结果，即：

$\left\{({\hat{x}}^{\left(k\right)},{\hat{y}}^{\left(k\right)})\right|\left({{\widehat{\mathrm{\&theta;}}}_i=\widehat{\mathrm{\&theta;}}}_i\left(t\right)\right)\&GreaterEqual;\mathrm{\&lambda;}\}.---\left(11\right)$

其中，λ为目标定位判决门限，可根据稀疏向量中非零元素幅值来设定。

需要说明的是每一步迭代更新的结果是目标位置向量，而最终的定位结果是位置坐标。目标位置向量与位置坐标的对应关系为：{(x^(k),y^(k))|θ≥λ}。目标位置向量θ用于刻画目标设备在观测区域中的所在位置信息，该列向量的长度为N，即N×1的列向量，当θ中第p个元素为非零时，例如该元素等于1时，则说明在网格中的第p个索引位置所对应的坐标处存在目标设备，其中索引p的范围为p∈[1,N]，即潜在目标可能在网格区域内的任一位置出现，当θ中某元素为零时，则说明在该索引位置所对应的坐标处无目标设备出现。其中，目标设备的位置索引序号p∈[1,N]与目标设备的位置坐标(x^(k),y^(k)),k∈[1,K],x∈[1,X],y∈[1,Y]是一一对应的，当然本实施例并不限定使用上述对应关系。

另外需要说明的是，本实施例不仅适用于二维平面，在三维空间等同样适用，本实施例只是用于举例说明，任何熟悉本领域的技术人员在本实施例揭露的技术范围内所做出的若干等同替代或明显变型，都应涵盖在本实施例的保护范围之内。

本实施例提供的系统场景只用于解释本发明，并不限定本发明的保护范围。

图3示出了本发明实施例一提供的目标定位方法的实现流程，该目标定位方法可应用于图1及图2所示的非集中式网络架构及定位场景，该方法过程详述如下：

在步骤S301中，检测节点与其所在区域范围内的其它检测节点建立邻居关系，与所述检测节点建立邻居关系后的所述其它检测节点为所述检测节点的邻居检测节点。

在本实施例中，不存在融合中心或基站，各检测节点均作为定位实体，与其邻居检测节点进行通信和协作以实现目标定位。本实施例可以采用多种方式建立检测节点与检测节点的邻居关系，例如基于距离远近、基于发射功率、基于预设配置等。示例性的，本实施例采用基于距离远近的方式建立邻居关系，即任意两个检测节点（检测节点i和检测节点j）之间是否建立邻居关系，取决于两个检测节点间的距离是否小于或等于预设的距离门限，即：

$\{j\&Element;N_i|\&ForAll;i,\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2}\&le;d_{\mathrm{th}}\}---\left(3\right)$

其中，(x_i,y_i)表示检测节点i的位置坐标，(x_j,y_j)表示检测节点j的位置坐标，d_th表示预设的距离门限，当检测节点j到检测节点i的距离小于或等于d_th时，则检测节点j与检测节点i互为邻居节点，且检测节点i的邻居检测节点集合为N_i，即公式(3)表示检测节点i的邻居检测节点集合。

在步骤S302中，检测节点获取其邻居检测节点共享的测量数据，所述邻居检测节点共享的测量数据为各邻居检测节点在其所在位置对所述待定位节点进行检测获得的数据。

在本实施例中，在确立邻居关系后，各个检测节点与其邻居检测节点共享彼此在所在位置处检测到的测量数据，所述测量数据为各检测节点在其所在位置对所述待定位节点进行检测获得的数据，所述测量数据包括接收信号强度（RSS,Received Signal Strength）、到达时间（TOA,Time OfArrival）、到达角度(AOA,Angle Of Arrival)等。

在步骤S303中，检测节点对所获取的其邻居检测节点共享的测量数据及其自身检测到的测量数据进行去相关处理获得处理结果，所述自身检测到的测量数据为所述检测节点在其所在位置对所述待定位节点进行检测获得的数据。

其中，所述检测节点对所获取的测量数据及其自身检测到的测量数据进行去相关处理获得处理结果具体包括：所述检测节点对所获取的测量数据及其自身检测到的测量数据可以根据以下公式进行去相关处理获得处理结果：

m_i=T_iΦ_iΨθ+n_i；

其中，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，即表示检测节点i可以获得其自身所在位置处及其各个邻居节点所在位置处检测到的测量数据，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵（稀疏表示矩阵是压缩感知技术中的一个特定名词，是将信号的潜在稀疏性通过映射到某一变换空间来进行表示。比如，一个时域正旋叠加信号在时域上来看是一个连续的时间变化信号，在大量的时间点上都是非零的幅度值，即该信号的稀疏性并不表现在时域，但是这个正旋叠加信号在频域，只是在若干个频率点上是幅值非零的，而其它频率上的幅值均为零，所以傅里叶变换矩阵就是这个具体例子中的稀疏表示矩阵，即该时域信号的潜在稀疏性是通过傅里叶变换矩阵来表现在频域的。），θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数。由于在CS实际应用中，要求稀疏表示矩阵与采样矩阵要互不相关，但在目标定位场景中Ψ和Φ_i均是在空间域，所以需要对测量数据进行去相关处理，去相关处理矩阵其中orth(·)为正交化操作，(·)^T为转置操作，为伪逆操作。

在步骤S304中，检测节点根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合，直至迭代更新的结果满足预设的迭代终止条件；将该迭代更新得到的所述待定位节点的目标位置向量所对应的位置坐标信息作为所述待定位节点的最终定位结果。

具体地，所述检测节点根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合,直至迭代更新的结果满足预设的迭代终止条件具体包括:

根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新，向所述检测节点的邻居检测节点共享迭代更新的所述检测节点自身的目标位置向量重建结果，并获取所述检测节点的邻居节点共享的迭代更新的目标位置向量重建结果，并对所述检测节点的自身的目标位置向量重建结果与获取的所述检测节点的邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将权重求和的结果以及所述检测节点的自身的目标位置向量重建结果作为所述检测节点下一次迭代更新中目标位置向量重建的约束条件，直至迭代更新的结果满足预设的迭代终止条件。

具体地，检测节点根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合的公式为：

t=0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.,{||m_i-A_iθ_i(t)||₂≤ε}

t>0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.， $\left\{\begin{array}{c}{\left|\right|m_i-A_i{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_2\&le;\mathrm{\&epsiv;},\\ {\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}\end{array}\right\}$

其中，表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，向量的1范数的数学含义是向量中非零元素的绝对值之和，向量的1范数又是向量的0范数的凸包络，向量的0范数的数学含义是向量中非零元素的个数，在求解CS的向量重建的过程中，若直接对以0范数作为目标函数的最小化问题进行求解需要遍历所有排列组合的可能性，将导致计算开销巨大，因此，以向量的1范数代替向量的0范数作为目标函数，即用向量的1范数来凸逼近向量的0范数，可在降低计算开销的同时有效利用待重建的向量所具有的潜在稀疏性，具体求解可采用凸优化类或贪婪追踪等算法，对此本实施例不做限定，t为时刻索引号用于指示当前时刻的迭代更新，当t=0时，即迭代更新的初始化时刻，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε，||.||₂表示向量的2范数，其数学含义是对向量的各个元素分别求平方，然后再求和，最后对求和结果再开平方，该2范数约束条件||m_i-A_iθ_i(0)||₂≤ε用于约束处理结果的误差，ε表示误差容忍因子，m_i=A_iθ+n_i,A_i=T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数，当t>0时，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε和约束条件 ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;},$ 第二个约束条件表示进一步引入了平均一致性数据融合作为附加的约束条件（平均一致性数据融合是指检测节点与其邻居检测节点相互共享各自的迭代更新的目标位置向量重建结果，并对该检测节点的自身的目标位置向量重建结果与获取的其邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将该检测节点的自身的目标位置向量重建结果以及权重求和的结果作为该检测节点下一次迭代更新中目标位置向量重建的约束条件。），表示上一时刻检测节点i的目标位置向量重建结果，表示上一时刻检测节点i的邻居检测节点j的目标位置向量重建结果，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量的权重和，权重系数为 $w_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i\&NotEqual;j,j\&Element;N_i,\\ 1-{\mathrm{\&Sigma;}}_{j\&Element;N_i}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i=j,\\ 0,& i\&NotEqual;j,j\&NotElement;N_i.\end{array}\right.$ 其中，|N_i|和|N_j|分别表示检测节点i的邻居检测节点个数和其邻居检测节点j的邻居检测节点个数，i＝1,2...,L，L为检测节点的个数，j=1,2...g，g为检测节点i的邻居检测节点的个数，表示将上一时刻检测节点i的目标位置向量重建结果以及权重和的结果进行平均一致性数据融合， ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}$ 表示通过上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的平均一致性数据融合来约束当前时刻的目标位置向量进行重建，其中ξ表示约束因子。

详细来说，在本实施例中，各检测节点获得处理结果（也可称为有效测量数据）后，可通过压缩感知技术对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合。以某一检测节点i处为例，首先进行迭代更新的初始化操作:

t=0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.,{||m_i-A_iθ_i(t)||₂≤ε}

即：

t=0: ${\widehat{\mathrm{\&theta;}}}_i\left(0\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(0\right)\left|\right|}_1\right\}$ (5)

s.t.,{||m_i-A_iθ_i(0)||₂≤ε}

其中,表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，向量的1范数的数学含义是向量中非零元素的绝对值之和，向量的1范数又是向量的0范数的凸包络，向量的0范数的数学含义是向量中非零元素的个数，在求解CS的向量重建的过程中，若直接对以0范数作为目标函数的最小化问题进行求解需要遍历所有排列组合的可能性，将导致计算开销巨大，因此，以向量的1范数代替向量的0范数作为目标函数，即用向量的1范数来凸逼近向量的0范数，可在降低计算开销的同时有效利用待重建的向量所具有的潜在稀疏性，具体求解可采用凸优化类或贪婪追踪等算法，对此本实施例不做限定，t为时刻索引号用于指示当前时刻的迭代更新，当t=0时，即迭代更新的初始化时刻，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε，||.||₂表示向量的2范数，其数学含义是对向量的各个元素分别求平方，然后再求和，最后对求和结果再开平方，该2范数约束条件||m_i-A_iθ_i(0)||₂≤ε用于约束处理结果的误差，ε表示误差容忍因子，m_i=A_iθ+n_i,A_i=T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...，L，L为检测节点的个数。

在初始化后，各个检测节点向其邻居检测节点广播获得的初始化时刻的目标位置向量重建结果并同时接收其邻居检测节点广播的初始化时刻的目标位置向量重建结果以此（和)作为下一步(即t=1时刻)迭代更新中用于平均一致性数据融合的参考信息。需要说明的是，所述初始化操作仅仅是在各个检测节点进行了首次的目标位置向量的重建，为了进一步利用其它邻居检测节点的信号重建结果来进一步完善各检测节点的后续的目标位置向量重建结果，各检测节点仍然需要进行后续的迭代更新，仍以检测节点i处为例：

t>0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.， $\left\{\begin{array}{c}{\left|\right|m_i-A_i{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_2\&le;\mathrm{\&epsiv;},\\ {\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}\end{array}\right\}---\left(6\right)$

其中，t>0表示初始化后的其它后续迭代更新时刻，如t＝1,2,…T，相比于公式(5)，在公式(6)中进一步引入了平均一致性数据融合作为附加的约束条件（平均一致性数据融合是指检测节点与其邻居检测节点相互共享各自的迭代更新的目标位置向量重建结果，并对该检测节点的自身的目标位置向量重建结果与获取的其邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将该检测节点的自身的目标位置向量重建结果以及权重求和的结果作为该检测节点下一次迭代更新中目标位置向量重建的约束条件。），表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，t为时刻索引号用于指示当前时刻的迭代更新，m_i=A_iθ+n_i,A_i=T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数，当t>0时，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε和约束条件 ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;},$ 表示上一时刻检测节点i的目标位置向量重建结果，表示上一时刻检测节点i的邻居检测节点j的目标位置向量重建结果，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量的权重和，权重系数为 $w_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i\&NotEqual;j,j\&Element;N_i,\\ 1-{\mathrm{\&Sigma;}}_{j\&Element;N_i}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i=j,\\ 0,& i\&NotEqual;j,j\&NotElement;N_i.\end{array}\right.$ 其中，|N_i|和|N_j|分别表示检测节点i的邻居检测节点个数和其邻居检测节点j的邻居检测节点个数，i＝1,2...,L，L为检测节点的个数，j=1,2...g，g为检测节点i的邻居检测节点的个数，表示将上一时刻检测节点i的目标位置向量重建结果以及权重和的结果进行平均一致性数据融合， ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}$ 表示通过上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的平均一致性数据融合来约束当前时刻的目标位置向量进行重建，其中ξ表示约束因子。

各检测节点在进行如公式(6)的迭代更新操作后，需要向其邻居检测节点广播所述当前迭代更新中获得的目标位置向量重建结果，仍以检测节点i为例，广播当前迭代更新中获得的目标位置向量重建结果并同时接收其各个邻居检测节点j∈N_i分别广播的各自在当前迭代更新中获得的目标位置向量重建结果以此作为下一步迭代更新中用于平均一致性数据融合的参考信息。

在当前迭代更新结束后，是否要进行下一次的迭代更新，需要进行迭代终止条件判决，并根据判决结果来决定是否终止迭代。其中，所述迭代终止条件包括但不限于以下任一种。

迭代终止条件-1：检测节点i判断前后两次迭代更新过程中所得到的目标位置向量重建结果是否相等，即：

${\widehat{\mathrm{\&theta;}}}_i(t-1)=={\widehat{\mathrm{\&theta;}}}_i\left(t\right)---\left(8\right)$

其中，表示检测节点i在上一次迭代更新(即t-1时刻)中所获得的目标位置向量重建结果，表示检测节点i在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果，双等号“＝＝”表示判决左右两端是否相等。若判决式(8)成立，则停止迭代更新过程。

迭代终止条件-2：检测节点i判断前后两次迭代更新过程中获得的目标位置向量重建结果所对应的待定位节点的位置是否相等，即：

${\left\{({\hat{x}}_i^{\left(k\right)},{\hat{y}}_i^{\left(k\right)})\right|{\widehat{\mathrm{\&theta;}}}_i(t-1)\&GreaterEqual;\mathrm{\&lambda;}\}}_{(t-1)}=={\left\{\right({\hat{x}}_i^{\left(k\right)},{\hat{y}}_i^{\left(k\right)}\left)\right|{\widehat{\mathrm{\&theta;}}}_i\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}}_{\left(t\right)}---\left(9\right)$

其中，λ为目标定位判决门限，可根据稀疏向量中非零元素幅值来设定，例如可将非零元素均值的一半作为所述目标定位判决门限。表示检测节点i在上一次迭代更新(即t-1时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，表示检测节点i在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，双等号“＝＝”表示判决左右两端是否相等。若判决式(9)成立，则停止迭代更新，相比于迭代终止条件-1中比较前后两次迭代更新的目标位置向量重建结果（即判断所述目标位置向量重建结果中所有元素的幅值是否相同），迭代终止条件-2仅关注待定位节点的位置是否一致，即前后两次迭代更新过程中所获的目标位置向量重建结果中非零元素的个数及位置是否相同。

迭代终止条件-3：检测节点i判断在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置与其各个邻居检测邻近节点j在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置是否均相等，即：

${\left\{({\hat{x}}_i^{\left(k\right)},{\hat{y}}_i^{\left(k\right)})\right|{\widehat{\mathrm{\&theta;}}}_i\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}}_{\left(t\right)}=={\left\{\right({\hat{x}}_j^{\left(k\right)},{\hat{y}}_j^{\left(k\right)}\left)\right|{\widehat{\mathrm{\&theta;}}}_j\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}}_{\left(t\right)},$ j∈N_i   (10)

其中，λ为目标定位判决门限，可根据稀疏向量中非零元素幅值来设定，例如可将非零元素均值的一半作为所述目标定位判决门限。表示检测节点i在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，j∈N_i表示检测节点i的邻居检测节点j在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，双等号“＝＝”表示判决左右两端是否相等。若判决式(10)成立，则停止迭代更新，不同于迭代终止条件-1和迭代终止条件-2中比较检测节点i自身前后两次迭代更新的目标位置向量重建结果或该结果所对应的待定位节点的位置是否一致，迭代终止条件-3是比较检测节点i与其邻居检测节点j∈N_i在当前迭代更新中的目标位置向量重建结果所对应的待定位节点的位置是否一致。

若上述迭代终止判决条件不满足，将继续执行下一步迭代更新过程(即t+1时刻)。

若迭代终止判决条件满足，将停止迭代更新过程，并将本次迭代更新的结果作为所述待定位节点的最终定位结果，即：

$\left\{({\hat{x}}^{\left(k\right)},{\hat{y}}^{\left(k\right)})\right|\left({{\widehat{\mathrm{\&theta;}}}_i=\widehat{\mathrm{\&theta;}}}_i\left(t\right)\right)\&GreaterEqual;\mathrm{\&lambda;}\}.---\left(11\right)$

其中，λ为目标定位判决门限，可根据稀疏向量中非零元素幅值来设定。需要说明的是每一步迭代更新的结果是目标位置向量，而最终的定位结果是位置坐标。目标位置向量与位置坐标的对应关系为：{(x^(k),y^(k))|θ≥λ}。目标位置向量θ用于刻画目标设备在观测区域中的所在位置信息，该列向量的长度为N，即N×1的列向量，当θ中第p个元素为非零时，例如该元素等于1时，则说明在网格中的第p个索引位置所对应的坐标处存在目标设备，其中索引p的范围为p∈[1,N]，即潜在目标可能在网格区域内的任一位置出现，当θ中某元素为零时，则说明在该索引位置所对应的坐标处无目标设备出现。其中，目标设备的位置索引序号p∈[1,N]与目标设备的位置坐标(x^(k),y^(k)),k∈[1,K],x∈[1,X],y∈[1,Y]是一一对应的，当然本实施例并不限定使用上述对应关系。

为体现本发明实施例技术方案获得的有益效果，本发明实施例还给出了计算机在一定仿真条件（即，网格点数为121，待定位节点数为3，测量加性噪声方差为0.001）下的仿真结果图（即，反映在不同检测节点个数下本发明实施例技术方案的定位误差如图4和迭代收敛速度如图5）。

如图4所示，横坐标表示检测节点的个数，纵坐标表示定位误差，“—+—”表示现有的集中式目标定位方法，表示迭代终止条件-1下的非集中式目标定位方法，表示迭代终止条件-2下的非集中式目标定位方法，表示迭代终止条件-3下的非集中式目标定位方法。从图4可以看出，本发明实施例所提供的三种迭代终止条件下的目标定位方法与现有的集中式目标定位方法相比，目标定位的准确性基本相同。另外，本实施例还对三种迭代终止条件下的目标定位方法在迭代更新收敛速度上的差异进行了比较，该差异反映了方法执行效率的高低，即迭代步数越少，收敛越快，方法执行效率越高。如图5所示，迭代终止条件-1的收敛速度最慢，这是因为检测节点判断前后两次迭代更新过程所得到的目标位置向量重建结果是否相等（即判断整个目标位置向量重建结果中所有元素的幅值是否相同），但是实际上仅仅需要关注目标位置向量重建结果中非零元素的位置即待定位目标出现的位置，而无须判断所有元素的幅度是否完全一致。在节点个数较少时，迭代终止条件-2的执行效率最高，而随着节点个数的增加，迭代终止条件-3的执行效率逐渐提高甚至可优于迭代终止条件-2。

图6示出了本发明另一实施例提供的目标定位系统中检测节点的组成结构，其中所述目标定位系统包含若干所述检测节点以及至少一个待定位节点，为了便于说明，仅示出了与本发明实施例相关的部分。

该检测节点1包括关系建立单元11、数据获取单元12、处理单元13以及定位单元14。其中，各单元的具体功能如下：

关系建立单元11，用于与所述检测节点所在区域范围内的其它检测节点建立邻居关系，与所述检测节点建立邻居关系后的所述其它检测节点为所述检测节点的邻居检测节点；

数据获取单元12，用于在所述关系建立单元11与其它检测节点建立邻居关系后，获取其邻居检测节点共享的测量数据，以及在所述检测节点所在位置对所述待定位节点进行检测获得自身的测量数据，所述邻居检测节点共享的测量数据为各邻居检测节点在其所在位置对所述待定位节点进行检测获得的数据；

处理单元13，用于对所述数据获取单元12获取的其邻居检测节点共享的测量数据及所述检测节点自身检测到的测量数据进行去相关处理获得处理结果，所述自身检测到的测量数据为所述检测节点在其所在位置对所述待定位节点进行检测获得的数据；

定位单元14，用于根据所述处理单元的处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合，直至迭代更新的结果满足预设的迭代终止条件；将该迭代更新得到的所述待定位节点的目标位置向量所对应的位置坐标信息作为所述待定位节点的最终定位结果。

进一步的，所述关系建立单元11具体用于，将与所述检测节点所在区域范围内距离小于或者等于预设距离门限的其它检测节点作为其邻居节点。

在本实施例中，所述测量数据包括所述检测节点在其所在位置对所述待定位节点进行检测获得的数据和所述检测节点的邻居检测节点共享的在其所在位置对所述待定位节点进行检测获得的数据；所述处理单元具体用于根据以下公式对所述数据获取单元获取的其邻居检测节点共享的测量数据及自身的测量数据进行去相关处理获得处理结果m_i：

m_i=T_iΦ_iΨθ+n_i；

其中，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，即表示检测节点i可以获得其自身所在位置处及其各个邻居节点所在位置处检测到的测量数据，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵（稀疏表示矩阵是压缩感知技术中的一个特定名词，是将信号的潜在稀疏性通过映射到某一变换空间来进行表示。比如，一个时域正旋叠加信号在时域上来看是一个连续的时间变化信号，在大量的时间点上都是非零的幅度值，即该信号的稀疏性并不表现在时域，但是这个正旋叠加信号在频域，只是在若干个频率点上是幅值非零的，而其它频率上的幅值均为零，所以傅里叶变换矩阵就是这个具体例子中的稀疏表示矩阵，即该时域信号的潜在稀疏性是通过傅里叶变换矩阵来表现在频域的。），θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...L，L为检测节点的个数。由于在CS实际应用中，要求稀疏表示矩阵与采样矩阵要互不相关，但在目标定位场景中Ψ和Φ_i均是在空间域，所以需要对测量数据进行去相关处理，去相关处理矩阵其中orth(·)为正交化操作，(·)^T为转置操作，为伪逆操作。

进一步的，所述定位单元用于根据所述处理单元的处理结果对待定位节点的目标位置向量进行重建的迭代更新，向所述检测节点的邻居检测节点共享迭代更新的所述检测节点自身的目标位置向量重建结果，并获取所述检测节点的邻居节点共享的迭代更新的目标位置向量重建结果，并对所述检测节点的自身的目标位置向量重建结果与获取的所述检测节点的邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将权重求和的结果以及所述检测节点的自身的目标位置向量重建结果作为所述检测节点下一次迭代更新中目标位置向量重建的约束条件，直至迭代更新的结果满足预设的迭代终止条件；将该迭代更新得到的所述待定位节点的目标位置向量所对应的位置坐标信息作为所述待定位节点的最终定位结果。

所述定位单元用于采用以下公式根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合：

t=0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.,{||m_i-A_iθ_i(t)||₂≤ε}

t>0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.， $\left\{\begin{array}{c}{\left|\right|m_i-A_i{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_2\&le;\mathrm{\&epsiv;},\\ {\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}\end{array}\right\}$

其中，表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，向量的1范数的数学含义是向量中非零元素的绝对值之和，向量的1范数又是向量的0范数的凸包络，向量的0范数的数学含义是向量中非零元素的个数，在求解CS的向量重建的过程中，若直接对以0范数作为目标函数的最小化问题进行求解需要遍历所有排列组合的可能性，将导致计算开销巨大，因此，以向量的1范数代替向量的0范数作为目标函数，即用向量的1范数来凸逼近向量的0范数，可在降低计算开销的同时有效利用待重建的向量所具有的潜在稀疏性，具体求解可采用凸优化类或贪婪追踪等算法，对此本实施例不做限定，t为时刻索引号用于指示当前时刻的迭代更新，当t=0时，即迭代更新的初始化时刻，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε，||.||₂表示向量的2范数，其数学含义是对向量的各个元素分别求平方，然后再求和，最后对求和结果再开平方，该2范数约束条件||m_i-A_iθ_i(0)||₂≤ε用于约束处理结果的误差，ε表示误差容忍因子，m_i=A_iθ+n_i,A_i=T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数，当t>0时，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε和约束条件 ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;},$ 第二个约束条件表示进一步引入了平均一致性数据融合作为附加的约束条件（平均一致性数据融合是指检测节点与其邻居检测节点相互共享各自的迭代更新的目标位置向量重建结果，并对该检测节点的自身的目标位置向量重建结果与获取的其邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将该检测节点的自身的目标位置向量重建结果以及权重求和的结果作为该检测节点下一次迭代更新中目标位置向量重建的约束条件。），表示上一时刻检测节点i的目标位置向量重建结果，表示上一时刻检测节点i的邻居检测节点j的目标位置向量重建结果，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量的权重和，权重系数为 $w_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i\&NotEqual;j,j\&Element;N_i,\\ 1-{\mathrm{\&Sigma;}}_{j\&Element;N_i}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i=j,\\ 0,& i\&NotEqual;j,j\&NotElement;N_i.\end{array}\right.$ 其中，N_i|和|N_j|分别表示检测节点i的邻居检测节点个数和其邻居检测节点j的邻居检测节点个数，i＝1,2...,L，L为检测节点的个数，j=1,2...g，g为检测节点i的邻居检测节点的个数，表示将上一时刻检测节点i的目标位置向量重建结果以及权重和的结果进行平均一致性数据融合， ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}$ 表示通过上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的平均一致性数据融合来约束当前时刻的目标位置向量进行重建，其中ξ表示约束因子。详细来说，在本实施例中，各检测节点获得处理结果（也可称为有效测量数据）后，可通过压缩感知技术对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合。以某一检测节点i处为例，首先进行迭代更新的初始化操作:

t=0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.,{||m_i-A_iθ_i(t)||₂≤ε}

即：

t=0: ${\widehat{\mathrm{\&theta;}}}_i\left(0\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(0\right)\left|\right|}_1\right\}$ (5)

s.t.,{||m_i-A_iθ_i(0)||₂≤ε}

其中,表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，向量的1范数的数学含义是向量中非零元素的绝对值之和，向量的1范数又是向量的0范数的凸包络，向量的0范数的数学含义是向量中非零元素的个数，在求解CS的向量重建的过程中，若直接对以0范数作为目标函数的最小化问题进行求解需要遍历所有排列组合的可能性，将导致计算开销巨大，因此，以向量的1范数代替向量的0范数作为目标函数，即用向量的1范数来凸逼近向量的0范数，可在降低计算开销的同时有效利用待重建的向量所具有的潜在稀疏性，具体求解可采用凸优化类或贪婪追踪等算法，对此本实施例不做限定，t为时刻索引号用于指示当前时刻的迭代更新，当t=0时，即迭代更新的初始化时刻，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε，||.||₂表示向量的2范数，其数学含义是对向量的各个元素分别求平方，然后再求和，最后对求和结果再开平方，该2范数约束条件||m_i-A_iθ_i(0)||₂≤ε用于约束处理结果的误差，ε表示误差容忍因子，m_i=A_iθ+n_i,A_i=T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...，L，L为检测节点的个数。

在初始化后，各个检测节点向其邻居检测节点广播获得的初始化时刻的目标位置向量重建结果并同时接收其邻居检测节点广播的初始化时刻的目标位置向量重建结果以此（和)作为下一步(即t=1时刻)迭代更新中用于平均一致性数据融合的参考信息。需要说明的是，所述初始化操作仅仅是在各个检测节点进行了首次的目标位置向量的重建，为了进一步利用其它邻居检测节点的信号重建结果来进一步完善各检测节点的后续的目标位置向量重建结果，各检测节点仍然需要进行后续的迭代更新，仍以检测节点i处为例：

t>0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.， $\left\{\begin{array}{c}{\left|\right|m_i-A_i{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_2\&le;\mathrm{\&epsiv;},\\ {\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}\end{array}\right\}---\left(6\right)$

其中，t>0表示初始化后的其它后续迭代更新时刻，如t＝1,2,…T，相比于公式(5)，在公式(6)中进一步引入了平均一致性数据融合作为附加的约束条件（平均一致性数据融合是指检测节点与其邻居检测节点相互共享各自的迭代更新的目标位置向量重建结果，并对该检测节点的自身的目标位置向量重建结果与获取的其邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将该检测节点的自身的目标位置向量重建结果以及权重求和的结果作为该检测节点下一次迭代更新中目标位置向量重建的约束条件。），表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，t为时刻索引号用于指示当前时刻的迭代更新，m_i=A_iθ+n_i,A_i=T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数，当t>0时，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε和约束条件 ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;},$ 表示上一时刻检测节点i的目标位置向量重建结果，表示上一时刻检测节点i的邻居检测节点j的目标位置向量重建结果，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量的权重和，权重系数为 $w_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i\&NotEqual;j,j\&Element;N_i,\\ 1-{\mathrm{\&Sigma;}}_{j\&Element;N_i}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i=j,\\ 0,& i\&NotEqual;j,j\&NotElement;N_i.\end{array}\right.$ 其中，|N_i|和|N_j|分别表示检测节点i的邻居检测节点个数和其邻居检测节点j的邻居检测节点个数，i＝1,2...,L，L为检测节点的个数，j=1,2...g，g为检测节点i的邻居检测节点的个数，表示将上一时刻检测节点i的目标位置向量重建结果以及权重和的结果进行平均一致性数据融合， ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}$ 表示通过上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的平均一致性数据融合来约束当前时刻的目标位置向量进行重建，其中ξ表示约束因子。

各检测节点在进行如公式(6)的迭代更新操作后，需要向其邻居检测节点广播所述当前迭代更新中获得的目标位置向量重建结果，仍以检测节点i为例，广播当前迭代更新中获得的目标位置向量重建结果并同时接收其各个邻居检测节点j∈N_i分别广播的各自在当前迭代更新中获得的目标位置向量重建结果以此作为下一步迭代更新中用于平均一致性数据融合的参考信息。

在当前迭代更新结束后，是否要进行下一次的迭代更新，需要进行迭代终止条件判决，并根据判决结果来决定是否终止迭代。其中，所述迭代终止条件包括但不限于以下任一种。

迭代终止条件-1：检测节点i判断前后两次迭代更新过程中所得到的目标位置向量重建结果是否相等，即：

${\widehat{\mathrm{\&theta;}}}_i(t-1)=={\widehat{\mathrm{\&theta;}}}_i\left(t\right)---\left(8\right)$

其中，表示检测节点i在上一次迭代更新(即t-1时刻)中所获得的目标位置向量重建结果，表示检测节点i在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果，双等号“＝＝”表示判决左右两端是否相等。若判决式(8)成立，则停止迭代更新过程。

迭代终止条件-2：检测节点i判断前后两次迭代更新过程中获得的目标位置向量重建结果所对应的待定位节点的位置是否相等，即：

${\left\{({\hat{x}}_i^{\left(k\right)},{\hat{y}}_i^{\left(k\right)})\right|{\widehat{\mathrm{\&theta;}}}_i(t-1)\&GreaterEqual;\mathrm{\&lambda;}\}}_{(t-1)}=={\left\{\right({\hat{x}}_i^{\left(k\right)},{\hat{y}}_i^{\left(k\right)}\left)\right|{\widehat{\mathrm{\&theta;}}}_i\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}}_{\left(t\right)}---\left(9\right)$

其中，λ为目标定位判决门限，可根据稀疏向量中非零元素幅值来设定，例如可将非零元素均值的一半作为所述目标定位判决门限。表示检测节点i在上一次迭代更新(即t-1时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，表示检测节点i在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，双等号“＝＝”表示判决左右两端是否相等。若判决式(9)成立，则停止迭代更新，相比于迭代终止条件-1中比较前后两次迭代更新的目标位置向量重建结果（即判断所述目标位置向量重建结果中所有元素的幅值是否相同），迭代终止条件-2仅关注待定位节点的位置是否一致，即前后两次迭代更新过程中所获的目标位置向量重建结果中非零元素的个数及位置是否相同。

迭代终止条件-3：检测节点i判断在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置与其各个邻居检测邻近节点j在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置是否均相等，即：

${\left\{({\hat{x}}_i^{\left(k\right)},{\hat{y}}_i^{\left(k\right)})\right|{\widehat{\mathrm{\&theta;}}}_i\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}}_{\left(t\right)}=={\left\{\right({\hat{x}}_j^{\left(k\right)},{\hat{y}}_j^{\left(k\right)}\left)\right|{\widehat{\mathrm{\&theta;}}}_j\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}}_{\left(t\right)},$ j∈N_i   (10)

其中，λ为目标定位判决门限，可根据稀疏向量中非零元素幅值来设定，例如可将非零元素均值的一半作为所述目标定位判决门限。表示检测节点i在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，j∈N_i表示检测节点i的邻居检测节点j在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，双等号“＝＝”表示判决左右两端是否相等。若判决式(10)成立，则停止迭代更新，不同于迭代终止条件-1和迭代终止条件-2中比较检测节点i自身前后两次迭代更新的目标位置向量重建结果或该结果所对应的待定位节点的位置是否一致，迭代终止条件-3是比较检测节点i与其邻居检测节点j∈N_i在当前迭代更新中的目标位置向量重建结果所对应的待定位节点的位置是否一致。

若上述迭代终止判决条件不满足，将继续执行下一步迭代更新过程(即t+1时刻)。

若迭代终止判决条件满足，将停止迭代更新过程，并将本次迭代更新的结果作为所述待定位节点的最终定位结果，即：

$\left\{({\hat{x}}^{\left(k\right)},{\hat{y}}^{\left(k\right)})\right|{{\widehat{\mathrm{\&theta;}}}_i=\widehat{\mathrm{\&theta;}}}_i\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}.---\left(11\right)$

其中，λ为目标定位判决门限，可根据稀疏向量中非零元素幅值来设定。

本实施例提供的检测节点1可以使用在前述对应的目标定位方法，详情参见上述目标定位方法图3对应实施例的相关描述，在此不再赘述。

图7示出了本发明另一实施例提供的检测节点的组成结构，为了便于说明，仅示出了与本发明实施例相关的部分。

该检测节点1包括处理器101以及接收器102，所述处理器101用于与所述检测节点所在区域范围内的其它检测节点建立邻居关系，与所述检测节点建立邻居关系后的所述其它检测节点为所述检测节点的邻居检测节点；

所述处理器101用于对所述接收器102接收到的邻居检测节点发送的测量数据及所述检测节点1自身检测到的测量数据进行去相关处理获得处理结果，并根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合，直至迭代更新的结果满足预设的迭代终止条件；将该迭代更新得到的所述待定位节点的目标位置向量所对应的位置坐标信息作为所述待定位节点的最终定位结果。

需要说明的是，所述接收器102还用于接收其邻居检测节点共享的迭代更新的结果。

进一步的，本实施例还包括发送器103，所述发送器103用于将自身检测到的测量数据以及所述迭代更新的结果发送给其邻居检测节点。

在本实施例中，所述检测节点对所获取的测量数据及其自身检测到的测量数据进行去相关处理获得处理结果具体包括：所述检测节点对所获取的测量数据及其自身检测到的测量数据根据以下公式进行去相关处理获得处理结果m_i：

m_i=T_iΦ_iΨθ+n_i；

其中，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，即表示检测节点i可以获得其自身所在位置处及其各个邻居节点所在位置处检测到的测量数据，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵（稀疏表示矩阵是压缩感知技术中的一个特定名词，是将信号的潜在稀疏性通过映射到某一变换空间来进行表示。比如，一个时域正旋叠加信号在时域上来看是一个连续的时间变化信号，在大量的时间点上都是非零的幅度值，即该信号的稀疏性并不表现在时域，但是这个正旋叠加信号在频域，只是在若干个频率点上是幅值非零的，而其它频率上的幅值均为零，所以傅里叶变换矩阵就是这个具体例子中的稀疏表示矩阵，即该时域信号的潜在稀疏性是通过傅里叶变换矩阵来表现在频域的。），θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数。由于在CS实际应用中，要求稀疏表示矩阵与采样矩阵要互不相关，但在目标定位场景中Ψ和Φ_i均是在空间域，所以需要对测量数据进行去相关处理，去相关处理矩阵其中orth(·)为正交化操作，(·)^T为转置操作，为伪逆操作。

所述检测节点根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合的公式为：

t=0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.,{||m_i-A_iθ_i(t)||₂≤ε}

t>0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.， $\left\{\begin{array}{c}{\left|\right|m_i-A_i{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_2\&le;\mathrm{\&epsiv;},\\ {\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}\end{array}\right\}$

其中，表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，向量的1范数的数学含义是向量中非零元素的绝对值之和，向量的1范数又是向量的0范数的凸包络，向量的0范数的数学含义是向量中非零元素的个数，在求解CS的向量重建的过程中，若直接对以0范数作为目标函数的最小化问题进行求解需要遍历所有排列组合的可能性，将导致计算开销巨大，因此，以向量的1范数代替向量的0范数作为目标函数，即用向量的1范数来凸逼近向量的0范数，可在降低计算开销的同时有效利用待重建的向量所具有的潜在稀疏性，具体求解可采用凸优化类或贪婪追踪等算法，对此本实施例不做限定，t为时刻索引号用于指示当前时刻的迭代更新，当t=0时，即迭代更新的初始化时刻，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε，||.||₂表示向量的2范数，其数学含义是对向量的各个元素分别求平方，然后再求和，最后对求和结果再开平方，该2范数约束条件||m_i-A_iθ_i(0)||₂≤ε用于约束处理结果的误差，ε表示误差容忍因子，m_i＝A_iθ+n_i,A_i＝T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数，当t>0时，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε和约束条件 ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;},$ 第二个约束条件表示进一步引入了平均一致性数据融合作为附加的约束条件（平均一致性数据融合是指检测节点与其邻居检测节点相互共享各自的迭代更新的目标位置向量重建结果，并对该检测节点的自身的目标位置向量重建结果与获取的其邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将该检测节点的自身的目标位置向量重建结果以及权重求和的结果作为该检测节点下一次迭代更新中目标位置向量重建的约束条件。），表示上一时刻检测节点i的目标位置向量重建结果，表示上一时刻检测节点i的邻居检测节点j的目标位置向量重建结果，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量的权重和，权重系数为 $w_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i\&NotEqual;j,j\&Element;N_i,\\ 1-{\mathrm{\&Sigma;}}_{j\&Element;N_i}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i=j,\\ 0,& i\&NotEqual;j,j\&NotElement;N_i.\end{array}\right.$ 其中，N_i|和|N_j|分别表示检测节点i的邻居检测节点个数和其邻居检测节点j的邻居检测节点个数，i＝1,2...,L，L为检测节点的个数，j=1,2...g，g为检测节点i的邻居检测节点的个数，表示将上一时刻检测节点i的目标位置向量重建结果以及权重和的结果进行平均一致性数据融合， ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}$ 表示通过上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的平均一致性数据融合来约束当前时刻的目标位置向量进行重建，其中ξ表示约束因子。详细来说，在本实施例中，各检测节点获得处理结果（也可称为有效测量数据）后，可通过压缩感知技术对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合。以某一检测节点i处为例，首先进行迭代更新的初始化操作:

t=0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.,{||m_i-A_iθ_i(t)||₂≤ε}

即：

t=0: ${\widehat{\mathrm{\&theta;}}}_i\left(0\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(0\right)\left|\right|}_1\right\}$ (5)

s.t.,{||m_i-A_iθ_i(0)||₂≤ε}

其中,表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，向量的1范数的数学含义是向量中非零元素的绝对值之和，向量的1范数又是向量的0范数的凸包络，向量的0范数的数学含义是向量中非零元素的个数，在求解CS的向量重建的过程中，若直接对以0范数作为目标函数的最小化问题进行求解需要遍历所有排列组合的可能性，将导致计算开销巨大，因此，以向量的1范数代替向量的0范数作为目标函数，即用向量的1范数来凸逼近向量的0范数，可在降低计算开销的同时有效利用待重建的向量所具有的潜在稀疏性，具体求解可采用凸优化类或贪婪追踪等算法，对此本实施例不做限定，t为时刻索引号用于指示当前时刻的迭代更新，当t=0时，即迭代更新的初始化时刻，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε，||.||₂表示向量的2范数，其数学含义是对向量的各个元素分别求平方，然后再求和，最后对求和结果再开平方，该2范数约束条件||m_i-A_iθ_i(0)||₂≤ε用于约束处理结果的误差，ε表示误差容忍因子，m_i=A_iθ+n_i,A_i=T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...，L，L为检测节点的个数。

在初始化后，各个检测节点向其邻居检测节点广播获得的初始化时刻的目标位置向量重建结果并同时接收其邻居检测节点广播的初始化时刻的目标位置向量重建结果以此（和)作为下一步(即t=1时刻)迭代更新中用于平均一致性数据融合的参考信息。需要说明的是，所述初始化操作仅仅是在各个检测节点进行了首次的目标位置向量的重建，为了进一步利用其它邻居检测节点的信号重建结果来进一步完善各检测节点的后续的目标位置向量重建结果，各检测节点仍然需要进行后续的迭代更新，仍以检测节点i处为例：

t>0: ${\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.， $\left\{\begin{array}{c}{\left|\right|m_i-A_i{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_2\&le;\mathrm{\&epsiv;},\\ {\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}\end{array}\right\}---\left(6\right)$

其中，t>0表示初始化后的其它后续迭代更新时刻，如t＝1,2,…T，相比于公式(5)，在公式(6)中进一步引入了平均一致性数据融合作为附加的约束条件（平均一致性数据融合是指检测节点与其邻居检测节点相互共享各自的迭代更新的目标位置向量重建结果，并对该检测节点的自身的目标位置向量重建结果与获取的其邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将该检测节点的自身的目标位置向量重建结果以及权重求和的结果作为该检测节点下一次迭代更新中目标位置向量重建的约束条件。），表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，t为时刻索引号用于指示当前时刻的迭代更新，m_i=A_iθ+n_i,A_i=T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数，当t>0时，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε和约束条件 ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;},$ 表示上一时刻检测节点i的目标位置向量重建结果，表示上一时刻检测节点i的邻居检测节点j的目标位置向量重建结果，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量的权重和，权重系数为 $w_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i\&NotEqual;j,j\&Element;N_i,\\ 1-{\mathrm{\&Sigma;}}_{j\&Element;N_i}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i=j,\\ 0,& i\&NotEqual;j,j\&NotElement;N_i.\end{array}\right.$ 其中，|N_i|和|N_j|分别表示检测节点i的邻居检测节点个数和其邻居检测节点j的邻居检测节点个数，i＝1,2...,L，L为检测节点的个数，j=1,2...g，g为检测节点i的邻居检测节点的个数，表示将上一时刻检测节点i的目标位置向量重建结果以及权重和的结果进行平均一致性数据融合， ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{j\&Element;N_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}$ 表示通过上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的平均一致性数据融合来约束当前时刻的目标位置向量进行重建，其中ξ表示约束因子。

各检测节点在进行如公式(6)的迭代更新操作后，需要向其邻居检测节点广播所述当前迭代更新中获得的目标位置向量重建结果，仍以检测节点i为例，广播当前迭代更新中获得的目标位置向量重建结果并同时接收其各个邻居检测节点j∈N_i分别广播的各自在当前迭代更新中获得的目标位置向量重建结果以此作为下一步迭代更新中用于平均一致性数据融合的参考信息。

在当前迭代更新结束后，是否要进行下一次的迭代更新，需要进行迭代终止条件判决，并根据判决结果来决定是否终止迭代。其中，所述迭代终止条件包括但不限于以下任一种。

迭代终止条件-1：检测节点i判断前后两次迭代更新过程中所得到的目标位置向量重建结果是否相等，即：

${\widehat{\mathrm{\&theta;}}}_i(t-1)=={\widehat{\mathrm{\&theta;}}}_i\left(t\right)---\left(8\right)$

其中，表示检测节点i在上一次迭代更新(即t-1时刻)中所获得的目标位置向量重建结果，表示检测节点i在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果，双等号“＝＝”表示判决左右两端是否相等。若判决式(8)成立，则停止迭代更新过程。

迭代终止条件-2：检测节点i判断前后两次迭代更新过程中获得的目标位置向量重建结果所对应的待定位节点的位置是否相等，即：

${\left\{({\hat{x}}_i^{\left(k\right)},{\hat{y}}_i^{\left(k\right)})\right|{\widehat{\mathrm{\&theta;}}}_i(t-1)\&GreaterEqual;\mathrm{\&lambda;}\}}_{(t-1)}=={\left\{\right({\hat{x}}_i^{\left(k\right)},{\hat{y}}_i^{\left(k\right)}\left)\right|{\widehat{\mathrm{\&theta;}}}_i\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}}_{\left(t\right)}---\left(9\right)$

其中，λ为目标定位判决门限，可根据稀疏向量中非零元素幅值来设定，例如可将非零元素均值的一半作为所述目标定位判决门限。表示检测节点i在上一次迭代更新(即t-1时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，表示检测节点i在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，双等号“＝＝”表示判决左右两端是否相等。若判决式(9)成立，则停止迭代更新，相比于迭代终止条件-1中比较前后两次迭代更新的目标位置向量重建结果（即判断所述目标位置向量重建结果中所有元素的幅值是否相同），迭代终止条件-2仅关注待定位节点的位置是否一致，即前后两次迭代更新过程中所获的目标位置向量重建结果中非零元素的个数及位置是否相同。

迭代终止条件-3：检测节点i判断在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置与其各个邻居检测邻近节点j在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置是否均相等，即：

${\left\{({\hat{x}}_i^{\left(k\right)},{\hat{y}}_i^{\left(k\right)})\right|{\widehat{\mathrm{\&theta;}}}_i\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}}_{\left(t\right)}=={\left\{\right({\hat{x}}_j^{\left(k\right)},{\hat{y}}_j^{\left(k\right)}\left)\right|{\widehat{\mathrm{\&theta;}}}_j\left(t\right)\&GreaterEqual;\mathrm{\&lambda;}\}}_{\left(t\right)},$ j∈N_i   (10)

其中，λ为目标定位判决门限，可根据稀疏向量中非零元素幅值来设定，例如可将非零元素均值的一半作为所述目标定位判决门限。表示检测节点i在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，j∈N_i表示检测节点i的邻居检测节点j在当前迭代更新(即t时刻)中所获得的目标位置向量重建结果所对应的待定位节点的位置，并将所述位置通过坐标来表示，双等号“＝＝”表示判决左右两端是否相等。若判决式(10)成立，则停止迭代更新，不同于迭代终止条件-1和迭代终止条件-2中比较检测节点i自身前后两次迭代更新的目标位置向量重建结果或该结果所对应的待定位节点的位置是否一致，迭代终止条件-3是比较检测节点i与其邻居检测节点j∈N_i在当前迭代更新中的目标位置向量重建结果所对应的待定位节点的位置是否一致。

若上述迭代终止判决条件不满足，将继续执行下一步迭代更新过程(即t+1时刻)。

若迭代终止判决条件满足，将停止迭代更新过程，并将本次迭代更新的结果作为所述待定位节点的最终定位结果，即：

$\left\{({\hat{x}}^{\left(k\right)},{\hat{y}}^{\left(k\right)})\right|\left({{\widehat{\mathrm{\&theta;}}}_i=\widehat{\mathrm{\&theta;}}}_i\left(t\right)\right)\&GreaterEqual;\mathrm{\&lambda;}\}.---\left(11\right)$

其中，λ为目标定位判决门限，可根据稀疏向量中非零元素幅值来设定。

处理器101是检测节点1的控制中心，利用各种接口和线路连接整个检测节点1中的各个部分，处理器101根据所述接收器102接收到的测量数据，对待定位节点进行定位。可选的，处理器101可以包括一个或多个处理单元，还可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信，所述无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System of Mobilecommunication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA(Code Division Multiple Access，码分多址)、WCDMA(Wideband Code Division Multiple Access,宽带码分多址)、LTE(LongTerm Evolution,长期演进)、电子邮件、SMS(Short Messaging Service，短消息服务)等。可以理解的是，上述调制解调处理器也可以不集成到处理器101中。

需要说明的是，本领域技术人员可以理解，该检测节点1还可以包括存储器104，所述处理器101通过运行存储在存储器104的软件程序以及模块（例如用于存储所述测量数据的存储模块，对测量数据进行去相关处理的软件程序，对待定位节点的目标位置向量进行重建和平均一致性数据融合的迭代更新的软件程序等），从而执行检测节点1的各种功能应用以及数据处理。所述处理器101和接收器102、发送器103以及存储器104分别连接。

本领域技术人员可以理解，图7中示出的组成结构并不构成对检测节点的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本实施例提供的检测节点1可以使用在前述对应的目标定位方法，详情参见上述目标定位方法图3对应实施例的相关描述，在此不再赘述。

本领域普通技术人员可以理解为所述检测节点实施例所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。

综上所述，本发明实施例在无集中式融合中心或基站的场景下，将非集中式目标定位系统内各个检测节点均作为定位实体，并建立各检测节点之间的邻居关系，通过各检测节点与其邻居检测节点共享其所在位置处检测到的测量数据，采用基于压缩感知信号处理技术和平均一致性数据融合技术，通过多步迭代实现对待定位目标的定位。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能单元的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元完成，即将装置的内部结构划分成不同的功能单元，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明实施例所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明实施例各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）或处理器（processor）执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random AccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例各实施例技术方案的精神和范围。

Claims (13)

1.一种目标定位的方法，应用于包含若干个检测节点以及待定位节点的网络架构，其特征在于，所述方法包括：

所述检测节点与其所在区域范围内的其它检测节点建立邻居关系，与所述检测节点建立邻居关系后的所述其它检测节点为所述检测节点的邻居检测节点；

所述检测节点获取其邻居检测节点共享的测量数据，所述邻居检测节点共享的测量数据为各邻居检测节点在其所在位置对所述待定位节点进行检测获得的数据；

所述检测节点对所获取的其邻居检测节点共享的测量数据及其自身检测到的测量数据进行去相关处理获得处理结果，所述自身检测到的测量数据为所述检测节点在其所在位置对所述待定位节点进行检测获得的数据；

所述检测节点根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合，直至迭代更新的结果满足预设的迭代终止条件；

将该迭代更新得到的所述待定位节点的目标位置向量所对应的位置坐标信息作为所述待定位节点的最终定位结果。

2.如权利要求1所述的方法，其特征在于，所述检测节点对所获取的测量数据及其自身检测到的测量数据进行去相关处理获得处理结果具体包括：所述检测节点对所获取的测量数据及其自身检测到的测量数据根据以下公式进行去相关处理获得处理结果m_i：

m_i=T_iΦ_iΨθ+n_i；

其中，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数。

3.如权利要求1或2所述的方法，其特征在于，

所述检测节点根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合,直至迭代更新的结果满足预设的迭代终止条件具体包括:

根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新，向所述检测节点的邻居检测节点共享迭代更新的所述检测节点自身的目标位置向量重建结果，并获取所述检测节点的邻居节点共享的迭代更新的目标位置向量重建结果，并对所述检测节点的自身的目标位置向量重建结果与获取的所述检测节点的邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将权重求和的结果以及所述检测节点的自身的目标位置向量重建结果作为所述检测节点下一次迭代更新中目标位置向量重建的约束条件，直至迭代更新的结果满足预设的迭代终止条件。

4.如权利要求1或2所述的方法，其特征在于，所述检测节点根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合的公式为：

$t=0:{\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t,{||m_i-A_iθ_i(t)||₂≤ε}

$t>0:{\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

$s.t.,\left\{\begin{array}{c}{\left|\right|m_i-A_i{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_2\&le;\mathrm{\&epsiv;},\\ {\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{{j\&Element;N}_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}\end{array}\right\}$

其中，表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，t为时刻索引号用于指示当前时刻的迭代更新，当t=0时，即迭代更新的初始化时刻，s.t.,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε，ε表示误差容忍因子，m_i=A_iθ+n_i,A_i=T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，n_i表示测量加性噪声，i＝1,2...,L，L为检测节点的个数，当t>0时，s.t,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε和约束条件 ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{{j\&Element;N}_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;},$ 表示上一时刻检测节点i的目标位置向量重建结果，表示上一时刻检测节点i的邻居检测节点j的目标位置向量重建结果，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量的权重和，权重系数为 $w_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i\&NotEqual;j,{j\&Element;N}_i,\\ 1-{\mathrm{\&Sigma;}}_{{j\&Element;N}_i}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i=j,\\ 0,& i\&NotEqual;j,j\&NotElement;N_i.\end{array}\right.$ 其中，|N_i|和|N_j|分别表示检测节点i的邻居检测节点个数和其邻居检测节点j的邻居检测节点个数，i＝1,2...,L，L为检测节点的个数，j=1,2...g，g为检测节点i的邻居检测节点的个数，表示将上一时刻检测节点i的目标位置向量重建结果以及权重和的结果进行平均一致性数据融合， ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{{j\&Element;N}_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}$ 表示通过上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的平均一致性数据融合来约束当前时刻的目标位置向量进行重建，其中ξ表示约束因子。

5.如权利要求1至4任一项所述的方法，其特征在于，所述检测节点与其所在区域范围内的其它检测节点建立邻居关系具体包括：

所述检测节点将与其所在区域范围内距离小于或者等于预设距离门限的其它检测节点作为其邻居节点。

6.如权利要求1至5任一项所述的方法，其特征在于，所述预设的迭代终止条件包括：

所述检测节点前后两次迭代更新过程中获得的目标位置向量重建结果相等；

或者，所述检测节点前后两次迭代更新过程中获得的目标位置向量所对应的待定位节点的位置坐标信息相等；

或者，所述检测节点与其邻居节点在当前迭代更新过程中获得的目标位置向量所对应的待定位节点的位置坐标信息相等。

7.一种检测节点，应用于包含若干个检测节点以及待定位节点的网络架构，其特征在于，所述检测节点包括：

关系建立单元，用于与所述检测节点所在区域范围内的其它检测节点建立邻居关系，与所述检测节点建立邻居关系后的所述其它检测节点为所述检测节点的邻居检测节点；

数据获取单元，用于在所述关系建立单元与其它检测节点建立邻居关系后，获取其邻居检测节点共享的测量数据，以及在所述检测节点所在位置对所述待定位节点进行检测获得所述检测节点自身的测量数据，所述邻居检测节点共享的测量数据为各邻居检测节点在其所在位置对所述待定位节点进行检测获得的数据；

处理单元，用于对所述数据获取单元获取的其邻居检测节点共享的测量数据及所述检测节点自身的测量数据进行去相关处理获得处理结果，所述自身的测量数据为所述检测节点在其所在位置对所述待定位节点进行检测获得的数据；

定位单元，用于根据所述处理单元的处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合，直至迭代更新的结果满足预设的迭代终止条件；将该迭代更新得到的所述待定位节点的目标位置向量所对应的位置坐标信息作为所述待定位节点的最终定位结果。

8.如权利要求7所述的检测节点，其特征在于，所述处理单元具体用于根据以下公式对所述数据获取单元获取的其邻居检测节点共享的测量数据及自身的测量数据进行去相关处理获得处理结果m_i：

m_i=T_iΦ_iΨθ+n_i；

其中，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素,n_i表示测量加性噪声，i＝1,2...L，L为检测节点的个数。

9.如权利要求7或8所述的检测节点，其特征在于，所述定位单元用于根据所述处理单元的处理结果对待定位节点的目标位置向量进行重建的迭代更新，向所述检测节点的邻居检测节点共享迭代更新的所述检测节点自身的目标位置向量重建结果，并获取所述检测节点的邻居节点共享的迭代更新的目标位置向量重建结果，并对所述检测节点的自身的目标位置向量重建结果与获取的所述检测节点的邻居检测节点的目标位置向量重建结果的差异进行权重求和，以将权重求和的结果以及所述检测节点的自身的目标位置向量重建结果作为所述检测节点下一次迭代更新中目标位置向量重建的约束条件，直至迭代更新的结果满足预设的迭代终止条件；将该迭代更新得到的所述待定位节点的目标位置向量所对应的位置坐标信息作为所述待定位节点的最终定位结果。

10.如权利要求7、8或9所述的检测节点，其特征在于，所述定位单元用于采用以下公式根据所述处理结果对待定位节点的目标位置向量进行重建的迭代更新和平均一致性数据融合：

$t=0:{\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

s.t.,{||m_i-A_iθ_i(t)||₂≤ε}

$t>0:{\widehat{\mathrm{\&theta;}}}_i\left(t\right)=\arg \min \left\{{\left|\right|{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_1\right\}$

$s.t.,\left\{\begin{array}{c}{\left|\right|m_i-A_i{\mathrm{\&theta;}}_i\left(t\right)\left|\right|}_2\&le;\mathrm{\&epsiv;},\\ {\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{{j\&Element;N}_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}\end{array}\right\}$

其中，表示检测节点i在约束条件下求解令目标函数达到最小值的目标位置向量重建结果argmin后的{·}内为目标函数||θ_i(t)||₁表示未知的目标位置向量θ_i(t)的1范数，t为时刻索引号用于指示当前时刻的迭代更新，当t=0时，即迭代更新的初始化时刻，s.t,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε，ε表示误差容忍因子，m_i＝A_iθ+n_i,A_i＝T_iΦ_iΨ，m_i表示所述去相关处理获得的处理结果，Φ_i表示采样矩阵，所述采样矩阵中每一行只有一个元素取值为1而其它元素均为0，且其中一行取值为1的元素的位置对应为检测节点i在网格中的位置，其它各行中取值为1的元素的位置分别对应为所述检测节点i的邻居检测节点{j|j∈N_i}在网格中的位置，N_i为检测节点i的邻居检测节点的集合；T_i表示去相关矩阵，Ψ表示稀疏表示矩阵，θ表示目标位置向量，Ψθ表示所述待定位节点在网格内所有网格格点处的辐射信号向量，Φ_iΨθ表示测量数据向量,所述测量数据向量中包含表示检测节点i自身的测量数据的元素和表示检测节点i的邻居检测节点共享的测量数据的元素，ni表示测量加性噪声，i＝1,2...,L，L为检测节点的个数，当t>0时，s.t,后的{·}内为约束条件||m_i-A_iθ_i(t)||₂≤ε和约束条件 ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{{j\&Element;N}_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;},$ 表示上一时刻检测节点i的目标位置向量重建结果，表示上一时刻检测节点i的邻居检测节点j的目标位置向量重建结果，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量，表示上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的差异向量的权重和，权重系数为 $w_{\mathrm{ij}}=\left\{\begin{array}{cc}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i\&NotEqual;j,{j\&Element;N}_i,\\ 1-{\mathrm{\&Sigma;}}_{{j\&Element;N}_i}1/\left(\max \right\{\left|N_i\right|,\left|N_j\right|\}+1),& i=j,\\ 0,& i\&NotEqual;j,j\&NotElement;N_i.\end{array}\right.$ 其中，|N _i|和|N_j|分别表示检测节点i的邻居检测节点个数和其邻居检测节点j的邻居检测节点个数，i＝1,2...,L，L为检测节点的个数，j=1,2...g，g为检测节点i的邻居检测节点的个数，表示将上一时刻检测节点i的目标位置向量重建结果以及权重和的结果进行平均一致性数据融合， ${\left|\right|{\mathrm{\&theta;}}_i\left(t\right)-\{{\widehat{\mathrm{\&theta;}}}_i(t-1)+\underset{{j\&Element;N}_i}{\mathrm{\&Sigma;}}{w}_{\mathrm{ij}}[{\widehat{\mathrm{\&theta;}}}_j(t-1)-{\widehat{\mathrm{\&theta;}}}_i(t-1)\left]\right\}\left|\right|}_2\&le;\mathrm{\&xi;}$ 表示通过上一时刻检测节点i和其邻居检测节点j的目标位置向量重建结果的平均一致性数据融合来约束当前时刻的目标位置向量进行重建，其中ξ表示约束因子。

11.如权利要求7至10任一项所述的检测节点，其特征在于，所述关系建立单元具体用于，将与所述检测节点所在区域范围内距离小于或者等于预设距离门限的其它检测节点作为其邻居节点。

12.如权利要求7至11任一项所述的检测节点，其特征在于，所述预设的迭代终止条件包括：

所述检测节点前后两次迭代更新过程中获得的目标位置向量重建结果相等；

或者，所述检测节点前后两次迭代更新过程中获得的目标位置向量所对应的待定位节点的位置坐标信息相等；

或者，所述检测节点与其邻居节点在当前迭代更新过程中获得的目标位置向量所对应的待定位节点的位置坐标信息相等。

13.一种目标定位的系统，其特征在于，所述系统包含若干个如权利要求7至12任一项所述的检测节点以及至少一个待定位节点。