CN106376078A - 基于rss的二维无线传感器网络半定规划定位算法 - Google Patents
基于rss的二维无线传感器网络半定规划定位算法 Download PDFInfo
- Publication number
- CN106376078A CN106376078A CN201610751759.2A CN201610751759A CN106376078A CN 106376078 A CN106376078 A CN 106376078A CN 201610751759 A CN201610751759 A CN 201610751759A CN 106376078 A CN106376078 A CN 106376078A
- Authority
- CN
- China
- Prior art keywords
- sensor network
- wireless sensor
- optimization problem
- signal
- energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/14—Determining absolute distances from a plurality of spaced points of known location
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种基于RSS的二维无线传感器网络半定规划定位算法,包括:设不存在非视距通信,通过建立如下式的能量信号传播模型完成对信号能量参数的测量;在满足能量信号测量噪声服从高斯概率分布的情况下,将无线传感器网络目标节点定位问题转化为最大似然估计(MLE)的数学优化问题进行求解;建立优化的目标函数;通过引入冗余变量将优化问题转化为约束优化问题,接着,通过应用半定松弛(SDR)方法将得到的约束优化问题进一步转化为半定规划(SDP)凸优化问题进行求解。本发明可以提高对目标节点的定位精度。
Description
技术领域
本发明属于无线传感器网络定位领域,涉及半定规划(SDP)凸优化方法在二维无线传感器网络目标节点定位中的应用。
背景技术
近些年,无线传感器网络(WSNs)在目标追踪、入侵监测、能效路由、地下和水下勘测等各种领域的应用都得到了飞速发展。在无线传感器网络中,通常把传感器节点布置在一定区域内来获取环境的温度、压力、湿度、风速等相关数据,这些数据和目标节点位置信息有助于智能系统的设计。因此,在无线传感器网络中,节点位置信息的获取至关重要。
无线传感器网络(WSNs)定位可以分为基于测距的定位算法和基于非测距的定位算法。虽然,基于测距的定位算法相对于非测距的定位算法成本略高,但是,其对目标节点定位的高精度特点使其在无线传感器网络定位中的应用更为广泛。根据信号测量的不同,主要把基于测距的无线传感器网络定位分为RSS(received signal strength),TDOA(timedifference of arrival),TOA(time of arrival)和AOA(angle of arrival)四种方法。定位方法的选取主要考虑定位精度和定位复杂度两个因素。基于TOA或TDOA的定位方法需要网络节点之间满足时间同步,而基于AOA的定位方法要求在参考节点上布置天线阵列,同时阵列信号处理过程复杂,从而提高了这三种方法的定位复杂度和定位成本。相比之下,基于RSS的定位方法不要求网络节点之间满足时间同步,对硬件设备的要求低,信号处理过程也相对简单,从而降低了此种方法的定位成本和定位复杂度,使其在无线传感器网络定位中得到广泛应用。
近年来,为了获取较高的定位精度,大多数基于RSS测量的无线传感器网络目标源定位都是将定位过程转化为最大似然估计(MLE)优化问题。为了求解该MLE优化问题,可以利用文献[8]中提出的DFP方法,也可以通过传统的牛顿迭代法求解该问题,然而,由于MLE的目标函数具有高非线性和非凸性,迭代法求解不仅会使定位误差累计,而且容易收敛到局部最优解,得不到该问题的全局最优解。为了解决该问题,Z.Ding等人通过应用极小化极大准则和半定松弛技术(SDR)将MLE优化问题转化为半定规划(SDP)问题进行求解,该方法能够在一定程度上提高定位精度,但是其定位鲁棒特性较差;为了提高对目标节点定位的鲁棒特性,SlavisaTomic等人将MLE问题进行近似处理,然后转化为二阶锥规划(SOCP)问题进行求解,但是,当目标节点位于参考节点构成的凸集之外时,该算法的定位性能下降。
发明内容
本发明的目的是提供一种定位精度高,鲁棒性好的基于RSS的二维无线传感器网络半定规划定位算法。本发明的技术方案如下:
一种基于RSS的二维无线传感器网络半定规划定位算法,包括以下几个步骤:
第一步:设在无线传感器网络中参考节点和待定位的目标节点之间不存在遮挡物,即不存在非视距通信,通过建立如下式的能量信号传播模型完成对信号能量参数的测量S:
10log Si=10logPT-10·β·log||Xi-X||+ni
其中β是路径衰减指数,ni为信号传输噪声并假设其服从高斯分布,即Si是信号接收能量,PT是信号发射能量,X是目标节点的位置坐标,Xi是参考节点的位置坐标,N是参考节点的个数。
第二步:在满足能量信号测量噪声服从高斯概率分布的情况下,将无线传感器网络目标节点定位问题转化为最大似然估计(MLE)的数学优化问题进行求解,为后续步骤提供优化的目标函数:
式中,设定σi=σ;
第三步:当成立时,得到新的优化目标函数如下:
式中,其中qi满足
第四步:在第三步得到的新目标函数的基础上,通过引入冗余变量Ki=ri 2=||X-Xi||2,i=1,2,...,N将优化问题转化为约束优化问题,接着,通过应用半定松弛(SDR)方法将得到的约束优化问题进一步转化为半定规划(SDP)凸优化问题进行求解。
本发明首先通过构建能量信号的对数衰减模型来完成对信号能量的测量;然后,基于获得的能量信息将该定位问题转化为最大似然估计(MLE)优化问题,同时,采用泰勒级数近似对MLE目标函数进行线性化处理,并通过引入冗余变量和半定松弛(SDR)技术将该优化问题转化为半定规划(SDP)凸优化问题。本发明不仅可以在参考节点个数有限的情况下完成对目标节点的高精度定位,而且对目标节点位置估计的鲁棒特性更加稳定,除此之外,本发明还可以解决已有算法定位精度依赖目标节点位置的问题,无论目标节点位于参考节点组成的凸集之内还是凸集之外,都可以实现对目标节点的高精度定位。
附图说明
图1是示出了网络结构示意图。
图2是示出了不同算法的定位性能比较。
图3是示出了不同算法估计误差的CDF曲线图,σ=1dB。
图4是示出了不同算法定位均方误差随参考节点数量N变化曲线图,σ=1dB。
图5是示出了目标节点位置对不同算法定位性能的影响。
具体实施方式
本发明中的二维无线传感器网络参考节点采用圆形的分布形式如图1,即参考节点布置在一个半径为rad的圆形区域内,其中,参考节点个数设为N,参考节点的位置坐标表示为:
我们将通过MATLAB对提出的定位算法进行Mc=1000次蒙特卡洛仿真试验,并与已有的定位算法和CRLB进行对比。仿真过程中设定目标节点发射功率PT=1000,路径损耗系数β=3。我们主要使用定位均方根误差(RMSE)来对本发明提出算法和已有算法进行对比评价。RMSE的表达式如下。
其中(x,y)是通过计算得到的标签坐标,(x0,y0)为标签的真实坐标。
下面结合技术方案详细说明本发明:
一、建立无线信号能量传播模型
本发明考虑的是二维WSNs,其中包括N个参考节点和一个待定位的目标节点,N个参考节点分别表示为X1,X2,...,XN,待定位的目标节点表示为X。假定WSNs中所有参考节点与目标节点之间不存在非视距,如果目标节点X发射的信号功率为PT,那么,参考节点Xi接收到的信号功率Si可以表示为:
其中β是路径衰减指数,ni为信号传输噪声并假设其服从高斯分布,即在对数正态衰减模型下,接收信号能量(RSS)的dB模型可以表示为:
10log Si=10log PT-10·β·log||Xi-X||+ni (2)
二、目标节点的最大似然估计
在满足能量信号测量噪声服从高斯概率分布的情况下,由式(2)可以得到如下条件概率密度函数:
为了定位目标节点,可以得到目标节点X的最大似然估计为:
其中为了分析简单,本发明设定σi=σ。
三、目标函数的线性化处理
由于式(4)的目标函数中含有对数函数,这导致其具有高非线性的特点,所以需要将对数函数进行近似处理。根据数学优化理论和泰勒级数近似处理理论可知,当成立时,可以对式(4)中的目标函数进行推导得到新的优化目标函数如下:
其中qi满足
四、半定规划凸优化问题
由于二次项的存在使得式(5)中的目标函数为非凸的,应用传统的迭代算法容易收敛到局部最优解,得不到问题全局最优解,而基于半定规划的凸优化算法能够解决该问题,所以,可以把基于RSS的二维无线传感器网络定位问题转化为基于半定规划的凸优化问题进行求解。
首先,通过引入冗余变量Ki=ri 2=||X-Xi||2,i=1,2,...,N可以将式(5)表示成如下约束优化问题:
s.t.Ki=ri 2=||X-Xi||2,i=1,2,...,N. (6)
然后,为了进行求解,可以通过应用半定松弛技术(SDR)将上述基于RSS的约束优化问题转化为半定规划(SDP)凸优化问题,如下:
s.t.Ki=Trace(χiY),
i=1,2,...,N,
θ=[XT,1]T,
Y(3,3)=1. (7)
其中,XT表示矩阵X的转置,通过使用Matlab工具包中集成的SeDuMi方法来求得半定规划SDP凸优化问题的最优解,从而完成对目标节点的定位。
为了直观的验证本发明定位性能优于现有算法,图2画出了本发明和现有SOCP、SDP两种方法随着能量测量噪声偏差σ的变化曲线图,其中设置参考节点个数N=6,目标节点坐标为X=[0,1.5]T(位于参考节点组成的凸集之内)。从图中可以看出,在噪声偏差σ较大时,SOCP算法定位性能优于SDP算法和本发明算法,而且,其定位误差低于CRLB,这是因为SOCP算法属于有偏估计,而CRLB是无偏估计的理论下界。但是,当噪声较小时,本发明中的算法定位性能明显优于其它两种算法,而且从整体上看,本发明算法基本贴合CRLB。
为了证实本发明在无线传感器网络定位中具有更稳定的鲁棒特性,图3中画出了三种方法定位误差的累积概率(CDF)分布曲线图,其中设定σ=1dB。从图中可以看出,在进行的1000次仿真实验中,本发明所提算法定位误差接近CRLB的概率约为85%,因此可以证明本发明鲁棒性更稳定。
图4为三种算法RMSE随着参考节点个数变化的曲线图,其中噪声偏差设置为σ=1dB,目标节点坐标设为X=[0,1.5]T(位于参考节点凸集内)。从图上可以看出,本发明定位性能随着参考节点个数的增加有了明显提高,而且越来越接近CRLB,而另外两种算法定位性能随参考节点数目增加提高程度与本发明算法相比较弱;除此之外,还可以看出本发明在无线传感器网络中只有2个参考节点的情况下,定位误差约为1米,这说明本发明在参考节点个数有限时能够完成对目标节点的高精度定位,从而实现降低定位成本的目的。
图5为研究目标节点位置对三种定位算法的定位特性影响的仿真图。我们分别设置目标节点坐标为X=[0,1.5]T(位于参考节点组成的凸集内)和X=[30,30]T(位于参考节点组成的凸集外)。从图中可以看出,当目标节点位于凸集之内时,三种优化算法定位特性明显优于目标节点位于凸集之外的情况。除此之外,无论目标节点位于凸集之内还是凸集之外,本发明定位精度相对于其他两种算法较高。
Claims (1)
1.一种基于RSS的二维无线传感器网络半定规划定位算法,包括以下几个步骤:
第一步:设在无线传感器网络中参考节点和待定位的目标节点之间不存在遮挡物,即不存在非视距通信,通过建立如下式的能量信号传播模型完成对信号能量参数的测量S:
10log Si=10log PT-10·β·log||Xi-X||+ni
其中β是路径衰减指数,ni为信号传输噪声并假设其服从高斯分布,即Si是信号接收能量,PT是信号发射能量,X是目标节点的位置坐标,Xi是参考节点的位置坐标,N是参考节点的个数。
第二步:在满足能量信号测量噪声服从高斯概率分布的情况下,将无线传感器网络目标节点定位问题转化为最大似然估计(MLE)的数学优化问题进行求解,为后续步骤提供优化的目标函数:
式中,设定σi=σ;
第三步:当成立时,得到新的优化目标函数如下::
式中,其中qi满足
第四步:在第三步得到的新目标函数的基础上,通过引入冗余变量i=1,2,...,N将优化问题转化为约束优化问题,接着,通过应用半定松弛(SDR)方法将得到的约束优化问题进一步转化为半定规划(SDP)凸优化问题进行求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610751759.2A CN106376078A (zh) | 2016-08-27 | 2016-08-27 | 基于rss的二维无线传感器网络半定规划定位算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610751759.2A CN106376078A (zh) | 2016-08-27 | 2016-08-27 | 基于rss的二维无线传感器网络半定规划定位算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106376078A true CN106376078A (zh) | 2017-02-01 |
Family
ID=57903917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610751759.2A Pending CN106376078A (zh) | 2016-08-27 | 2016-08-27 | 基于rss的二维无线传感器网络半定规划定位算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106376078A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109342993A (zh) * | 2018-09-11 | 2019-02-15 | 宁波大学 | 基于RSS-AoA混合测量的无线传感器网络目标定位方法 |
CN109597023A (zh) * | 2018-12-10 | 2019-04-09 | 中国人民解放军陆军工程大学 | 基于nlos误差消除的半定规划的定位方法 |
CN110221245A (zh) * | 2019-05-28 | 2019-09-10 | 宁波大学 | 联合估计目标位置和非视距误差的鲁棒tdoa定位方法 |
CN110221244A (zh) * | 2019-05-24 | 2019-09-10 | 宁波大学 | 非视距条件下基于到达时间差的鲁棒定位方法 |
CN110673089A (zh) * | 2019-08-23 | 2020-01-10 | 宁波大学 | 未知视距和非视距分布情况下基于到达时间的定位方法 |
CN110996248A (zh) * | 2019-10-30 | 2020-04-10 | 中国计量大学上虞高等研究院有限公司 | 一种基于rss的凸优化无线传感器网络定位方法 |
CN112867144A (zh) * | 2021-01-06 | 2021-05-28 | 宁波工程学院 | 一种基于半定规划的无线传感器网络rss定位算法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890265A (zh) * | 2012-08-09 | 2013-01-23 | 西北工业大学 | 一种基于水下声传感器网络的目标被动定位方法 |
-
2016
- 2016-08-27 CN CN201610751759.2A patent/CN106376078A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890265A (zh) * | 2012-08-09 | 2013-01-23 | 西北工业大学 | 一种基于水下声传感器网络的目标被动定位方法 |
Non-Patent Citations (4)
Title |
---|
MOHAMMAD REZA GHOLAMI等: "RSS-Based Sensor Localization in the Presence of Unknown Channel Parameters", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
TAO XU等: "RSS-BASED SENSOR LOCALIZATION IN UNDERWATER ACOUSTIC SENSOR NETWORKS", 《2016 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP)》 * |
颜世豪: "无线网络定位技术与定位验证系统应用研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
黎慧等: "基于凸半定规划的接收信号强度测距的合作式定位方案", 《科学技术与工程》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109342993A (zh) * | 2018-09-11 | 2019-02-15 | 宁波大学 | 基于RSS-AoA混合测量的无线传感器网络目标定位方法 |
CN109597023A (zh) * | 2018-12-10 | 2019-04-09 | 中国人民解放军陆军工程大学 | 基于nlos误差消除的半定规划的定位方法 |
CN110221244A (zh) * | 2019-05-24 | 2019-09-10 | 宁波大学 | 非视距条件下基于到达时间差的鲁棒定位方法 |
CN110221245A (zh) * | 2019-05-28 | 2019-09-10 | 宁波大学 | 联合估计目标位置和非视距误差的鲁棒tdoa定位方法 |
CN110221245B (zh) * | 2019-05-28 | 2022-04-19 | 宁波大学 | 联合估计目标位置和非视距误差的鲁棒tdoa定位方法 |
CN110673089A (zh) * | 2019-08-23 | 2020-01-10 | 宁波大学 | 未知视距和非视距分布情况下基于到达时间的定位方法 |
CN110673089B (zh) * | 2019-08-23 | 2021-06-15 | 宁波大学 | 未知视距和非视距分布情况下基于到达时间的定位方法 |
CN110996248A (zh) * | 2019-10-30 | 2020-04-10 | 中国计量大学上虞高等研究院有限公司 | 一种基于rss的凸优化无线传感器网络定位方法 |
CN110996248B (zh) * | 2019-10-30 | 2021-07-02 | 中国计量大学上虞高等研究院有限公司 | 一种基于rss的凸优化无线传感器网络定位方法 |
CN112867144A (zh) * | 2021-01-06 | 2021-05-28 | 宁波工程学院 | 一种基于半定规划的无线传感器网络rss定位算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106376078A (zh) | 基于rss的二维无线传感器网络半定规划定位算法 | |
CN102395192B (zh) | 一种无线传感终端的定位方法和装置 | |
CN107690184A (zh) | 联合tdoa‑aoa无线传感器网络半定规划定位方法 | |
CN106019217A (zh) | 基于aoa的二维无线传感器网络半定规划定位方法 | |
Yan et al. | An improved NLOS identification and mitigation approach for target tracking in wireless sensor networks | |
CN105334495B (zh) | 一种无线网络中基于信号到达时间的非视距稳健定位方法 | |
CN110333480A (zh) | 一种基于聚类的单无人机多目标aoa定位方法 | |
Cai et al. | Ensemble learning particle swarm optimization for real-time UWB indoor localization | |
CN107607935A (zh) | 一种基于共轭梯度法的室内定位方法 | |
CN108152789A (zh) | 利用rss信息的无源多站多目标数据关联与定位方法 | |
CN107588775A (zh) | 一种新型室内定位方法 | |
CN108737952A (zh) | 基于rssi测距改进的多边形加权质心定位方法 | |
Wang et al. | A study on the optimization nodes arrangement in UWB localization | |
CN103399314A (zh) | 稀疏参考标签下的无收发器对象定位追踪方法 | |
Li et al. | Cramer-rao lower bound analysis of data fusion for fingerprinting localization in non-line-of-sight environments | |
Olesiński et al. | An adaptive energy saving algorithm for an rssi-based localization system in mobile radio sensors | |
CN109932690A (zh) | 一种基于接收信号强度的多目标水声定位方法 | |
CN104469939B (zh) | 基于rss统计分布分块区域误差限的wlan定位网络优化方法 | |
Moschitta et al. | Analysis of simultaneous 3D positioning and attitude estimation of a planar coil using inductive coupling | |
Jiang et al. | Localization algorithm based on iterative centroid estimation for wireless sensor networks | |
CN108957395A (zh) | 一种隧道内噪声免疫的移动目标三维定位方法 | |
CN106455059A (zh) | 一种室内定位的方法及装置 | |
Kehua et al. | An indoor positioning technology based on GA-BP neural network | |
Pereira | Positioning systems for underground tunnel environments | |
Wang et al. | [Retracted] Simulation Test of Wireless Underground Sensor Network in Stadiums |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170201 |
|
RJ01 | Rejection of invention patent application after publication |