CN110087310B - 一种干扰环境下无线定位网络资源分配方法 - Google Patents
一种干扰环境下无线定位网络资源分配方法 Download PDFInfo
- Publication number
- CN110087310B CN110087310B CN201910397092.4A CN201910397092A CN110087310B CN 110087310 B CN110087310 B CN 110087310B CN 201910397092 A CN201910397092 A CN 201910397092A CN 110087310 B CN110087310 B CN 110087310B
- Authority
- CN
- China
- Prior art keywords
- node
- positioning
- signal
- interference
- target node
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- 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
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种干扰环境下无线定位网络资源分配方法,具体为:给定一个无线定位网络;求出每一个目标节点接收信号的信干噪比,构造筛选模型;采用泰勒线性法处理筛选模型,获得信干噪比松弛向量;筛选出能够有效定位的目标节点;确定锚节点发射信号的波形,求出目标节点接收信号等效带宽和定位信息强度;构造最小平方定位误差模型;处理定位误差模型,得到最小定位误差和最优资源分配。本发明通过对锚节点与干扰节点进行联合资源分配,不但能够保证定位网络与定位无关网络的正常运行,而且降低了无线定位网络的定位误差,另外在模型中对接收信号的信干噪比作出约束,使得定位网络具有更强的鲁棒性。
Description
技术领域
本发明属于通信领域,涉及室内定位技术领域,具体涉及一种干扰环境下无线定位网络资源分配方法。
背景技术
室内无线定位技术是指在室内环境中实现位置定位,主要采用无线通讯、基站定位、惯导定位等多种技术集成形成一套室内位置定位体系,从而实现人员、物体等在室内空间中的位置监控。常见的室内无线定位技术还有:Wi-Fi、蓝牙、红外线、超宽带、RFID、ZigBee和超声波定位技术。
定位精度是评价一个无线定位网络性能的核心标准,而影响定位精度的因素有许多,其中包括锚节点的密度和信号发射的功率。无论是增加锚节点的数量,还是增大信号发射功率,都是高成本、高复杂度的做法。因此,在资源受限和低复杂度的要求下,对系统资源优化分配将是提高定位精度的有效途径。
随着研究的深入,室内无线定位网络中分配的资源种类越来越多。但是,它们都忽略了定位网络附近可能存在其他网络,而这些与定位无关的网络往往会给定位带来干扰。这些干扰不仅降低了定位精度,而且会影响目标节点对锚节点信号的识别。
所以,需要一个新的技术方案来解决上述问题。
发明内容
发明目的:为了克服现有技术中存在的不足,提供一种干扰环境下无线定位网络资源分配方法,通过将资源分配问题转化为两个非线性约束问题,然后利用泰勒线性法依次对两个模型进行求解,从而得到无线定位网络的最优资源分配,提高定位精度。
技术方案:为实现上述目的,本发明提供了一种干扰环境下无线定位网络资源分配方法,包括步骤如下:
1)给定一个无线定位网络,目标节点的坐标Oi=[xi,yi]T,i=1,2,…,Na,锚节点的坐标Aj=[xi,yi]T,j=1,2,…,Nb,干扰节点位置Jk=[xi,yi]T,k=1,2,…,Nc;
2)求出每一个目标节点接收信号的信干噪比SINRi,构造筛选模型;
3)采用泰勒线性法处理筛选模型,获得信干噪比松弛向量ρ;
4)根据松弛阈值条件ε,筛选出能够有效定位的目标节点Ol',l=0,1,…,Nd且Nd≤Na;
5)确定锚节点发射信号的波形s(t),求出目标节点接收信号等效带宽η和定位信息强度λij;
6)求出每一个能够有效定位目标节点的平方定位误差El,l=0,…,Nd,构造最小平方定位误差模型;
进一步地,所述步骤2中每一个目标节点接收信号的信干噪比其中 dij是目标节点i与锚节点j之间的距离,dik是目标节点i与干扰节点k之间的距离,zj是锚节点j的发射功率,pk为干扰节点k的发射功率。构造筛选模型:
subject to zmin≤zj≤zmax
pmin≤pk≤pmax
SINRi≥SINRthr-ρi
0≤ρi≤SINRthr
其中,ρi是目标节点i接收信号的信干噪比的松弛量,ρi越大表明该目标节点的信干噪比越低。
a)设置迭代次数n=0,收敛阈值μthr,均匀地选取初始点μn;
b)将约束条件中的SINRi替换为其在μn处的一阶泰勒展开,其具体如下:
c)在约束变量中引入关于μ的置信区间||μ-μn||2≤σ;
d)采用非线性规划求解这个最优化问题,得到Δμ;
e)更新迭代次数n=n+1,μn=μn-1+Δμ;
f)若||Δμ||2≥||μthr||2,转到b),否则,结束并输出ρ。
进一步地,所述步骤4中根据松弛阈值条件ε,筛选出能够有效定位的目标节点Ol'的方法为:将松弛向量ρ的每一项依次与ε比较,若ρi<ε,将对应Oi记为能够有效定位,否则记为不可有效定位。遍历ρ后得到能够有效定位的目标节点Ol',l=0,…,Nd且Nd≤Na。
subject to zmin≤zj≤zmax
fmin≤fj≤fmax
bmin≤bj≤bmax
pmin≤pk≤pmax
SINRi≥SINRthr-ε
其中,bj和fj分别是锚节点j发射信号的带宽和载频。
A)设置迭代次数n=0,收敛阈值θthr,均匀地选取初始点θn;
B)将约束条件中的SINRi替换为其在θn处的一阶泰勒展开,其具体如下:
C)将目标函数中的El替换为其在θn处的一阶泰勒展开,其具体如下:
D)在约束变量中引入关于θ的置信区间||θ-θn||2≤σ';
E)采用非线性规划求解这个最优化问题,得到Δθ;
F)更新迭代次数n=n+1,θn=θn-1+Δθ;
本发明方法可应用于干扰环境下的目标定位,通过对目标节点接收信号的分析,将资源分配问题建模成两个非线性约束问题,然后利用凸优化理论中的泰勒线性法推导出具体迭代步骤,得到最优资源分配。
本发明在无线定位网络资源分配中,通过对目标节点进行预筛选,对干扰网络的资源分配,对接收信号信干噪比的约束,提高了定位系统的资源利用率,并且在提高定位精度的同时保证了定位系统的鲁棒性。
有益效果:本发明与现有技术相比,具有以下优点:
1、本发明对待定位的目标节点进行预筛选,抛弃了无效目标节点,提高了定位系统资源利用率。
2、本发明引入了对干扰网络的资源分配,更加逼近实际室内环境,提高了定位系统的定位精度。
3、本发明通过增加对接收信号信干噪比的约束,避免了由于信干噪比过低导致目标节点无法识别锚节点所发射的信号,增强了定位系统的鲁棒性。
4、本发明采用泰勒线性法对模型进行求解,能够有效降低定位误差,同时降低资源分配过程中的计算量,达到较好的定位效果。
附图说明
图1为干扰环境下无线定位示意图;
图2为不同资源分配方法的定位效果对比图,其中衡量指标采用的是平方定位误差(SPEB);
图3为本发明的整体的算法流程图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明。
实施例1:
如图1和图3所示,本发明提供一种无线定位网络资源分配的方法,包括如下步骤:
1)给定一个无线定位网络,目标节点的坐标Oi=[xi,yi]T,i=1,2,…,Na,锚节点的坐标Aj=[xi,yi]T,j=1,2,…,Nb,干扰节点位置Jk=[xi,yi]T,k=1,2,…,Nc。
subject to zmin≤zj≤zmax
pmin≤pk≤pmax
SINRi≥SINRthr-ρi
0≤ρi≤SINRthr
其中,ρi是目标节点i接收信号的信干噪比的松弛量,ρi越大表明该目标节点的信干噪比越低。
a)设置迭代次数n=0,收敛阈值μthr,均匀地选取初始点μn;
b)将约束条件中的SINRi替换为其在μn处的一阶泰勒展开,其具体如下:
c)在约束变量中引入关于μ的置信区间||μ-μn||2≤σ;
d)采用非线性规划求解这个最优化问题,得到Δμ;
e)更新迭代次数n=n+1,μn=μn-1+Δμ;
f)若||Δμ||2≥||μthr||2,转到步骤b,否则,结束并输出ρ;
4)根据松弛阈值条件ε,筛选出能够有效定位的目标节点Ol'的方法为:将松弛向量ρ的每一项依次与ε比较,若ρi<ε,将对应Oi记为能够有效定位,否则记为不可有效定位,遍历ρ后得到能够有效定位的目标节点Ol',l=0,…,Nd且Nd≤Na。
5)确定锚节点发射信号的波形s(t),求出目标节点接收信号等效带宽η和定位信息强度λij。这里假设锚节点发射信号的波形s(t)为sinc波形,其满足且∫|s(f)|2df=1,其中s(f)是锚节点发射信号s(t)的傅里叶变换,目标节点接收信号等效带宽信息强度其中ξij是与信号传播信道相关的因子,在室内环境中,本实施例选取ξij=104。
subject to zmin≤zj≤zmax
fmin≤fj≤fmax
bmin≤bj≤bmax
pmin≤pk≤pmax
SINRi≥SINRthr-ε
其中,bj和fj分别是锚节点j发射信号的带宽和载频。
A)设置迭代次数n=0,收敛阈值θthr,均匀地选取初始点θn;
B)将约束条件中的SINRi替换为其在θn处的一阶泰勒展开,其具体如下:
C)将目标函数中的El替换为其在θn处的一阶泰勒展开,其具体如下:
D)在约束变量中引入关于θ的置信区间||θ-θn||2≤σ';
E)采用非线性规划求解这个最优化问题,得到Δθ;
F)更新迭代次数n=n+1,θn=θn-1+Δθ;
实施例2:
在[0,10]x[0,10]的方形区域中,随机生成了1~10个目标节点。如图2所示,横坐标Na表示目标节点数目,纵坐标Total SPEB表示这Na个目标节点的定位误差和。分别利用JPSA、JPBA、和本文的RA方法对定位系统进行资源分配,很显然本文的RA方法的定位误差和最小,定位效果最佳。
Claims (6)
1.一种干扰环境下无线定位网络资源分配方法,其特征在于:包括如下步骤:
1)给定一个无线定位网络,目标节点的坐标Oi=[xi,yi]T,i=1,2,…,Na,锚节点的坐标Aj=[xj,yj]T,j=1,2,…,Nb,干扰节点位置Jk=[xk,yk]T,k=1,2,…,Nc;
2)求出每一个目标节点接收信号的信干噪比SINRi,构造筛选模型;
3)采用泰勒线性法处理筛选模型,获得信干噪比松弛向量ρ;
4)根据松弛阈值条件ε,筛选出能够有效定位的目标节点O′l,l=0,1,…,Nd,且Nd≤Na;
5)确定锚节点发射信号的波形s(t),求出目标节点接收信号等效带宽η和定位信息强度λij;
6)求出每一个能够有效定位目标节点的平方定位误差El,l=0,…,Nd,构造最小平方定位误差模型;
所述步骤2中每一个目标节点接收信号的信干噪比其中 dij是目标节点i与锚节点j之间的距离,dik是目标节点i与干扰节点k之间的距离,zj是锚节点j的发射功率,pk为干扰节点k的发射功率,构造筛选模型:
subject to zmin≤zj≤zmax
pmin≤pk≤pmax
SINRi≥SINRthr-ρi
0≤ρi≤SINRthr
其中,ρi是目标节点i接收信号的信干噪比的松弛量,ρi越大表明该目标节点的信干噪比越低。
3.根据权利要求1所述的一种干扰环境下无线定位网络资源分配方法,其特征在于:所述步骤4中根据松弛阈值条件ε,筛选出能够有效定位的目标节点O′l的方法为:将松弛向量ρ的每一项依次与ε比较,若ρi<ε,将对应Oi记为能够有效定位,否则记为不可有效定位,遍历ρ后得到能够有效定位的目标节点O′l,l=0,…,Nd且Nd≤Na。
A)设置迭代次数n=0,收敛阈值θthr,均匀地选取初始点θn;
B)将约束条件中的SINRi替换为其在θn处的一阶泰勒展开,其具体如下:
C)将目标函数中的El替换为其在θn处的一阶泰勒展开,其具体如下:
D)在约束变量中引入关于θ的置信区间||θ-θn||2≤σ';
E)采用非线性规划求解这个最优化问题,得到Δθ;
F)更新迭代次数n=n+1,θn=θn-1+Δθ;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910397092.4A CN110087310B (zh) | 2019-05-14 | 2019-05-14 | 一种干扰环境下无线定位网络资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910397092.4A CN110087310B (zh) | 2019-05-14 | 2019-05-14 | 一种干扰环境下无线定位网络资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110087310A CN110087310A (zh) | 2019-08-02 |
CN110087310B true CN110087310B (zh) | 2021-01-26 |
Family
ID=67420112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910397092.4A Active CN110087310B (zh) | 2019-05-14 | 2019-05-14 | 一种干扰环境下无线定位网络资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110087310B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112637952B (zh) * | 2021-03-03 | 2021-06-22 | 南京天创电子技术有限公司 | 一种无线协作定位网络功率分配的方法 |
CN113597008B (zh) * | 2021-07-29 | 2024-04-12 | 上海大学 | 基于ddpg的无线定位网络的资源优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109302673A (zh) * | 2018-11-06 | 2019-02-01 | 广州杰赛科技股份有限公司 | 一种定位方法、装置及计算机可读存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2320593A1 (en) * | 2009-11-09 | 2011-05-11 | ST-Ericsson SA | Method to estimate a signal to interference plus noise ratio based on selection of the samples and corresponding processing system |
EP2869644B1 (en) * | 2013-10-31 | 2017-12-27 | Alcatel Lucent | A communications system, an access network node and a method of optimising energy consumed in a communication network |
CN106443647A (zh) * | 2016-09-21 | 2017-02-22 | 深圳信息职业技术学院 | 一种基于侦听的测距方法及系统 |
CN106788812B (zh) * | 2016-12-06 | 2019-11-19 | 江苏科技大学 | 一种两层网络中基于分簇的干扰对齐方法 |
CN106714301B (zh) * | 2016-12-23 | 2020-09-18 | 深圳信息职业技术学院 | 一种无线定位网络中的载波优化方法 |
CN107656257B (zh) * | 2017-09-28 | 2021-03-23 | 西安电子科技大学 | 一种弹载mimo雷达波形协方差矩阵的优化设计方法 |
-
2019
- 2019-05-14 CN CN201910397092.4A patent/CN110087310B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109302673A (zh) * | 2018-11-06 | 2019-02-01 | 广州杰赛科技股份有限公司 | 一种定位方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110087310A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110087310B (zh) | 一种干扰环境下无线定位网络资源分配方法 | |
CN109996168B (zh) | 一种获取终端位置的方法及装置 | |
CN105430664B (zh) | 一种基于分类拟合预测传播路损的方法和装置 | |
CN107949054A (zh) | 基于深度学习可见光室内高精度指纹定位方法 | |
CN109302714A (zh) | 基于用户数据实现基站位置研判及越区覆盖识别的方法 | |
CN111935629B (zh) | 一种基于环境特征迁移的自适配定位方法 | |
CN112881979B (zh) | 一种基于ekf滤波的初始状态自适应融合定位方法 | |
KR102154273B1 (ko) | 다중 안테나 적용 통신 시스템에서 부분 간섭 정렬 장치 및 방법 | |
CN106714301B (zh) | 一种无线定位网络中的载波优化方法 | |
CN103987118A (zh) | 基于接收信号强度信号ZCA白化的接入点k-means聚类方法 | |
CN110769499B (zh) | 一种基于双射频混合rssi指纹定位方法 | |
Brown et al. | Private 5G mobile networks for industrial IoT | |
CN107071894B (zh) | 一种基于WiFi的室内定位优化算法 | |
CN110290466A (zh) | 楼层判别方法、装置、设备及计算机存储介质 | |
CN112995893B (zh) | 一种指纹定位方法、系统、服务器和存储介质 | |
CN105099587A (zh) | 移动场景下认知无线电频谱感知系统检测性能参量获得方法 | |
CN109740766A (zh) | 一种工业设备维护服务规划方法 | |
Jornod et al. | Packet inter-reception time conditional density estimation based on surrounding traffic distribution | |
EP3696998B1 (en) | Method and apparatus for communication environment analysis and network design considering radio wave incoming unit of structure | |
KR101673519B1 (ko) | 지식기반을 활용한 수중음파 통신환경 설정 시스템 및 그 방법 | |
Lv et al. | A fusion location algorithm based on federated Kalman filtering | |
CN116801187A (zh) | 识别位置的方法、装置、电子设备及介质 | |
Tsuchiya et al. | WLAN Throughput Prediction Using Deep Learning with Throughput, RSS, and COR | |
CN117132590B (zh) | 一种基于图像的多板卡缺陷检测方法及装置 | |
CN115549823B (zh) | 一种无线电环境地图预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220120 Address after: 8 / F, Nanyou Internet of things science and Technology Park, 66 Xinmo fanma Road, Gulou District, Nanjing City, Jiangsu Province, 210003 Patentee after: NANJING RONGFEI TECHNOLOGY CO.,LTD. Address before: 210003, 66 new model street, Gulou District, Jiangsu, Nanjing Patentee before: NANJING University OF POSTS AND TELECOMMUNICATIONS |
|
TR01 | Transfer of patent right |