CN111479214A - 基于toa测量的无线传感网络最优目标定位方法 - Google Patents
基于toa测量的无线传感网络最优目标定位方法 Download PDFInfo
- Publication number
- CN111479214A CN111479214A CN202010110085.4A CN202010110085A CN111479214A CN 111479214 A CN111479214 A CN 111479214A CN 202010110085 A CN202010110085 A CN 202010110085A CN 111479214 A CN111479214 A CN 111479214A
- Authority
- CN
- China
- Prior art keywords
- target
- sensor
- optimal
- toa
- deployment
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于TOA测量的无线传感网络最优目标定位方法,包括以下步骤:TOA定位系统初始化;确定理想的目标‑传感器最优几何构型;最优传感器部署策略及目标节点位置坐标解算。本发明在GPS信号不可靠、信号弱或拒止环境下,实现基于TOA测量的WSNs中传感器动态最优几何构型部署和目标定位;目标定位和传感器最优部署是联动的,其定位精度随着传感器的最优部署而显著提升。
Description
技术领域
本发明涉及无线传感网络定位技术领域,特别涉及一种基于TOA测量的无线传感网络最优目标定位方法。
背景技术
基于无线传感网络(WSNs)的目标定位技术,在战场监视、环境监测、资源勘探、搜索与搜救等军民领域有着广阔的应用前景。在WSNs定位中,到达时间(TOA)定位因其部署方便,性价比高,特别适用于室内、岩洞、森林、峡谷等GPS拒止环境下的目标定位。同时,随着超宽带(UWB)技术的快速发展和应用,基于UWB技术的TOA传感器可以达到几纳秒至几十纳秒的时间测量精度,在目标定位与导航上极具竞争潜力。然而,单方面提高TOA的时间测量精度,并不一定能保证同步提高整个TOA定位系统的定位精度。众所周知,目标与传感器的几何构型对最终的定位精度有着极其重要的影响,良好的目标-传感器几何构型,可以从机理上保证最佳的可达目标定位精度。
目前,基于TOA的目标-传感器几何构型涉及传感器的最优部署问题,其优化部署指标有三个:A指标最优,D指标最优和E指标最优。A指标最优即最小化定位系统费歇尔信息矩阵(FIM)的逆(亦即克拉美罗下界,CRLB)的迹; D指标最优即最大化FIM的行列式;E指标最优即最大化FIM的最小特征值。从原理上看,采用上述任何一种优化指标,均可得到最优的目标-传感器几何构型(在相同的系统定位参数条件下,目标最佳可达定位精度略有差别)。
然而,在WSNs定位中,传统的TOA传感器部署大多凭经验执行,无法从机理上保证最佳的可达目标定位精度。同时,新兴的基于上述优化指标的传感器部署方法中,仅能得到一组或有限组最优几何部署解。在实际应用中,由于有些区域被障碍物占用,有些区域存在威胁等,传感器并不能任意部署。因此,若能提供尽可能多甚至全部最优几何部署闭环解,则可以为实际定位系统提供更大的自由度,使之满足其它部署和定位要求。
发明内容
本发明的目的在于提供一种基于TOA测量的无线传感网络最优目标定位方法,实现基于WSNs的TOA定位系统的传感器最优部署,消除传感器部署过分依赖经验的盲目性,大幅度提高目标定位精度。
实现本发明目的的技术解决方案为:一种基于TOA测量的无线传感网络最优目标定位方法,包括以下步骤:
TOA定位系统初始化;
确定理想的目标-传感器最优几何构型;
最优传感器部署策略及目标节点位置坐标解算。
进一步的,TOA定位系统初始化的具体方法为:
定义并初始化二维场景TOA定位系统坐标系Oxy;
定义待求未知目标节点坐标为p=[xp,yp]T;
在目标节点周围随机部署n个TOA传感器,n≥3;
初始化传感器节点坐标si=[xi,yi]T,i∈{1,2,…,n};
初始化传感器节点相对目标节点的期望部署距离:ri,i∈{1,2,…,n};
初始化定位系统传感器部署次数:qmax,其默认值取qmax=2。
进一步的,确定理想的目标-传感器最优几何构型的具体方法为:
(1)定义目标节点相对传感器节点si的方位角为βi,其表达式为
tan-1(·)为四象限反正切函数,令Δβl=βl+1-βl,l∈{1,2,…,n-1},则βi可进一步表示为
(2)按下式确定理想的目标-传感器最优几何构型闭环解:
进一步的,最优传感器部署策略及目标节点位置坐标解算的具体方法为:
本发明与现有技术相比,其显著优点为:(1)在室内、森林、峡谷、洞穴等 GPS信号不可靠、信号弱或拒止环境下,实现基于TOA测量的WSNs中传感器动态最优几何构型部署和目标定位;(2)本发明给出了所有可能的目标-传感器最优几何构型闭环解,在实际应用中,最大限度拓展了定位系统传感器部署的自由度,放宽了定位系统传感器部署时因地理环境等因素的制约,使之满足其它定位部署约束和要求;同时,目标-传感器最优几何构型由解析表达式描述,在工程实施中可快速实现传感器的最优部署;(3)本发明中的目标定位和传感器最优部署是联动的,其定位精度随着传感器的最优部署而显著提升,所给出的基于最大似然估计定位算法能有效逼近理想的CRLB,综合性能显著优于随机部署方式和传统经验部署方式。
下面结合附图对本发明做进一步详细的描述。
附图说明
图1为TOA定位系统目标-传感器几何构型示意图。
图2为基于TOA测量的WSNs传感器最优部署及目标定位流程图。
图3为n=3,β1=π时的最优目标-传感器几何构型示意图。
图4为图3(a)对应的最优目标-传感器几何构型的等价变换示意图。
图5为n=6,β1=π时的最优目标-传感器几何构型示意图。
图6为最优几何构型与随机几何构型对应的CRLB定位精度曲线图。
具体实施方式
二维(2D)场景下TOA定位系统的目标-传感器几何构型见图1,其中,传感器节点(参考节点)坐标为si=[xi,yi]T,i∈{1,2,…,n},用实心方框表示;待求未知目标节点坐标为p=[xp,yp]T,用实心圆点形表示。每个传感器si对目标节点实施TOA测量,转换为距离测量后,其测量方程可描述为
zi=hi(p)+wi (1)
其中J为FIM,tr(·)表示求括弧中矩阵的迹。定位系统的FIM定义为
将(4)代入(3)中,经计算整理可得到
式(5)中ai=ui/σ,ui=(p-si)/||p-si||=[cos(βi),sin(βi)]T为传感器si相对目标视线对应的单位向量,βi为传感器节点si相对目标节点视线的方位角。
基于柯西-比利公式,求得FIM对应的行列式为
其中S={(i,j)|1≤i<j≤n},βij=βj-βi,det(·)表示求括弧中矩阵的行列式。显然,为保证式(6)中FIM对应的行列式不为零(FIM可逆,CRLB存在),要求在WSNs定位中部署TOA传感器时,至少存在一对相对目标节点不共线的 TOA传感器(i,j)∈S,满足从而保证FIM可逆。
依据式(2),有
注意到||ai||=||ui||/σ=1/σ,结合式(7),可求得CRLB的解析表达式为
令Δβl=βl+1-βl,l∈{1,2,…,n-1},则传感器相对目标的视线方位角βi可表示为
其中γ=[β1,β2,…,βn]T。将βij=(j-i)x代入式(10),有
根据式(12),显然有
显然,函数f(x)取全局极大值fmax=n2/4时,CRLB恰好取全局极小值。于是, CRLB取全局极小值
当且仅当
其中故基于传感器部署中的A 指标最优指标,当CRLB恰好取全局极小值时,由式(16)刻画的最优部署解所对应的目标-传感器几何构型即为最优几何构型。考虑到实际工程中方位角βi一般定义在区间[0,2π)或[-π,π)上,故集合Φ可压缩为
此外,基于A-最优指标,由TOA目标定位的CRLB表达式可知,在最优目标-传感器几何构型中,目标定位精度独立于下面三种等价变换:
(1)任意互换传感器;
(2)相对目标节点翻转传感器;
(3)以目标节点为圆心,以任一角度全局旋转所有传感器。
以上述三种方式所做变换得到的任一结构,仍为最优目标-传感器几何构型。
下面介绍本发明中目标位置坐标的极大似然估计方法。
其中对数似然函数为
采用牛顿-拉弗森方法求解式(17),解出目标位置坐标。具体实施步骤如下:
1.设待求目标位置坐标x=p,将式(17)等价转换为
其中
2.定义g为迭代变量。任选三个i0,j0,k0∈{1,2,…,n}与目标不共线的TOA 传感器测量值,初始化g=0时的目标坐标估计值
其中
3.按下式进行迭代求解:
其中Fg为Hessian矩阵:
4.判断是否到达最大迭代次数或收敛至预定误差范围,停止迭代,退出;否则转步骤3。
基于TOA测量的WSNs传感器最优部署及目标定位流程图见图2。
下面结合实施例对该技术方案进行详细分析。
实施例
首先,用n=3个精度为σ=1米的TOA传感器实施目标定位。依据本发明给出的目标-传感器最优几何构型,求得相关参数:
Ψ={1,2,4,5},x*∈{π/3,2π/3,4π/3,5π/3}
依据(16)式,可立即确定理想的目标-传感器最优几何构型闭环解取β1=π,得到如图3所示的目标-传感器最优几何构型。相应地,理想的目标定位精度CRLB为事实上,通过三种等价变换,可以得到其它形式的目标-传感器最优几何构型:图4中,以图3(a)的最优几何结构为蓝本,分别通过交换传感器s2和s3,相对目标翻转传感器s1,以目标为圆心全局旋转所有传感器Δθ=π/4,可得到图4所示的三种等价最优目标-传感器几何构型。图 4(a)为交换接收器s2和s3;图4b)为相对目标翻转接收器s1;图4(c)为以目标为圆心,全局旋转所有传感器Δθ=π/4;图4(c)刻画的等价最优几何构型部署解为γ*=[5π/4,19π/12,23π/12]T。
再如,考虑n=6个精度为σ=0.5米的TOA传感器实施目标定位,当取β1=π时所对应的最优目标-传感器几何构型如图5所示。相应地,相关部署参数为
Claims (4)
1.一种基于TOA测量的无线传感网络最优目标定位方法,其特征在于,包括以下步骤:
TOA定位系统初始化;
确定理想的目标-传感器最优几何构型;
最优传感器部署策略及目标节点位置坐标解算。
2.根据权利要求1所述的TOA测量的无线传感网络最优目标定位方法,其特征在于,TOA定位系统初始化的具体方法为:
定义并初始化二维场景TOA定位系统坐标系Oxy;
定义待求未知目标节点坐标为p=[xp,yp]T;
在目标节点周围随机部署n个TOA传感器,n≥3;
初始化传感器节点坐标si=[xi,yi]T,i∈{1,2,…,n};
初始化传感器节点相对目标节点的期望部署距离:ri,i∈{1,2,…,n};
初始化定位系统传感器部署次数:qmax。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010110085.4A CN111479214B (zh) | 2020-02-23 | 2020-02-23 | 基于toa测量的无线传感网络最优目标定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010110085.4A CN111479214B (zh) | 2020-02-23 | 2020-02-23 | 基于toa测量的无线传感网络最优目标定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111479214A true CN111479214A (zh) | 2020-07-31 |
CN111479214B CN111479214B (zh) | 2022-08-16 |
Family
ID=71748102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010110085.4A Active CN111479214B (zh) | 2020-02-23 | 2020-02-23 | 基于toa测量的无线传感网络最优目标定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111479214B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114173281A (zh) * | 2021-12-24 | 2022-03-11 | 长安大学 | 室内nlos环境下基于toa的定位系统信标节点的优化布局方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1694567A (zh) * | 2005-04-29 | 2005-11-09 | 重庆邮电学院 | 一种单基站定位移动终端的方法 |
US20050281363A1 (en) * | 2004-06-09 | 2005-12-22 | Ntt Docomo, Inc. | Wireless positioning approach using time delay estimates of multipath components |
CN104375133A (zh) * | 2014-11-11 | 2015-02-25 | 西北大学 | 一种空间二维doa的估算方法 |
CN104661232A (zh) * | 2014-10-31 | 2015-05-27 | 重庆邮电大学 | 基于费歇尔信息矩阵指纹定位精度基本限的ap布置方法 |
CN106941662A (zh) * | 2017-04-18 | 2017-07-11 | 上海交通大学 | 一种室内定位节点布置方法 |
CN108810840A (zh) * | 2018-04-18 | 2018-11-13 | 天津大学 | 协作定位中基于efim和距离协作的节点选择方法 |
-
2020
- 2020-02-23 CN CN202010110085.4A patent/CN111479214B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050281363A1 (en) * | 2004-06-09 | 2005-12-22 | Ntt Docomo, Inc. | Wireless positioning approach using time delay estimates of multipath components |
CN1694567A (zh) * | 2005-04-29 | 2005-11-09 | 重庆邮电学院 | 一种单基站定位移动终端的方法 |
CN104661232A (zh) * | 2014-10-31 | 2015-05-27 | 重庆邮电大学 | 基于费歇尔信息矩阵指纹定位精度基本限的ap布置方法 |
CN104375133A (zh) * | 2014-11-11 | 2015-02-25 | 西北大学 | 一种空间二维doa的估算方法 |
CN106941662A (zh) * | 2017-04-18 | 2017-07-11 | 上海交通大学 | 一种室内定位节点布置方法 |
CN108810840A (zh) * | 2018-04-18 | 2018-11-13 | 天津大学 | 协作定位中基于efim和距离协作的节点选择方法 |
Non-Patent Citations (5)
Title |
---|
YIN-YA LI ET.AL: "Closed-form formula of Cramer–Rao lower bound for 3D TOA target localisation", 《RADAR, SONAR AND NAVIGATION》 * |
YINYALI ET.AL: "Optimal deployment of vehicles with circular formation for bearings-only multi-target localization", 《AUTOMATICA》 * |
吴龙文等: "基于AOA的双机无源定位模型及其解算方法", 《系统工程与电子技术》 * |
徐丽媛 等: "不依赖于精确初始坐标的车联网相对定位坐标估计算法", 《计算机学报》 * |
汪晗等: "目标监测传感器网络中锚节点优化布设", 《计算机工程与设计》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114173281A (zh) * | 2021-12-24 | 2022-03-11 | 长安大学 | 室内nlos环境下基于toa的定位系统信标节点的优化布局方法 |
CN114173281B (zh) * | 2021-12-24 | 2023-10-27 | 长安大学 | 室内nlos环境下基于toa的定位系统信标节点的优化布局方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111479214B (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Optimal sensor placement for 3-D angle-of-arrival target localization | |
CN112950781B (zh) | 特种场景的多传感器动态加权融合的点云地图构建方法 | |
CN106793086B (zh) | 一种室内定位方法 | |
CN108592950B (zh) | 一种单目相机和惯性测量单元相对安装角标定方法 | |
US8494553B2 (en) | Position determination using horizontal angles | |
US20190331762A1 (en) | Celestial Positioning System and Method | |
CN102231912A (zh) | 一种基于rssi测距的室内无线传感器网络定位方法 | |
IL214151A (en) | Method and device for restoring 3D character | |
CN106597363A (zh) | 一种室内wlan环境下的行人定位方法 | |
CN110032201A (zh) | 一种基于卡尔曼滤波的imu机载视觉姿态融合的方法 | |
CN109059964A (zh) | 一种基于重力峰的惯性导航与重力测量双校准方法 | |
CN107607091A (zh) | 一种测量无人机飞行航迹的方法 | |
CN108983169B (zh) | 一种基于数字高程模型的米波雷达地形修正方法 | |
Zhou | A closed-form algorithm for the least-squares trilateration problem | |
Liu et al. | From wireless positioning to mobile positioning: An overview of recent advances | |
Ruiz-Ruiz et al. | A multisensor LBS using SIFT-based 3D models | |
CN111479214B (zh) | 基于toa测量的无线传感网络最优目标定位方法 | |
CN108876862A (zh) | 一种非合作目标点云位置姿态计算方法 | |
Taylor | An analysis of observability-constrained Kalman filtering for vision-aided navigation | |
CN109099888A (zh) | 一种位姿测量方法、设备及存储介质 | |
Marquez et al. | Understanding LoRa-based localization: Foundations and challenges | |
CN112180322B (zh) | 一种空间定位系统建立基础坐标系方法 | |
CN109561384B (zh) | 一种复合噪声条件下的无线传感器网络节点定位方法 | |
WO2020033068A2 (en) | Celestial positioning system and method | |
KR101042953B1 (ko) | 음영지역 지리정보 검색 시스템 및 방법 |
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 |