CN117176281B - 一种联合时间同步与被动目标协同定位方法 - Google Patents
一种联合时间同步与被动目标协同定位方法 Download PDFInfo
- Publication number
- CN117176281B CN117176281B CN202310958062.2A CN202310958062A CN117176281B CN 117176281 B CN117176281 B CN 117176281B CN 202310958062 A CN202310958062 A CN 202310958062A CN 117176281 B CN117176281 B CN 117176281B
- Authority
- CN
- China
- Prior art keywords
- node
- clock
- information
- target
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 230000004927 fusion Effects 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 23
- 239000000284 extract Substances 0.000 claims abstract description 7
- 238000013480 data collection Methods 0.000 claims abstract description 4
- 230000001413 cellular effect Effects 0.000 claims description 17
- 238000007476 Maximum Likelihood Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 230000001360 synchronised effect Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 7
- 230000004044 response Effects 0.000 abstract description 5
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000004807 localization Effects 0.000 description 6
- 238000003491 array Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B13/00—Transmission systems characterised by the medium used for transmission, not provided for in groups H04B3/00 - H04B11/00
- H04B13/02—Transmission systems in which the medium consists of the earth or a large mass of water thereon, e.g. earth telegraphy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J3/00—Time-division multiplex systems
- H04J3/02—Details
- H04J3/06—Synchronising arrangements
- H04J3/0635—Clock or time synchronisation in a network
- H04J3/0638—Clock or time synchronisation among nodes; Internode synchronisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W56/00—Synchronisation arrangements
- H04W56/001—Synchronization between nodes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- 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)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种联合时间同步与被动目标协同定位方法,所述方法包括:各节点采集并处理目标数据,提取用于数据融合的方位特征信息,按照数据采集时间对方位特征信息进行标记;各节点根据部署方式按照设定顺序与内容进行广播;信息融合中心按照统一的时间线对各节点提取的方位特征信息进行融合,得到目标位置的估计值;除参考节点之外的各节点基于广播的数据对自身时钟参数进行估计,并按照估计值对后续产生的时钟读数进行校正;循环执行上述步骤,持续得到目标位置的估计值以及对节点时钟进行校正。本发明的优势在于:系统响应速度快,无探测空白期;系统能耗小;能够适配不同类型的探测任务。
Description
技术领域
本发明属于水声通信、水下目标定位领域,具体涉及一种联合时间同步与被动目标协同定位方法。
背景技术
水下传感器网络(Underwater Wireless Sensor Network,UWSN)在水下分布式地部署具有感知、计算与通信能力的传感器节点,并将它们进行组网,通过节点间的信息共享与协同工作,实现对目标对象信息的数据采集、传输与处理,以及对网络的控制与管理等功能。
时间同步技术是UWSN协同工作的前提条件。受到水下信息传递时延长、水下节点可用能源受限等因素影响,水下常用的时间同步方案为仅接收端同步(Receiver-OnlySynchronization,ROS)方案。在ROS方案中,一对主动节点(可以发送与接收信息的节点)以广播的方式进行双向时间信息交换实现两者的时间同步,同时网络中大量的静默节点(仅接收信息的节点)侦听主动节点广播的时间信息,进而估计自己的时钟参数。该方案通过利用广播的信息传递方式达到减少信息发送次数的目的,是一种节能的时间同步方案。由于ROS方案假设节点之间的距离相等,因此ROS方案适用于蜂窝状的UWSN。对于节点随机部署的网络结构,ROS方案存在着同步精度下降的问题,针对这一问题,研究者们又提出了交替广播同步(Alternating Broadcast Synchronization,ABS)方案。在ABS方案中,各节点轮流地通过广播的方式向其他节点发送时钟读数信息,在减少信息发送次数的同时实现高精度的时间同步。
UWSN的节点实现同步之后,便可以在水下协同工作,对被动目标进行协同定位。根据定位节点提取的目标特征信息的不同,协同定位方法通常可以分为如下四类:基于接收信号强度(Received Signal Strength Indicator,RSSI)的协同定位、基于到达时间(Time-of-Arrival,TOA)的协同定位、基于到达时间差(Time-Difference-of-Arrival,TDOA)的协同定位以及基于波达方位(Angle-of-Arrival,AOA)的协同定位。
基于RSSI的协同定位通过计算各节点RSSI的相对比例,结合信号在信道的衰减模型来估计各节点与目标之间距离的相对关系,进而求解目标的位置坐标。RSSI方法对信道模型的准确性要求较高,而水声信道的空时变化与随机欺负导致精确的信道建模难以获得,因此基于RSSI的方法难以获得可靠的定位性能。
基于TOA的协同定位方法通过计算节点与目标之间的绝对传播时延来实现测距,然后进行圆周相交定位。但是节点与被动目标之间的绝对时延是难以获得的,因此该方法不适用于水下被动目标定位。
基于TDOA的协同定位方法根据目标到达不同节点的时延差进行双曲线交叉定位。对于被动目标来说,尽管理论上时延差可以通过节点之间接收信号的互相关得到,但是这需要节点向信息融合中心传递大量的原始采样数据,考虑到水声通信能力有限,该方法在水下环境难以应用。
基于AOA的协同定位方法通常应用于基于多阵列节点的协同定位系统中,该系统通过融合多个定位节点估计的目标方位角来确定目标位置,其中每个定位节点是一个水听器阵列。相比于单水听器基元,水听器阵列具有提高接收信噪比、提供指向性等优点,可以实现目标方位估计。在实现时间同步的前提下,针对水下协同定位系统中阵列节点异构导致现有的协同定位方法性能不佳的问题,研究者们提出了基于多异构阵列的最大似然定位方法(Maximum Likelihood based on Multiple Heterogeneous Arrays,ML-MHA)与基于多异构阵列的最小方差无失真响应定位方法(Minimum Variance DistortionlessResponse based on Multiple Heterogeneous Arrays,MVDR-MHA),实现了对多异构阵列的协同定位。
现有的水下被动目标协同定位方法均是建立在UWSN实现时间同步的基础之上的,即UWSN首先通过时间同步使各节点的时钟保持一致,然后UWSN开始对目标进行被动协同定位。对于一个尚未同步的水下传感器网络,若要其实现对目标的被动协同定位功能,一种直接的方案是时间同步过程与协同定位过程进行级联。即节点之间先进行时间同步,然后节点再协同对目标定位。这种方式导致在节点进行时间同步的过程中,存在探测的空白期。另外,由于时间同步过程与协同定位过程均需要多次的信息传递,级联方式势必会消耗大量的能量,影响网络的工作寿命。因此,对于一个未同步的UWSN,研究如何高效地实现联合时间同步与被动目标定位具有重要的实际意义,但是尚无文献对此进行讨论。
发明内容
本发明的目的在于克服现有水下目标定位方法存在探测的空白期或消耗大量的能量,影响网络的工作寿命的缺陷。
为了实现上述目的,本发明提出了一种联合时间同步与被动目标协同定位方法,基于水下传感器网络实现,所述水下传感器网络包括多个节点和信息融合中心;每个所述节点包括1个水听器阵列和1个水声通信机;所述节点包括参考节点;
所述参考节点为配置高精度时钟的节点,用于采集、处理目标数据,并且广播和接收信息的节点;
所述方法包括:
步骤1:各节点采集并处理目标数据,提取用于数据融合的方位特征信息,按照数据采集时间对方位特征信息进行标记;
步骤2:各节点根据部署方式按照设定顺序与内容进行广播;
步骤3:信息融合中心按照统一的时间线对各节点提取的方位特征信息进行融合,得到目标位置的估计值;
步骤4:除参考节点之外的各节点基于广播的数据对自身时钟参数进行估计,并按照估计值对后续产生的时钟读数进行校正;
步骤5:循环执行步骤l到步骤4,持续得到目标位置的估计值以及对节点时钟进行校正。
作为上述方法的一种改进,所述步骤1具体包括:
水下传感器网络中第q个节点的第m个阵元接收到声源在位置坐标θ=[θx,θy,θz]T发出的声波信号表示为:
其中,sq(t)表示节点q的参考阵元在t时刻接收到的目标信号;表示节点q的第m个阵元对于坐标原点的信号传播时延;表示节点q的第m个阵元接收的噪声;所述坐标原点为水下传感网络的参考位置,为任意一点;
对接收信号进行时域采样,得到Lq个采样点再将其分成段,即每个数据段含Kq个采样点,其中表示向下取整符号;
对每个数据段做归一化处理,并做Kq点离散傅里叶变换,节点q第n个频域数据段的第k个频点fk对应的数据表示为:
其中,表示节点q的幅度归一化因子;Sq(fk,n)表示未知的目标频域信号;Wq(fk,n)表示频域噪声;pk,q(θ)表示阵列的导向向量:
其中,e表示自然常数,j表示复数单位;[]T表示向量转置;Mq表示第q个水听器阵列所含的阵元个数;
节点q按照数据采集时间对方位特征信息进行标记的数据表示为:
其中,wq(fk,θ)表示在频点fk处第q个阵列指向期望目标坐标θ的波束加权向量;tr表示矩阵的迹;
表示采样协方差矩阵:
其中,[]H表示矩阵共轭转置。
作为上述方法的一种改进,所述步骤3具体包括:
信息融合中心接收各节点发送的数据,融合同一时间段内各节点传递的目标方位信息,得到扫描函数L(θ);通过遍历位置坐标,即可解算并更新目标坐标,其估计值表示为:
作为上述方法的一种改进,
其中,∝表示正比于;Q表示水下传感器网络中包含的节点个数。
作为上述方法的一种改进,所述水下传感器网络部署方式为蜂窝网络或随机部署网络;其中,
所述蜂窝网络包括主动节点和静默节点;所述主动节点负责采集、处理目标数据,并且广播和接收信息的节点;所述静默节点负责接收广播信息、采集与处理目标数据;
所述随机部署网络包括主动节点;
所述主动节点包括参考节点。
作为上述方法的一种改进,所述步骤2具体包括:
当水下传感器网络部署方式为蜂窝网络时,通过主动节点两两之间的信息交换,所有节点即实现时间同步,同时得到目标位置的估计值;
节点之间的信息交换过程如下:
参考节点广播本节点当前时钟读数i表示广播轮次,以及在上轮广播结束后参考节点累积的带有时间标记的方位特征信息;
主动节点收到参考节点的消息之后,立即记录下此时自己的时钟读数经过设定固定时间间隔后,主动节点参考自己的时钟,广播当下的时钟读数收到参考节点信息时刻的时钟读数以及本节点在上次广播至本次广播期间累积的带有时间标记的方位特征信息;
参考节点广播接收到来自主动节点的广播信息时的时钟读数以及上次广播至本次广播期间参考节点累积的带有时间标记的方位特征信息;
静默节点被动侦听参考节点和主动节点的广播信息,并分别记录下接收到参考节点与主动节点信息时的本地时钟读数和
在累积多个时间段的目标方位信息之后,静默节点在设定时间点将累积的目标方位信息一并发送给信息融合中心。
作为上述方法的一种改进,所述步骤4具体包括:
当水下传感器网络部署方式为蜂窝网络时:
主动节点利用支持向量机估计其时钟频偏ω1与时钟偏差φ1;
其中,表示时钟频偏ω1的估计值;表示时钟偏差φ1的估计值;参数w1,w2,b是以下优化问题的解:
其中,N表示已经进行的信息交换轮次;对上式进行求解,得到主动节点时钟频偏ω1与时间偏差φ1的估计值
静默节点利用最大似然准则估计其时钟频偏ω2与时钟偏差φ2:
s.t.ω2≥0,
其中,s表示广播轮次;参数
求解上式得到φ′2和ω′2的最大似然估计之后,φ2和ω2的最大似然估计由计算得到;
除参考节点之外的各节点对本节点后序产生的时钟读数进行校正,对于第m个节点,其校正后的读数由下式计算获得:
其中,和表示该节点对应的时钟频偏和时钟偏差估计值;表示第i轮广播中依据节点本地时钟记录的第s个时钟读数。
作为上述方法的一种改进,所述步骤2具体包括:
当水下传感器网络部署方式为随机部署网络时,主动节点采集、处理目标数据,提取目标方位信息,然后轮流广播包含目标方位信息和同步信息的数据帧,也接收其他主动节点的广播信息用于时钟校正,同时得到目标位置的估计值;
节点之间的信息交换过程如下:
参考节点广播当下的标准时钟读数以及在第i-1轮产生的时钟读数和以及在此期间参考节点累积的步骤1产生的带有时间标记的方位特征信息;i表示广播轮次;
主动节点m1和m2收到参考节点的广播之后,分别记录下此时本地时钟的时钟读数和
经过设定时间间隔后,主动节点m1广播一条时间信息,包含此时本地时钟的时钟读数之前记录的时钟读数和以及在此期间参考节点累积的步骤1产生的带有时间标记的方位特征信息;
参考节点和主动节点m2分别基于各自本地时钟记录下接收到参考节点m1广播的时刻和
经过设定时间间隔后,主动节点m2广播自己此时本地时钟的时钟读数之前记录的时钟读数和以及在此期间主动节点m2累积的步骤1产生的带有时间标记的方位特征信息;
参考节点和主动节点m1在接收到主动节点m2的广播时,分别基于各自本地时钟记录下此时的时钟读数和
作为上述方法的一种改进,所述步骤4具体包括:
当水下传感器网络部署方式为随机部署网络时:
第m个主动节点的时钟偏差φm的估计值由下式计算得到:
其中,y、m、r表示节点编号;表示在已有广播轮次中,节点m接收到节点y的广播信息时,其本地时钟读数与广播信息中包含的时钟读数之差的最小顺序统计量;M表示待同步节点个数;
除参考节点之外的各节点对本节点后序产生的时钟读数进行校正,对于第m个节点,其校正后的读数由下式计算获得:
其中,表示第i轮广播中依据节点本地时钟记录的第s个时钟读数。
与现有技术相比,本发明的优势在于:
1、系统响应速度快,无探测空白期。在本发明中,由于时间同步与协同定位同步进行,因此不存在由于进行时间同步而导致的探测空白期,整个UWSN系统可以更及时有效地上报目标信息,系统响应速度快。
2、系统能耗小。由于时间同步过程与协同定位过程均需要多次的信息传递,级联方式能量消耗较高,影响网络的工作寿命。本发明将用于同步的时钟读数信息与测量的目标信息整合进一个数据帧中,通过设计信息交换策略,实现UWSN的联合节点时间同步与被动目标定位,减少了系统信息发送次数,能耗更低。
3、能够适配不同类型的探测任务。基于波束扫描的多阵列协同被动定位的特征提取方法,该方法能够克服ML-MHA方案空间谱存在旁瓣较高、对干扰的抑制能力较弱、对多目标的分辨能力有限等缺点,使得UWSN被动定位系统可以根据波束形成器的性能指标要求(如:阵增益、主瓣形状、旁瓣级、稳健性等),灵活地选择波束加权向量,能够适配不同类型的探测任务。
附图说明
图1所示为水下蜂窝网络(JSSL-MA-ROS系统)的拓扑结构图;
图2所示为随机部署UWSN(JSSL-MA-ABS系统)的拓扑结构图;
图3所示为联合时间同步与被动目标协同定位方法流程图;
图4所示为包含一对主动节点和一个静默节点的JSSL-MA-ROS系统示意图;
图5所示为JSSL仿真场景示意图;
图6所示为JSSL-MA-ROS方案定位轨迹;
图7所示为JSSL-MA-ROS方案定位误差随时间变化示意图;
图8所示为JSSL-MA-ABS方案定位轨迹;
图9所示为JSSL-MA-ABS方案定位误差随时间变化示意图。
具体实施方式
下面结合附图对本发明的技术方案进行详细的说明。
针对UWSN尚未实现同步情况下的被动目标协同定位问题,本发明提出一种联合时间同步与被动目标协同定位方法(Joint Scheme for Time Synchronization andCooperative Passive Localization,JSSL)。
JSSL将用于同步的时钟读数信息与用于协同定位的方位特征信息整合进一个数据帧中,针对不同网络拓扑结构设计不同信息交换策略与相应的信息融合方式,实现在节点进行时间同步的同时,对被动目标进行定位。
为了对本发明方法进行说明,针对水下蜂窝网络和节点随机部署的UWSN,本发明分别提出了ROS同步与多阵列协同被动目标定位的联合方案(JSSL based onMultipleArrays and ROS,JSSL-MA-ROS)以及ABS同步与多阵列协同被动目标定位的联合方案(JSSL based on Multiple Arrays and ABS,JSSL-MA-ABS)。首先,本发明针对水声通信带宽有限的约束,提出了基于波束扫描的多阵列协同被动定位的特征提取方法。其次,针对水下蜂窝网络和节点随机部署的UWSN,分别设计了相应的时间读数与方位特征信息交换策略。然后,主动节点将用于时间同步的时钟读数信息与目标定位的方位特征信息进行整合并以广播的形式发送。其后,所有节点接收其他主动节点广播的数据帧并基于相应的时钟参数估计方法进行时钟校正,静默节点在指定时间点将累积的目标方位信息一并发送给信息融合中心。最后,融合中心接收各节点广播数据,以加权几何平均的方式融合各节点传递的目标方位信息,进而解算、更新目标坐标。
若UWSN中各节点如图1所示等距部署,即各节点之间的距离相等,则其部署方式为蜂窝网络;否则为随机部署网络,随机部署UWSN的拓扑结构如图2所示。图中实心圆点表示主动节点,空心圆圈表示静默节点,方框代表信息融合中心。
如图1所示,JSSL-MA-ROS系统包含一个信息融合中心、若干主动节点和静默节点,节点呈蜂窝状部署。主动节点和静默节点均含有一个水听器阵列和一个水声通信机;主动节点可以采集、处理目标数据,并且可以广播和接收信息;静默节点大部分时间保持静默状态,主要负责接收广播信息、采集与处理目标数据;信息融合中心用于融合各节点传递来的目标信息,实现对目标的定位。
如图2所示,JSSL-MA-ABS系统包含一个信息融合中心和若干主动节点,其中主动节点的部署形式可以为非等距的随机部署;主动节点含有一个水听器阵列和一个水声通信机,可以采集、处理目标数据,并且广播和接收信息;信息融合中心用于融合各节点传递来的目标信息,实现对目标的定位。
本发明提出一种联合时间同步与被动目标协同定位方法,所述方法包括一种面向水下蜂窝网络的基于ROS同步与多阵协同的联合时间同步与被动目标定位方法(JSSL-MA-ROS)与一种面向随机部署的UWSN的基于ABS同步与多阵协同被动目标定位的联合方案(JSSL-MA-ABS),如图3所示,该方法具体实施步骤如下。
首先,判断UWSN部署方式,并进行初始化。
若各节点之间的距离相等,则其为水下蜂窝网络,联合时间同步与被动目标定位为JSSL-MA-ROS系统方式;否则则为随机部署网络,联合时间同步与被动目标定位为JSSL-MA-ABS系统方式。
对联合时间同步与被动目标定位系统进行初始化,设置广播轮次i=0。
步骤1各节点采集并处理目标数据,根据探测任务类型提取用于数据融合的方位特征信息,按照数据采集时间对方位特征信息进行标记,并设置广播轮次i=i+1。
令Q表示UWSN中包含的阵列节点个数。对于第q=1,2,…,Q个节点,令Mq表示其水听器阵列所含的阵元个数。令sq(t)表示节点q的参考阵元在t时刻接收到的目标信号,表示节点q的第m个阵元对于坐标原点的信号传播时延,表示节点q的第m个阵元接收的噪声。空间中有一个声源在位置坐标θ=[θx,θy,θz]T辐射声波信号,则节点q的第m个阵元的接收信号可以表示为:
对接收信号进行时域采样,得到Lq个采样点再将其分成段,即每个数据段含Kq个采样点,其中表示向下取整符号。对每个数据段做归一化处理,并做Kq点离散傅里叶变换,节点q第n个频域数据段的第k个频点fk对应的数据可表达为:
其中,为节点q的幅度归一化因子;Sq(fk,n)为未知的目标频域信号,pk,q(θ)为阵列的导向向量,即
其中,[]T表示向量转置,Wq(fk,n)为频域噪声。假设为零均值高斯白噪声,则Wq(fk,n)服从联合高斯分布。令表示频域噪声功率,I表示单位矩阵,则频域噪声的协方差矩阵满足且对于不同的q,k和n,频域噪声不相关;式中E[·]表示求期望。
令根据频域噪声Wq(fk,n)的统计特性,可得似然函数:
定义采样协方差矩阵为:
其中,[]H表示矩阵共轭转置。
对似然函数取对数可得对数似然函数,对数似然函数关于未知参数Fq(fk,n)分别求偏导数,并化简可得似然函数:
式中∝表示正比于。由此可以确定,在最大似然准则下,节点q向融合中心传递的方位特征信息形式为:
式(7)中的是基于常规波束形成的扫描空间谱,其空间谱存在旁瓣较高、对干扰的抑制能力较弱、对多目标的分辨能力有限等问题。针对这一问题,本发明进一步提出将式(7)方法的信息融合方式推广至一般的波束扫描空间谱的融合定位,提出基于波束扫描的多阵列协同被动定位的特征提取方法(Beam Scanning based onMultiple Heterogeneous Arrays,BS-MHA),即用频点fk处的波束扫描空间谱直接代替式i7)中的得到扫描函数LBS(θ)的表达式,如下:
其中,wq(fk,θ)为在频点fk处第q个阵列指向期望目标坐标θ的波束加权向量。由此可以确定,基于波束扫描的多阵列协同被动定位的特征提取方法中,节点q向融合中心传递的方位特征信息形式为:
在BS-MHA方法的框架之下,各阵列节点可以根据波束形成器的性能指标要求(如:阵增益、主瓣形状、旁瓣级、稳健性等),灵活地选择波束加权向量。
步骤2各节点根据UWSN部署方式按照如下顺序与内容进行广播。
(1)JSSL-MA-ROS系统
下面以图4所示最简单的JSSL-MA-ROS系统为例,说明JSSL-MA-ROS系统的广播顺序与内容。该系统包含一对主动节点和一个静默节点,其中静默节点同时也是信息融合中心。该系统可以拓展为图1所示更大规模的蜂窝UWSN。通过主动节点两两之间的信息交换,图1中的所有节点便可实现时间同步,同时能够对目标进行协同定位。
为了便于表示,记配置高精度时钟的主动节点为节点0(也称为参考节点),未配置高精度时钟的主动节点与静默节点分别记为节点1、节点2。则JSSL-MA-ROS系统的信息交换过程如下:
节点0广播本节点当前时钟读数以及在上轮广播结束后节点0累积的(步骤1产生的)带有时间标记的方位特征信息;
节点1收到节点0的消息之后,立即记录下此时自己的时钟读数经过某固定时间间隔后,节点1参考自己的时钟,广播当下的时钟读数收到节点0信息时刻的时钟读数以及本节点在上次广播至本次广播期间累积的带有时间标记的方位特征信息;
节点0广播接收到来自节点1的广播信息时的时钟读数以及上次广播至本次广播期间节点0累积的带有时间标记的方位特征信息;
节点2被动侦听节点0和1的广播信息,并分别记录下接收到节点0与节点1信息时的本地时钟读数和
在累积多个时间段的目标方位信息之后,节点2在指定时间点将累积的目标方位信息一并发送给信息融合中心。
(2)JSSL-MA-ABS系统
对于图2所示JSSL-MA-ABS系统,为了便于表示,记配置高精度时钟的主动节点为节点0(也称为参考节点),记待同步节点个数为M。在JSSL-MA-ABS方案中,主动节点采集、处理目标数据,提取目标方位信息,然后轮流广播包含目标方位信息和同步信息的数据帧,也接收其他主动节点的广播信息用于时钟校正。下面以最简单的JSSL-MA-ABS系统(即M=2)为例,说明JSSL-MA-ABS方案的信息交换过程。该系统可以拓展为图2所示更大规模的蜂窝UWSN。通过主动节点轮流广播,图2中的所有节点便可实现时间同步,同时能够对目标进行协同定位。
具体如下:
节点0广播当下的标准时钟读数以及在第i-1轮产生的时钟读数和以及在此期间节点0累积的步骤1产生的带有时间标记的方位特征信息;
节点1和2收到节点0的广播之后,分别记录下此时本地时钟的时钟读数和
经过某固定时间间隔后,节点1广播一条时间信息,包含此时本地时钟的时钟读数之前记录的时钟读数和以及在此期间节点0累积的步骤1产生的带有时间标记的方位特征信息;
节点0和2分别基于各自本地时钟记录下接收到节点1广播的时刻和
经过某固定时间间隔后,节点2广播自己此时本地时钟的时钟读数之前记录的时钟读数和以及在此期间节点2累积的步骤1产生的带有时间标记的方位特征信息;
节点0和1在接收到节点2的广播时,分别基于各自本地时钟记录下此时的时钟读数和
步骤3信息融合中心按照统一的时间线对各节点提取的方位特征信息进行融合;
信息融合中心接收各节点发送的数据(若信息融合中心同时也是一个主动节点,则它也参与广播时间信息、采集目标数据的过程),根据探测式(6)或(8)融合同一时间段内各节点传递的目标方位信息,得到扫描函数LML(θ)或LBS(θ)。为了便于表示,扫描函数统一记为L(θ)。通过遍历位置坐标,即可解算并更新目标坐标,其估计值可表示为
步骤4除参考节点之外的各节点基于前序步骤广播的时钟读数对自身时钟参数进行估计,并按照此参数估计值对后续产生的时钟读数进行校正。
(1)JSSL-MA-ROS系统
1)主动节点(节点1)利用支持向量机估计其时钟频偏ω1与偏差φ1;
ω1与φ1的估计值分别由以下两式给出:
其中(w1,w2,b)是以下优化问题的解:
式中,N表示已经进行的信息交换轮次。利用专门针对线性支持向量机的算法进行求解,即可得到节点1时钟频偏ω1与时间偏差φ1的估计值。
2)静默节点(节点2)利用最大似然准则估计其时钟参数ω2与φ2;
静默节点(节点2)首先根据式(11)-(13)计算并假设记 最大化似然函数的问题可以转化为如下的优化问题:
其中
式(14)、(15)描述的优化问题是一个凸优化问题,借助于CVX工具箱等第三方求解工具即可求解出(φ′2,ω′2)的最大似然估计之后,(φ2,ω2)的最大似然估计便可以由直接计算获得。
3)时钟读数校正。
除参考节点之外的各节点基于前述时钟参数估计值对本节点后序产生的时钟读数进行校正,对于第m个节点,其校正后的读数可以由下式计算获得
其中,表示第i轮广播中依据节点本地时钟记录的第s个时钟读数。
(2)JSSL-MA-ABS系统
1)主动节点(节点1、2)利用最小方差无偏估计计算其时钟偏差φ1、φ2;
首先计算节点0进行广播时,节点1与节点2记录的时钟读数与节点0发出广播时刻时钟读数之差,有:
其次,计算节点1进行广播时,节点0与节点2记录的时钟读数与节点1发出广播时刻时钟读数之差,有:
然后,计算节点2进行广播时,节点0与节点1记录的时钟读数与节点2发出广播时刻时钟读数之差,有:
最后,针对已经进行信息交换的N个轮次,计算式(17)-(22)的最小顺序统计量,分别记为则主动节点(节点1、2)的时钟偏差φ1、φ2的估计值可由下式计算得到
一般地,对于M个待同步节点的情况,其第m个主动节点的时钟偏差φm的估计值可由下式计算得到
式中,表示在已有广播轮次中,节点m接收到节点k的广播信息时,其本地时钟读数与广播信息中包含的时钟读数之差的最小顺序统计量。
2)时钟读数校正。
除参考节点之外的各节点基于前述时钟参数估计值对本节点后序产生的时钟读数进行校正,对于第m个节点,其校正后的读数可以由下式计算获得:
其中,表示第i轮广播中依据节点本地时钟记录的第s个时钟读数。
步骤5重复步骤1-4直至定位任务完成。
值得说明的是,为了节能考虑,允许部分节点时钟在部分时间脱离同步,只在必要时再进行同步。此时只需要在信息发送时省略与该节点相关的时钟读数广播即可。
为验证本发明所提JSSL方案的有效性,下面通过仿真实验以JSSL-MA-ROS和JSSL-MA-ABS方案为例来验证JSSL方案的可行性,并将结果与未经时间同步的定位方案结果进行对比。
仿真中设置一个4.5km×4.5km的正方形水平区域,如图5所示,目标声源从(2.7,4)km处以12m/s的速率匀速运动180s至(1.62,2.13)km处,辐射频带为100~400Hz。节点为三个水平线列阵,呈等边三角形部署,即节点0、节点1、节点2的坐标分别为(0,0)km、(3.9,4.5)km和(0,2.25)km,其法线方向均指向等边三角形的中心。三个节点配置线列阵的阵元数分别为4、8、6,采样频率分别为5、10、20kHz,阵元间距均为1.875m,各阵列采样数据分别做幅度归一化处理。声速设为1500m/s,噪声为全频段的高斯白噪声。信噪比(节点0处的信号功率与噪声功率之比)设为0dB。
节点0配置高精度时钟,同时也为信息融合中心。节点1和节点2为待同步节点,其时钟偏差分别为-5s和6s;随机时延服从指数分布,均值设置为1s。步骤1中加权向量wq(fk,θ)选择为下面通过仿真分别验证JSSL-MA-ROS和JSSL-MA-ABS方案的定位性能。
(1)JSSL-MA-ROS系统
图6展示了一次实验中JSSL-MA-ROS方案的目标定位轨迹,并与未经同步的定位方案结果以及目标真实轨迹进行比较。由图6可以看到,如果未经时间同步直接进行被动目标定位,则定位结果会有很大的误差,形成的轨迹大致成不连续的“之”字形,偏离了目标真实轨迹。相比之下,JSSL-MA-ROS方案的目标定位轨迹较密集地分布在目标真实轨迹附近,与目标真实轨迹吻合得较好。这是因为JSSL-MA-ROS方案耦合了时间同步过程与协同定位过程,减小了时间同步误差对协同定位精度的影响。
为了进一步定量说明JSSL-MA-ROS方案的定位精度,图7绘出了JSSL-MA-ROS方案的定位误差随时间的变化,并将其与未经同步的定位方案以及级联方案进行比较。由图7可以看到,JSSL-MA-ROS方案的定位误差维持在较低水平,整体趋势随着时间的增加波动下降,并逐渐与级联方案的定位误差曲线重合。而对于未经同步的定位方案,由于时钟频偏较大,因此随着时间的增加,时钟偏差不断波动上升,因而其定位误差整体上在不断变大。
(2)JSSL-MA-ABS系统
JSSL-MA-ABS方案与未经同步的定位方案的目标定位轨迹可见图8,其中目标真实轨迹也被绘出作为参考。由图8可以发现,未经同步的定位方案估计出的目标位置坐标误差较大,在目标真实轨迹的两侧形成两段割裂的弧形轨迹。相比之下,JSSL-MA-ROS方案的目标定位轨迹可以较好地拟合目标真实轨迹。尽管节点存在时钟频偏,但是由于频偏较小,JSSL-MA-ABS方案依然可以降低节点同步误差,提高定位精度。
下面通过考察定位误差随时间的变化来说明JSSL-MA-ABS方案的定位精度,结果可见图9。由图9可以看出,从整体趋势上看,JSSL-MA-ABS方案的定位误差随时间增加在波动减小,这是因为节点随着信息传递的进行逐渐实现时间同步;并且JSSL-MA-ABS方案的定位误差与误差起伏均低于未经同步的定位方案。
综上所述,JSSL方案相比于未经同步的定位方案与级联方案,具有定位精度高、稳定性强的优势。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种联合时间同步与被动目标协同定位方法,基于水下传感器网络实现,所述水下传感器网络包括多个节点和信息融合中心;每个所述节点包括1个水听器阵列和1个水声通信机;所述节点包括参考节点;
所述参考节点为配置高精度时钟的节点,用于采集、处理目标数据,并且广播和接收信息的节点;
所述方法包括:
步骤1:各节点采集并处理目标数据,提取用于数据融合的方位特征信息,按照数据采集时间对方位特征信息进行标记;
步骤2:各节点根据部署方式按照设定顺序与内容进行广播;
步骤3:信息融合中心按照统一的时间线对各节点提取的方位特征信息进行融合,得到目标位置的估计值;
步骤4:除参考节点之外的各节点基于广播的数据对自身时钟参数进行估计,并按照估计值对后续产生的时钟读数进行校正;
步骤5:循环执行步骤1到步骤4,持续得到目标位置的估计值以及对节点时钟进行校正;
所述水下传感器网络部署方式为蜂窝网络或随机部署网络;其中,
所述蜂窝网络包括主动节点和静默节点;所述主动节点负责采集、处理目标数据,并且广播和接收信息的节点;所述静默节点负责接收广播信息、采集与处理目标数据;
所述随机部署网络包括主动节点;
所述主动节点包括参考节点。
2.根据权利要求1所述的联合时间同步与被动目标协同定位方法,其特征在于,所述步骤1具体包括:
水下传感器网络中第q个节点的第m个阵元接收到声源在位置坐标θ=[θx,θy,θz]T发出的声波信号表示为:
其中,sq(t)表示节点q的参考阵元在t时刻接收到的目标信号;表示节点q的第m个阵元对于坐标原点的信号传播时延;表示节点q的第m个阵元接收的噪声;所述坐标原点为水下传感网络的参考位置,为任意一点;
对接收信号进行时域采样,得到Lq个采样点再将其分成段,即每个数据段含Kq个采样点,其中表示向下取整符号;
对每个数据段做归一化处理,并做Kq点离散傅里叶变换,节点q第n个频域数据段的第k个频点fk对应的数据表示为:
其中,表示节点q的幅度归一化因子;Sq(fk,n)表示未知的目标频域信号;Wq(fk,n)表示频域噪声;pk,q(θ)表示阵列的导向向量:
其中,e表示自然常数,j表示复数单位;[]T表示向量转置;Mq表示第q个水听器阵列所含的阵元个数;
节点q按照数据采集时间对方位特征信息进行标记的数据表示为:
其中,wq(fk,θ)表示在频点fk处第q个阵列指向期望目标坐标θ的波束加权向量;tr表示矩阵的迹;
表示采样协方差矩阵:
其中,[]H表示矩阵共轭转置。
3.根据权利要求2所述的联合时间同步与被动目标协同定位方法,其特征在于,所述步骤3具体包括:
信息融合中心接收各节点发送的数据,融合同一时间段内各节点传递的目标方位信息,得到扫描函数L(θ);通过遍历位置坐标,即可解算并更新目标坐标,其估计值表示为:
4.根据权利要求3所述的联合时间同步与被动目标协同定位方法,其特征在于:
其中,∝表示正比于;Q表示水下传感器网络中包含的节点个数。
5.根据权利要求1所述的联合时间同步与被动目标协同定位方法,其特征在于,所述步骤2具体包括:
当水下传感器网络部署方式为蜂窝网络时,通过主动节点两两之间的信息交换,所有节点即实现时间同步,同时得到目标位置的估计值;
节点之间的信息交换过程如下:
参考节点广播本节点当前时钟读数i表示广播轮次,以及在上轮广播结束后参考节点累积的带有时间标记的方位特征信息;
主动节点收到参考节点的消息之后,记录下此时自己的时钟读数经过设定固定时间间隔后,主动节点参考自己的时钟,广播当下的时钟读数收到参考节点信息时刻的时钟读数以及本节点在上次广播至本次广播期间累积的带有时间标记的方位特征信息;
参考节点广播接收到来自主动节点的广播信息时的时钟读数以及上次广播至本次广播期间参考节点累积的带有时间标记的方位特征信息;
静默节点被动侦听参考节点和主动节点的广播信息,并分别记录下接收到参考节点与主动节点信息时的本地时钟读数和
在累积多个时间段的目标方位信息之后,静默节点在设定时间点将累积的目标方位信息一并发送给信息融合中心。
6.根据权利要求5所述的联合时间同步与被动目标协同定位方法,其特征在于,所述步骤4具体包括:
当水下传感器网络部署方式为蜂窝网络时:
主动节点利用支持向量机估计其时钟频偏ω1与时钟偏差φ1;
其中,表示时钟频偏ω1的估计值;表示时钟偏差φ1的估计值;参数w1,w2,b是以下优化问题的解:
其中,N表示已经进行的信息交换轮次;对上式进行求解,得到主动节点时钟频偏ω1与时间偏差φ1的估计值
静默节点利用最大似然准则估计其时钟频偏ω2与时钟偏差φ2:
s.t.ω′2≥0,
其中,s表示广播轮次;参数
求解上式得到φ'2和ω'2的最大似然估计之后,φ2和ω2的最大似然估计由计算得到;
除参考节点之外的各节点对本节点后序产生的时钟读数进行校正,对于第m个节点,其校正后的读数由下式计算获得:
其中,和表示该节点对应的时钟频偏和时钟偏差估计值;表示第i轮广播中依据节点本地时钟记录的第s个时钟读数。
7.根据权利要求1所述的联合时间同步与被动目标协同定位方法,其特征在于,所述步骤2具体包括:
当水下传感器网络部署方式为随机部署网络时,主动节点采集、处理目标数据,提取目标方位信息,然后轮流广播包含目标方位信息和同步信息的数据帧,也接收其他主动节点的广播信息用于时钟校正,同时得到目标位置的估计值;
节点之间的信息交换过程如下:
参考节点广播当下的标准时钟读数以及在第i-1轮产生的时钟读数和以及在此期间参考节点累积的步骤1产生的带有时间标记的方位特征信息;i表示广播轮次;
主动节点m1和m2收到参考节点的广播之后,分别记录下此时本地时钟的时钟读数和
经过设定时间间隔后,主动节点m1广播一条时间信息,包含此时本地时钟的时钟读数之前记录的时钟读数和以及在此期间参考节点累积的步骤1产生的带有时间标记的方位特征信息;
参考节点和主动节点m2分别基于各自本地时钟记录下接收到参考节点m1广播的时刻和
经过设定时间间隔后,主动节点m2广播自己此时本地时钟的时钟读数之前记录的时钟读数和以及在此期间主动节点m2累积的步骤1产生的带有时间标记的方位特征信息;
参考节点和主动节点m1在接收到主动节点m2的广播时,分别基于各自本地时钟记录下此时的时钟读数和
8.根据权利要求7所述的联合时间同步与被动目标协同定位方法,其特征在于,所述步骤4具体包括:
当水下传感器网络部署方式为随机部署网络时:
第m个主动节点的时钟偏差φm的估计值由下式计算得到:
其中,y、m、r表示节点编号;表示在已有广播轮次中,节点m接收到节点y的广播信息时,其本地时钟读数与广播信息中包含的时钟读数之差的最小顺序统计量;M表示待同步节点个数;
除参考节点之外的各节点对本节点后序产生的时钟读数进行校正,对于第m个节点,其校正后的读数由下式计算获得:
其中,表示第i轮广播中依据节点本地时钟记录的第s个时钟读数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410273131.0A CN118265136A (zh) | 2023-08-01 | 2023-08-01 | 一种水下被动目标协同定位方法 |
CN202310958062.2A CN117176281B (zh) | 2023-08-01 | 2023-08-01 | 一种联合时间同步与被动目标协同定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310958062.2A CN117176281B (zh) | 2023-08-01 | 2023-08-01 | 一种联合时间同步与被动目标协同定位方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410273131.0A Division CN118265136A (zh) | 2023-08-01 | 2023-08-01 | 一种水下被动目标协同定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117176281A CN117176281A (zh) | 2023-12-05 |
CN117176281B true CN117176281B (zh) | 2024-04-30 |
Family
ID=88943908
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410273131.0A Pending CN118265136A (zh) | 2023-08-01 | 2023-08-01 | 一种水下被动目标协同定位方法 |
CN202310958062.2A Active CN117176281B (zh) | 2023-08-01 | 2023-08-01 | 一种联合时间同步与被动目标协同定位方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410273131.0A Pending CN118265136A (zh) | 2023-08-01 | 2023-08-01 | 一种水下被动目标协同定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN118265136A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118265136A (zh) * | 2023-08-01 | 2024-06-28 | 中国科学院声学研究所 | 一种水下被动目标协同定位方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470196A (zh) * | 2007-12-26 | 2009-07-01 | 中国科学院声学研究所 | 一种水下目标被动定位的系统和方法 |
KR20110045627A (ko) * | 2009-10-27 | 2011-05-04 | 강릉원주대학교산학협력단 | 수중 무선 센서 네트워크에서의 시간 동기화 장치 및 방법 |
CN102833882A (zh) * | 2011-06-15 | 2012-12-19 | 中国科学院声学研究所 | 一种基于水声传感器网络的多目标数据融合方法及系统 |
CN105959914A (zh) * | 2016-04-25 | 2016-09-21 | 浙江农林大学 | 基于时间差测量的传感网时间同步和定位联合处理方法 |
CN108668356A (zh) * | 2018-04-19 | 2018-10-16 | 厦门大学 | 一种水下传感器时间同步方法 |
CN110049440A (zh) * | 2019-06-06 | 2019-07-23 | 皖西学院 | 一种水下无线传感网同步与定位方法及系统 |
CN110764053A (zh) * | 2019-10-22 | 2020-02-07 | 浙江大学 | 一种基于水下传感器网络的多目标被动定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019028269A2 (en) * | 2017-08-02 | 2019-02-07 | Strong Force Iot Portfolio 2016, Llc | METHODS AND SYSTEMS FOR DETECTION IN AN INDUSTRIAL ENVIRONMENT OF COLLECTING INTERNET DATA FROM OBJECTS WITH LARGE DATA SETS |
US20190204430A1 (en) * | 2017-12-31 | 2019-07-04 | Woods Hole Oceanographic Institution | Submerged Vehicle Localization System and Method |
CN118265136A (zh) * | 2023-08-01 | 2024-06-28 | 中国科学院声学研究所 | 一种水下被动目标协同定位方法 |
-
2023
- 2023-08-01 CN CN202410273131.0A patent/CN118265136A/zh active Pending
- 2023-08-01 CN CN202310958062.2A patent/CN117176281B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470196A (zh) * | 2007-12-26 | 2009-07-01 | 中国科学院声学研究所 | 一种水下目标被动定位的系统和方法 |
KR20110045627A (ko) * | 2009-10-27 | 2011-05-04 | 강릉원주대학교산학협력단 | 수중 무선 센서 네트워크에서의 시간 동기화 장치 및 방법 |
CN102833882A (zh) * | 2011-06-15 | 2012-12-19 | 中国科学院声学研究所 | 一种基于水声传感器网络的多目标数据融合方法及系统 |
CN105959914A (zh) * | 2016-04-25 | 2016-09-21 | 浙江农林大学 | 基于时间差测量的传感网时间同步和定位联合处理方法 |
CN108668356A (zh) * | 2018-04-19 | 2018-10-16 | 厦门大学 | 一种水下传感器时间同步方法 |
CN110049440A (zh) * | 2019-06-06 | 2019-07-23 | 皖西学院 | 一种水下无线传感网同步与定位方法及系统 |
CN110764053A (zh) * | 2019-10-22 | 2020-02-07 | 浙江大学 | 一种基于水下传感器网络的多目标被动定位方法 |
Non-Patent Citations (1)
Title |
---|
水下无线传感器网络定位技术综述;张弛等;《计算机应用》;第第42卷卷;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117176281A (zh) | 2023-12-05 |
CN118265136A (zh) | 2024-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107631732B (zh) | 基于蓝牙、Wi-Fi和声波的混合室内定位方法及系统 | |
CN111669707B (zh) | 一种基于5g有源室分实现室内外连续定位的方法 | |
CN117176281B (zh) | 一种联合时间同步与被动目标协同定位方法 | |
Aernouts et al. | TDAoA: A combination of TDoA and AoA localization with LoRaWAN | |
CN101855566A (zh) | 用于经由网络确定位置的系统 | |
CN102143576A (zh) | 终端定位系统和终端定位方法 | |
CN102695126A (zh) | 水下传感器网络定位方法 | |
CN101872020A (zh) | 基于频谱变换的水下运动目标定位导航方法和装置 | |
CN105487063A (zh) | 一种基于外辐射源时延和多普勒频率的直接定位方法 | |
JP2006080681A (ja) | 位置検出システムおよび位置検出方法 | |
CN103841641A (zh) | 一种基于到达角度和Gossip算法的无线传感器网络分布式协作定位方法 | |
CN103648164A (zh) | 一种基于到达时间差和Gossip算法的无线传感器网络分布式定位方法 | |
CN114363808A (zh) | 一种基于rssi测距的室内定位方法 | |
Cheng et al. | A range-difference based self-positioning scheme for underwater acoustic sensor networks | |
Klogo et al. | Energy constraints of localization techniques in wireless sensor networks (WSN): A survey | |
CN103167609A (zh) | 基于跳数的无线传感器网络节点定位方法及系统 | |
CN109991564B (zh) | 基于神经网络的短波单站定位结果纠偏方法 | |
CN112954591B (zh) | 一种协同分布式定位方法及系统 | |
CN110658491A (zh) | 测向系统、测向方法、定位系统及定位方法 | |
CN105872977A (zh) | 一种用于无线传感器网络的改进landmrac定位算法 | |
CN113203985B (zh) | 一种短波同频信号直接定位方法 | |
Liu et al. | A Precise Ranging with Subcarrier Diversity for 5G NR Indoor Positioning | |
Zhu et al. | DeepAoA: Online vehicular direction finding based on a deep learning method | |
Wang et al. | Ranging energy optimization for robust sensor positioning with collaborative anchors | |
Tamer | Relative Localization of Wireless Sensor Nodes by Using the RSSI and ToA based distance estimations |
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 |