JP2023107177A - ＲＳＳ－ＡｏＡ測定に基づく無線センサネットワークの目標位置決め方法 - Google Patents

ＲＳＳ－ＡｏＡ測定に基づく無線センサネットワークの目標位置決め方法 Download PDF

Info

Publication number
JP2023107177A
JP2023107177A JP2022046151A JP2022046151A JP2023107177A JP 2023107177 A JP2023107177 A JP 2023107177A JP 2022046151 A JP2022046151 A JP 2022046151A JP 2022046151 A JP2022046151 A JP 2022046151A JP 2023107177 A JP2023107177 A JP 2023107177A
Authority
JP
Japan
Prior art keywords
rss
equation
aoa
formula
sensor network
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
Application number
JP2022046151A
Other languages
English (en)
Other versions
JP7150229B1 (ja
Inventor
丁偉中
Qiubo Zhong
鐘秋波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo Eng College
Original Assignee
Ningbo Eng College
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningbo Eng College filed Critical Ningbo Eng College
Application granted granted Critical
Publication of JP7150229B1 publication Critical patent/JP7150229B1/ja
Publication of JP2023107177A publication Critical patent/JP2023107177A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01S5/0257—Hybrid positioning
    • G01S5/0258—Hybrid positioning by combining or switching between measurements derived from different systems
    • G01S5/02585—Hybrid positioning by combining or switching between measurements derived from different systems at least one of the measurements being a non-radio measurement
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

【課題】ＲＳＳ－ＡｏＡ測定に基づく無線センサネットワークの目標位置決め方法を提示する。【解決手段】ステップ１：第１計算フローをプリセットしてＲＳＳとＡｏＡの真値を取得、第２計算フローをプリセットしてＲＳＳとＡｏＡの実際の測定値を取得する測定モデル構築するステップと、ステップＳ２：近似値に基づいて重み行列Ｃ，Ｓを算出し、重み行列Ｃ，Ｓによってソースノードの位置を算出するＷＬＳ法によるソースノードの近似値を算出するするステップと、ステップＳ３：ソースノードの位置に基づいて、各アンカーと各評価関数の標準偏差を計算し、測定値のノイズ値を算出するするステップと、ステップＳ４：標準偏差とノイズ値を各アンカーおよび各評価関数の重みとして用いるするステップと、を含む。この方法の二乗平均平方根誤差（ＲＭＳＥ）は、既存のＲＳＳ／ＡｏＡハイブリッド位置決め方法よりも優れている。【選択図】なし

Description

本発明は、目標位置決め方法の分野に関し、具体的には、ＲＳＳ－ＡｏＡ測定に基づく無
線センサネットワークの目標位置決め方法に関する。
近年,位置決め方法は無線センサネットワークにおいてますます重要な役割を果たしてい
る。ワイヤレスセンサネットワークは、センサからなるワイヤレスネットワークである。
ワイヤレスセンサネットワークは、既知の位置にあるアンカーと、未知の位置にあるター
ゲットとから構成される。ターゲットの位置はアンカーの位置と無線信号によって決定さ
れる。一般的な無線信号は、到着時間(TOA)、到着時差(TDOA)、到着角(AOA)、および受信
信号強度(RSS)を含む。距離ベースの混合位置決めは、4つの無線信号の任意の組合せであ
ってもよい。センサハードウェアによってどの測定方法を採用するかを決定する。TOAとT
DOAは測定中の正確なタイミング同期に厳しい要求があるため，コストが大幅に増加する
。従って，AOA／RSS混合位置決めは，低コスト測定のための魅力的な解決策を提供する。
RSS/AoA測定に基づいてソースノードの位置を正確に計算する。しかし，RSS／AoA測定誤
差により，位置決め問題は最適化問題となる。RSS／AoA混合測定に基づく目標位置推定は
，測定雑音を克服することが困難な非凸系最適化問題である。半定計画（SDP）と二次テ
ーパ計画（SOCP）はこの問題を効果的に解決できるが，それらの複雑さはあまりにも大き
い。ソースノードとアンカー間の距離だけで変化するウェイトは、最適なウェイトではな
い。ECWLS法は重みを変え，まず最小二乗法を用いて目標の近似位置を計算し，次に近似
位置から近似誤差共分散行列を計算する。近似誤差共分散行列を重みとして使用する。ア
ンカー数の制限により,測定ノイズ分散の推定に大きな誤差がある。この方法は、推定値
の逆数に直接重みを乗算し、誤差を低減する。TELS法はAoA測定に基づいている。まずLS
を用いてソースノードの概略位置を計算し,次に重みとして分散を計算する。上記2つの方
法は,評価関数項のノイズ分散の影響のみを考慮するが,測定ノイズ値の影響は考慮しない
。ノイズ標準差が同じである場合、ノイズ値が小さいほど重みが大きくなる。
現状では、SR‐WLS法はアルゴリズムの複雑性が高い。WLS法では距離に関係する重みだけ
が最適ではない。ECWLS法では，アンカーノード数が限られているため，測定雑音分散の
推定が不正確であり，最終精度に影響を与える。TELS法では，測定ノイズの分散が同じで
あると仮定し，重みに対する測定ノイズの影響は考慮しない。
本発明が解決する問題は、複雑さを増大させることなく、より良好な性能を有する無線セ
ンサネットワークターゲット位置決め方法をどのように提供するかである。
上記問題を解決するために、本発明に係るＲＳＳ－ＡｏＡ測定に基づく無線センサネット
ワークの目標位置決め方法は、
ステップＳ１：第１計算フローをプリセットしてＲＳＳとＡｏＡの真値を取得、第２計算
フローをプリセットしてＲＳＳとＡｏＡの実際の測定値を取得する測定モデル構築するス
テップと、
ステップＳ２：近似値に基づいて重み行列Ｃ，Ｓを算出し、重み行列Ｃ，Ｓによってソー
スノードの位置を算出するＷＬＳ法によるソースノードの近似値を算出するするステップ
と、
ステップＳ３：ソースノードの位置に基づいて、各アンカーと各評価関数の標準偏差を計
算し、測定値のノイズ値を算出するするステップと、
ステップＳ４：標準偏差とノイズ値を各アンカーおよび各評価関数の重みとして用いるす
るステップと、
を含む。
さらに、ステップＳ１における第１計算フローのプリセットは、ステップＳ１１とステッ
プＳ１２とを含み、
Ｓ１１：ＲＳＳの真値は式１により示し、
[式１]
Figure 2023107177000001
Ｓ１２：ＡｏＡの真値は式２により示し、
[式２]
Figure 2023107177000002
Figure 2023107177000003
ただし、
Figure 2023107177000004
，
Figure 2023107177000005
はＮのアンカーノード、
Figure 2023107177000006
は既知位置のソースノード、
Figure 2023107177000007
はソースノードと第ｉのアンカーノードの距離、
Figure 2023107177000008
は方位角の真値、
Figure 2023107177000009
はピッチ角の真値をそれぞれ示す。
さらに、ステップＳ１における第２計算フローのプリセットはステップＳ１３を含み、
ステップＳ１３：実際測定誤差を加味すると、ＲＳＳとＡｏＡの実際測定値は式３により
示し、
[式３]
Figure 2023107177000010
Figure 2023107177000011
Figure 2023107177000012
；
ただし、
Figure 2023107177000013
，
Figure 2023107177000014
，
Figure 2023107177000015
はそれぞれ受信パワー、方位角、ピッチ角の独立ゼロ平均のガウスノイズを示す。
さらに、重み行列Ｃは、各アンカーと各評価関数の分散に相関し、
球座標
Figure 2023107177000016
は
Figure 2023107177000017
によって
Figure 2023107177000018
に対して示され、単位スペクル
Figure 2023107177000019
は実際測定のＲＳＳ値により定義され、式１、式２および式３は式４に変換でき、
[式４]
Figure 2023107177000020
Figure 2023107177000021
Figure 2023107177000022
；
Figure 2023107177000023
、
Figure 2023107177000024
，
Figure 2023107177000025
=1とすると、一次テイラー展開をして、
Figure 2023107177000026
,
Figure 2023107177000027
,
Figure 2023107177000028
は式５に示し、
[式５]
Figure 2023107177000029
Figure 2023107177000030
Figure 2023107177000031
；
式５の分散は式６となり、
[式６]
Figure 2023107177000032
である。
さらに、重み行列Ｃは、各アンカーおよび各評価関数の標準偏差およびノイズ値の影響を
反映し、式６は等価的に式７に表し、
[式７]
Figure 2023107177000033
各アンカーと各評価関数項目の重みは分散に反比例し、重み行列Ｃは式８により表し、
[式８]
Figure 2023107177000034
である。
さらに、式８の各項の重みを
Figure 2023107177000035
乗算し、最終的な推定値を変更せずに式９により表し、
[式９]
Figure 2023107177000036
である。
さらに、重み行列Sは
Figure 2023107177000037
,
Figure 2023107177000038
,
Figure 2023107177000039
に関連し、
Figure 2023107177000040
,
Figure 2023107177000041
,
Figure 2023107177000042
は
Figure 2023107177000043
により式１０に示し、
[式１０]
Figure 2023107177000044
Figure 2023107177000045
Figure 2023107177000046
；
重み行列Ｓは、式１１により示し、
[式１１]
Figure 2023107177000047
である。
さらに、ＷＬＳ法によってソースノードの位置は式１２により計算し、
[式１２]
Figure 2023107177000048
そのうち、
Figure 2023107177000049
，
Figure 2023107177000050
，
Figure 2023107177000051
，
Figure 2023107177000052
，
Figure 2023107177000053
，
Figure 2023107177000054
，
Figure 2023107177000055
，
Figure 2023107177000056
，
Figure 2023107177000057
；
重み行列ＣとＳの最終的な推定値は式１３により計算し、
[式１３]
Figure 2023107177000058
である。
本発明は、上記の技術的方案を採用し、少なくとも以下の有益な効果を含む。
誤差分散と測定ノイズの加重最小二乗（ＥＮＷＬＳ）に基づくＲＳＳ／ＡｏＡ混合位置決
め法。この方法は、計算精度が高いだけでなく、計算の複雑さを大幅に軽減させる。加重
最小二乗法（ＷＬＳ）により、複雑さを増すことなく計算精度が向上する。測定モデルが
線形化されると、最小二乗（ＬＳ）法を使用して位置を推定するほうが実用的になる。こ
の方法は、三次元無線センサネットワークに基づいて、複雑さを増すことなく高精度な位
置決めを実現する。１次テイラー近似を使用して線形ＷＬＳ誤差を近似するとともに、Ｗ
ＬＳ法を用いてターゲットの位置を推定する。そして、線形ＷＬＳ誤差分散とセンサノー
ドの測定ノイズ値を推定して重み行列を決定する。この方法の二乗平均平方根誤差（ＲＭ
ＳＥ）は、既存のＲＳＳ／ＡｏＡハイブリッド位置決め方法よりも優れている。
本発明の実施形態に係るＲＳＳ－ＡｏＡ測定に基づく無線センサネットワークの目標位置決め方法のフローチャートである。 本発明の実施形態に係ＲＳＳ－ＡｏＡ測定に基づく無線センサネットワークの目標位置決め方法のアンカーノードとソースノードの三次元位置模式図である。
本発明の上記目的、特徴及び利点をより明確に理解するために、以下、図面を用いて本発
明の具体的な実施形態について詳細に説明する。
実施例
ＲＳＳ－ＡｏＡ測定に基づく無線センサネットワークの目標位置決め(確定)方法は、図１
に示すように、下記のステップを含む。
ステップＳ１：第１計算フローをプリセットしてＲＳＳとＡｏＡの真値を取得、第２計算
フローをプリセットしてＲＳＳとＡｏＡの実際の測定値を取得する測定モデル構築するス
テップと、
ステップＳ２：近似値に基づいて重み行列Ｃ，Ｓを算出し、重み行列Ｃ，Ｓによってソー
スノードの位置を算出するＷＬＳ法によるソースノードの近似値を算出するするステップ
と、
ステップＳ３：ソースノードの位置に基づいて、各アンカーと各評価関数の標準偏差を計
算し、測定値のノイズ値を算出するするステップと、
ステップＳ４：標準偏差とノイズ値を各アンカーおよび各評価関数の重みとして用いるす
るステップと、を含む。
図２に示すように、ステップＳ１における第１計算フローのプリセットは、ステップＳ１
１とステップＳ１２とを含み、
Ｓ１１：ＲＳＳの真値は式１により示し、
[式１]
Figure 2023107177000059
Ｓ１２：ＡｏＡの真値は式２により示し、
[式２]
Figure 2023107177000060
Figure 2023107177000061
ただし、
Figure 2023107177000062
，
Figure 2023107177000063
はＮのアンカーノード、
Figure 2023107177000064
は既知位置のソースノード、
Figure 2023107177000065
はソースノードと第ｉのアンカーノードの距離、
Figure 2023107177000066
は方位角の真値、
Figure 2023107177000067
はピッチ角の真値をそれぞれ示す。
さらに、ステップＳ１における第２計算フローのプリセットはステップＳ１３を含み、
ステップＳ１３：実際測定誤差を加味すると、ＲＳＳとＡｏＡの実際測定値は式３により
示し、
[式３]
Figure 2023107177000068
Figure 2023107177000069
Figure 2023107177000070
；
ただし、
Figure 2023107177000071
，
Figure 2023107177000072
，
Figure 2023107177000073
はそれぞれ受信パワー、方位角、ピッチ角の独立ゼロ平均のガウスノイズを示す。
さらに、重み行列Ｃは、各アンカーと各評価関数の分散に相関し、
球座標
Figure 2023107177000074
は
Figure 2023107177000075
によって
Figure 2023107177000076
に対して示され、単位スペクル
Figure 2023107177000077
は実際測定のＲＳＳ値により定義され、式１、式２および式３は式４に変換でき、
[式４]
Figure 2023107177000078
Figure 2023107177000079
Figure 2023107177000080
；
Figure 2023107177000081
、
Figure 2023107177000082
，
Figure 2023107177000083
=1とすると、一次テイラー展開をして、
Figure 2023107177000084
,
Figure 2023107177000085
,
Figure 2023107177000086
は式５に示し、
[式５]
Figure 2023107177000087
Figure 2023107177000088
Figure 2023107177000089
；
式５の分散は式６となり、
[式６]
Figure 2023107177000090
である。
さらに、重み行列Ｃは、各アンカーおよび各評価関数の標準偏差およびノイズ値の影響を
反映し、式６は等価的に式７に表し、
[式７]
Figure 2023107177000091
各アンカーと各評価関数項目の重みは分散に反比例し、重み行列Ｃは式８により表し、
[式８]
Figure 2023107177000092
である。
さらに、式８の各項の重みを
Figure 2023107177000093
乗算し、最終的な推定値を変更せずに式９により表し、
[式９]
Figure 2023107177000094
である。
さらに、重み行列Sは
Figure 2023107177000095
,
Figure 2023107177000096
,
Figure 2023107177000097
に関連し、
Figure 2023107177000098
,
Figure 2023107177000099
,
Figure 2023107177000100
は
Figure 2023107177000101
により式１０に示し、
[式１０]
Figure 2023107177000102
Figure 2023107177000103
Figure 2023107177000104
；
重み行列Ｓは、式１１により示し、
[式１１]
Figure 2023107177000105
である。
さらに、ＷＬＳ法によってソースノードの位置は式１２により計算し、
[式１２]
Figure 2023107177000106
そのうち、
Figure 2023107177000107
，
Figure 2023107177000108
，
Figure 2023107177000109
，
Figure 2023107177000110
，
Figure 2023107177000111
，
Figure 2023107177000112
，
Figure 2023107177000113
，
Figure 2023107177000114
，
Figure 2023107177000115
；
重み行列ＣとＳの最終的な推定値は式１３により計算し、
[式１３]
Figure 2023107177000116
である。
無線周波数（RF）とマイクロエレクトロニクス機械システムの進歩により，多数のセンサ
ノードからなる大規模ネットワークが現在使用されている。無線センサネットワークはヒ
ューマンマシンインタラクションにおいて自主性があり,センサノードが比較的安価であ
るため、その応用潜在力は大きい。これらは、モニタリング(医療、工業、環境、農業)、
事件検出(洪水、雹、火災)、探索(外層空間、深水、地下)、監視など、多くの異なる分野
で使用される。
森林火災の探査も未来の発展方向の一つである。センサーノード(ソースノード)は、飛行
機からランダムに落下することができる。火災を検出するために近くの温度を測定するた
めに使用される。いずれかが高温(火災の危険)を検出すると、消防士に位置と有効な警告
情報を伝えることができる。それらの位置は本発明のアルゴリズムによって計算される。
本アルゴリズムは,既知の位置のアンカーノードがソースノードに送信する信号によりソ
ースノードの位置を算出する。
誤差分散と測定ノイズの加重最小二乗（ＥＮＷＬＳ）に基づくＲＳＳ／ＡｏＡ混合位置決
め法。この方法は、計算精度が高いだけでなく、計算の複雑さを大幅に軽減させる。加重
最小二乗法（ＷＬＳ）により、複雑さを増すことなく計算精度が向上する。測定モデルが
線形化されると、最小二乗（ＬＳ）法を使用して位置を推定するほうが実用的になる。こ
の方法は、三次元無線センサネットワークに基づいて、複雑さを増すことなく高精度な位
置決めを実現する。１次テイラー近似を使用して線形ＷＬＳ誤差を近似するとともに、Ｗ
ＬＳ法を用いてターゲットの位置を推定する。そして、線形ＷＬＳ誤差分散とセンサノー
ドの測定ノイズ値を推定して重み行列を決定する。この方法の二乗平均平方根誤差（ＲＭ
ＳＥ）は、既存のＲＳＳ／ＡｏＡハイブリッド位置決め方法よりも優れている。
現状では、SR‐WLS法はアルゴリズムの複雑性が高い。WLS法では距離に関係する重みだけ
が最適ではない。ECWLS法では，アンカーノード数が限られているため，測定雑音分散の
推定が不正確であり，最終精度に影響を与える。TELS法では，測定ノイズの分散が同じで
あると仮定し，重みに対する測定ノイズの影響は考慮しない。
［先行技術文献］
［特許文献］
［特許文献１］中国特許公開第109342993号公報

Claims (8)

  1. ＲＳＳ－ＡｏＡ測定に基づく無線センサネットワークの目標位置決め方法であって、
    ステップＳ１：第１計算フローをプリセットしてＲＳＳとＡｏＡの真値を取得、第２計算
    フローをプリセットしてＲＳＳとＡｏＡの実際の測定値を取得する測定モデル構築するス
    テップと、
    ステップＳ２：近似値に基づいて重み行列Ｃ，Ｓを算出し、重み行列Ｃ，Ｓによってソー
    スノードの位置を算出するＷＬＳ法によるソースノードの近似値を算出するするステップ
    と、
    ステップＳ３：ソースノードの位置に基づいて、各アンカーと各評価関数の標準偏差を計
    算し、測定値のノイズ値を算出するするステップと、
    ステップＳ４：標準偏差とノイズ値を各アンカーおよび各評価関数の重みとして用いるす
    るステップと、
    を含むことを特徴とするＲＳＳ－ＡｏＡ測定に基づく無線センサネットワークの目標位置
    決め方法。
  2. ステップＳ１における第１計算フローのプリセットは、ステップＳ１１とステップＳ１２
    とを含み、
    Ｓ１１：ＲＳＳの真値は式１により示し、
    [式１]
    Figure 2023107177000117
    Ｓ１２：ＡｏＡの真値は式２により示し、
    [式２]
    Figure 2023107177000118
    Figure 2023107177000119
    ただし、
    Figure 2023107177000120
    ，
    Figure 2023107177000121
    はＮのアンカーノード、
    Figure 2023107177000122
    は既知位置のソースノード、
    Figure 2023107177000123
    はソースノードと第ｉのアンカーノードの距離、
    Figure 2023107177000124
    は方位角の真値、
    Figure 2023107177000125
    はピッチ角の真値をそれぞれ示す、
    ことを特徴とする請求項１に記載のＲＳＳ－ＡｏＡ測定に基づく無線センサネットワーク
    の目標位置決め方法。
  3. ステップＳ１における第２計算フローのプリセットはステップＳ１３を含み、
    ステップＳ１３：実際測定誤差を加味すると、ＲＳＳとＡｏＡの実際測定値は式３により
    示し、
    [式３]
    Figure 2023107177000126
    Figure 2023107177000127
    Figure 2023107177000128
    ；
    ただし、
    Figure 2023107177000129
    ，
    Figure 2023107177000130
    ，
    Figure 2023107177000131
    はそれぞれ受信パワー、方位角、ピッチ角の独立ゼロ平均のガウスノイズを示す、
    ことを特徴とする請求項２に記載のＲＳＳ－ＡｏＡ測定に基づく無線センサネットワーク
    の目標位置決め方法。
  4. 重み行列Ｃは、各アンカーと各評価関数の分散に相関し、
    球座標
    Figure 2023107177000132
    は
    Figure 2023107177000133
    によって
    Figure 2023107177000134
    に対して示され、単位スペクル
    Figure 2023107177000135
    は実際測定のＲＳＳ値により定義され、式１、式２および式３は式４に変換でき、
    [式４]
    Figure 2023107177000136
    Figure 2023107177000137
    Figure 2023107177000138
    ；
    Figure 2023107177000139
    、
    Figure 2023107177000140
    、
    Figure 2023107177000141
    =1とすると、一次テイラー展開をして、
    Figure 2023107177000142
    ,
    Figure 2023107177000143
    ,
    Figure 2023107177000144
    は式５に示し、
    [式５]
    Figure 2023107177000145
    Figure 2023107177000146
    Figure 2023107177000147
    ；
    式５の分散は式６となり、
    [式６]
    Figure 2023107177000148
    である、ことを特徴とする請求項３に記載のＲＳＳ－ＡｏＡ測定に基づく無線センサネッ
    トワークの目標位置決め方法。
  5. 重み行列Ｃは、各アンカーおよび各評価関数の標準偏差およびノイズ値の影響を反映し、
    式６は等価的に式７に表し、
    [式７]
    Figure 2023107177000149
    各アンカーと各評価関数項目の重みは分散に反比例し、重み行列Ｃは式８により表し、
    [式８]
    Figure 2023107177000150
    である、ことを特徴とする請求項４に記載のＲＳＳ－ＡｏＡ測定に基づく無線センサネッ
    トワークの目標位置決め方法。
  6. 式８の各項の重みを
    Figure 2023107177000151
    乗算し、最終的な推定値を変更せずに式９により表し、
    [式９]
    Figure 2023107177000152
    である、ことを特徴とする請求項５に記載のＲＳＳ－ＡｏＡ測定に基づく無線センサネッ
    トワークの目標位置決め方法。
  7. 重み行列Sは
    Figure 2023107177000153
    ,
    Figure 2023107177000154
    ,
    Figure 2023107177000155
    に関連し、
    Figure 2023107177000156
    ,
    Figure 2023107177000157
    ,
    Figure 2023107177000158
    は
    Figure 2023107177000159
    により式１０に示し、
    [式１０]
    Figure 2023107177000160
    Figure 2023107177000161
    Figure 2023107177000162
    ；
    重み行列Ｓは、式１１により示し、
    [式１１]
    Figure 2023107177000163
    である、ことを特徴とする請求項３に記載のＲＳＳ－ＡｏＡ測定に基づく無線センサネッ
    トワークの目標位置決め方法。
  8. ＷＬＳ法によってソースノードの位置は式１２により計算し、
    [式１２]
    Figure 2023107177000164
    そのうち、
    Figure 2023107177000165
    ，
    Figure 2023107177000166
    ，
    Figure 2023107177000167
    ，
    Figure 2023107177000168
    ，
    Figure 2023107177000169
    ，
    Figure 2023107177000170
    ，
    Figure 2023107177000171
    ，
    Figure 2023107177000172
    ，
    Figure 2023107177000173
    ；
    重み行列ＣとＳの最終的な推定値は式１３により計算し、
    [式１３]
    Figure 2023107177000174
    である、ことを特徴とする請求項６に記載のＲＳＳ－ＡｏＡ測定に基づく無線センサネッ
    トワークの目標位置決め方法。
JP2022046151A 2022-01-21 2022-03-22 ＲＳＳ－ＡｏＡ測定に基づく無線センサネットワークの目標位置決め方法 Active JP7150229B1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202210069673.7A CN114609583A (zh) 2022-01-21 2022-01-21 一种基于RSS-AoA测量的无线传感器网络目标定位方法
CN202210069673.7 2022-01-21

Publications (2)

Publication Number Publication Date
JP7150229B1 JP7150229B1 (ja) 2022-10-11
JP2023107177A true JP2023107177A (ja) 2023-08-02

Family

ID=81858061

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022046151A Active JP7150229B1 (ja) 2022-01-21 2022-03-22 ＲＳＳ－ＡｏＡ測定に基づく無線センサネットワークの目標位置決め方法

Country Status (2)

Country Link
JP (1) JP7150229B1 (ja)
CN (1) CN114609583A (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116017281B (zh) * 2022-12-30 2023-10-24 深圳市中承科技有限公司 一种基于超宽带通信技术的室内定位方法
CN117473455B (zh) * 2023-12-27 2024-03-29 合众新能源汽车股份有限公司 多源定位数据的融合方法、装置和电子设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6208297B1 (en) * 1998-10-09 2001-03-27 Cell-Loc Inc. Methods and apparatus to position a mobile receiver using downlink signals, part I
JP5686920B1 (ja) * 2014-07-02 2015-03-18 眞吉 西本 アレイアンテナビーム幅内の量子化多重・狭ビーム形成方法、アレイアンテナビーム幅内の量子化多重・狭ビーム形成装置およびレーダシステム
CN112887903B (zh) * 2021-01-26 2022-12-09 东南大学 一种基于软信息融合的通信定位感知一体化方法

Also Published As

Publication number Publication date
JP7150229B1 (ja) 2022-10-11
CN114609583A (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
JP7150229B1 (ja) ＲＳＳ－ＡｏＡ測定に基づく無線センサネットワークの目標位置決め方法
CN101424737B (zh) 一种基于信号强度距离的无线传感器网络信号图定位方法
Ni et al. UWB indoor positioning application based on Kalman filter and 3-D TOA localization algorithm
CN108535687A (zh) 基于tof和rssi信息融合的室内无线定位方法
CN102231912A (zh) 一种基于rssi测距的室内无线传感器网络定位方法
CN105929364B (zh) 利用无线电定位的相对位置测量方法及测量装置
US10782402B2 (en) Method for determining a position of at least two sensors, and sensor network
CN111757256A (zh) 室内定位方法及装置
Lategahn et al. Tdoa and rss based extended kalman filter for indoor person localization
Hongyang et al. A robust location algorithm with biased extended Kalman filtering of TDOA data for wireless sensor networks
CN106102162B (zh) 一种用于无线传感器网络三维定位的迭代估计方法
CN105353351A (zh) 一种基于多信标到达时间差改进型定位方法
CN107861096A (zh) 基于声音信号到达时间差的最小二乘测向方法
Kang et al. Analysis of localization for drone-fleet
Chengdong et al. A RSSI-based probabilistic distribution localization algorithm for wireless sensor network
CN113382354B (zh) 一种基于因子图的无线定位非视距信号判别方法
Zheng et al. The study of RSSI in wireless sensor networks
Wang et al. An efficient ranging method for wireless sensor networks
Matharu et al. An efficient approach for localization using trilateration algorithm based on received signal strength in wireless sensor network
Liu et al. Delay-estimation-based asynchronous particle filtering for passive target tracking in underwater wireless sensor networks
Mahardhika et al. Improving indoor positioning systems accuracy in closed buildings with kalman filter and feedback filter
Lou et al. Indoor localization and map building for autonomous mobile robot
Zhao et al. Research on the signal random attenuation coefficient based on RSSI in WSN localization technology
CN114966547B (zh) 一种提高声源定位精度的补偿方法、系统及装置
CN115308685B (zh) 一种基于多基站通信伪距信息的外辐射源目标定位方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220322

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20220322

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220511

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220530

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220615

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220618

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220819

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220823

R150 Certificate of patent or registration of utility model

Ref document number: 7150229

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150