论文部分内容阅读
目标入侵监测是无线传感器网络(WSN)的一项重要的应用,目标入侵的位置信息对于监测事件至关重要,因此需要用相关的定位技术确定不明入侵物体的准确位置。目前WSN的高精度被动目标定位主要利用到达方位角(AOA)、到达时间差(TDOA)和到达增益比(GROA)等测量信息获得目标位置估计,然而这些方位、距离相关的测量具有高度非线性,且与WSN节点的几何位置有关,如何准确得到被动入侵目标的位置信息具有很大的挑战性。本文通过综述WSN被动目标定位的国内外研究现状,分别对乘性噪声条件下的TDOA定位和传感器位置不确定的AOA-GROA混合定位展开研究,主要内容如下:1.针对乘性测量噪声,提出一种半定松弛优化TDOA定位算法。该算法能够解决传统极大似然(ML)估计算法容易发散的不足。首先得到关于含乘性噪声TDOA测量的ML方程,对ML问题进行重构得到该方法的优化表达式;随后对基于ML的优化问题进行半正定松弛,使之转化为凸优化问题,并利用CVX凸优化工具箱进行求解,得到目标的位置估计。仿真实验分别针对加性噪声和乘性噪声两种不同的测量模型进行比较,并且选用ML方法和最小二乘法作为对比算法,分析不同信噪比下上述算法的定位性能,仿真结果验证了所提的算法的有效性。2.针对传感器位置不确定的情况,提出一种新的基于AOA-GROA约束最小二乘混合定位算法。与TDOA定位算法相比,该算法不需要严格的时间同步。首先建立关于AOA和GROA的伪线性测量方程,得到目标位置的加权最小二乘估计,通过关于权矩阵的约束问题求最优解得到对目标位置的约束最小二乘估计解,并且推导了算法理论性能。通过仿真实验,对比并且分析了传感器排列方式不同以及AOA误差、GROA误差、位置误差的不同标准差对定位结果的影响。仿真结果表明:AOA-GROA联合估计的定位性与传感器的相对几何位置有关,传感器线性排列情况下的定位性能要优于随机排列的定位性能;与纯方位的定位算法相比较,在小误差假设下所提算法可以更好地贴近理论偏差值和CRLB。