论文部分内容阅读
近几十年来，无线传感器网络(Wireless Sensor Networks, WSN)因其具有灵活的结构和强大的监测(Surveillance)能力而在许多领域得到了广泛的应用。目标定位技术是实现WSN功能和应用最关键的技术之一，对其进行研究具有很高的理论意义和实用价值。无线目标定位主要是指数据处理中心联合利用多个传感器节点从目标信号中获取到的定位参数信息建立定位方程组并解算出目标位置。常见的定位参数信息包括：到达时间(Time of Arrival, TOA)、到达角度(Angle of Arrival, AOA)、到达时间差(Time Difference of Arrival, TDOA)和接收信号强度(Received Signal Strength, RSS)等。然而，基于这些量测数据的目标定位问题具有高度非线性、非凸特性，直接解算目标位置并不容易，因此需要研究有效的求解方法。此外，在实际应用中，目标定位受非视距(Non-Line of Sight, NLOS)传播的影响较为严重。在NLOS环境下，传感器节点获取的TOA定位量测数据中往往包含较大的、正的NLOS误差，这往往使得目标定位精度严重衰退。因此如何有效地抑制甚至消除NLOS误差的影响，是目标定位的另一个挑战。针对以上问题，本文在不同场景下对目标定位技术进行了探索和研究，并提出相应的解决算法。本论文的主要工作内容包括以下几个方面：
1.基于双向信息交换机制，针对无线传感器网络中未知节点的联合时钟同步与定位问题，提出了一种双迭代求解算法。传统方法往往是将时钟参数和目标位置一起进行联合解算，而忽略了原问题的代价函数是关于时钟参数的二次函数，若单独求解可以获得解析解这一特点。基于此，双迭代算法将原代价函数拆分成两个分别关于目标位置和时钟参数的子问题，然后进行交替求解。这不仅可以提升计算效率而且加快了收敛速度。采用LaSalle不变原理从理论上给出了算法的收敛性证明，利用一阶扰动分析法对算法的估计性能进行了理论分析。理论分析和仿真实验结果表明，所提双迭代算法的估计精度在测量误差较小时可以逼近克拉美罗界(Cramér-RaoBound,CRLB)。相比于传统算法，双迭代算法的计算效率更高，而且所需要的传感器锚节点个数和信息交换次数相对较少，这对于减少传感器节点的能量损耗具有积极的意义。
2.众所周知，传统的TOA定位技术要求传感器与目标之间在时间上是精确同步的，这一特点使得其难以对非合作目标进行定位。针对这一问题，研究了基于伪距信息的目标定位方法。由于非合作目标的信号发射时间未知，由传感器节点量测的TOA数据计算得到的距离数据实际上等于目标与传感器的真实距离加上由发射时间未知引起的距离偏差，故我们称之为伪距。我们首先介绍了两种基于伪距定位的处理方法：联合估计处理和TDOA处理。利用基于微分几何的非线性曲率测度对两种处理方法的非线性强度进行了分析和对比。结果表明联合估计处理方法在实际解算中优于TDOA处理方法。在此基础上，提出了一种基于约束加权最小二乘(Constrained Weighted Least Squares , CWLS)的联合估计算法。该算法通过引入辅助变量将原非线性定位方程伪线性化来建立代价函数，并利用变量之间的耦合关系构造约束条件，从而将原定位问题转化为一个CWLS优化问题，最后利用拉格朗日乘子法进行求解。从理论上对该算法的性能进行了分析。实验结果证明了该算法的有效性。
3.针对基于声音能量的目标定位问题具有高度非线性，非凸特性而难以直接求解的问题，提出了一种两步半正定规划(Two-Step Semidefinite Programming, TS-SDP)定位方法。该方法首先将原定位问题描述为一个关于目标位置和目标信号发射能量的近似加权最小二乘问题，然后分成两个步骤进行求解。第一步，利用最小二乘准则将信号发射能量表示为关于目标位置的函数，并代入到代价函数中将其消除；第二步，利用半正定松弛技术将非凸的代价函数转化为半正定规划(SDP)问题进行优化求解。从理论上证明了TS-SDP算法对代价函数的凸松弛运算是紧的。与传统的凸松弛方法相比，TS-SDP算法对原问题的近似误差更小，因此具有更高的定位性能，尤其在测量误差较大时优势较为明显。
4.在NLOS环境下，传感器节点获取的测量数据中往往包含较大的NLOS误差，传统的定位方法直接利用NLOS数据对目标进行定位会严重影响定位性能。针对这一问题，提出了一种软决策导向优化(Soft Decision Direction Optimization, SDDO)算法。该算法将NLOS数据看作是野点数据，并根据视距(Line of Sight, LOS)数据对目标位置具有一致性的特点构造代价函数。然后利用确定性退火的策略对代价函数进行优化。在优化过程中，随着温度系数的减小SDDO算法通过逐步自动减小对NLOS数据的加权值，来抑制甚至消除NLOS数据对目标定位的影响，从而大大提高了目标定位的性能。从仿真实验结果可以看到，SDDO算法可以对NLOS误差进行有效地抑制，其定位性能与只利用LOS数据对目标进行定位的性能近似。
1.基于双向信息交换机制，针对无线传感器网络中未知节点的联合时钟同步与定位问题，提出了一种双迭代求解算法。传统方法往往是将时钟参数和目标位置一起进行联合解算，而忽略了原问题的代价函数是关于时钟参数的二次函数，若单独求解可以获得解析解这一特点。基于此，双迭代算法将原代价函数拆分成两个分别关于目标位置和时钟参数的子问题，然后进行交替求解。这不仅可以提升计算效率而且加快了收敛速度。采用LaSalle不变原理从理论上给出了算法的收敛性证明，利用一阶扰动分析法对算法的估计性能进行了理论分析。理论分析和仿真实验结果表明，所提双迭代算法的估计精度在测量误差较小时可以逼近克拉美罗界(Cramér-RaoBound,CRLB)。相比于传统算法，双迭代算法的计算效率更高，而且所需要的传感器锚节点个数和信息交换次数相对较少，这对于减少传感器节点的能量损耗具有积极的意义。
2.众所周知，传统的TOA定位技术要求传感器与目标之间在时间上是精确同步的，这一特点使得其难以对非合作目标进行定位。针对这一问题，研究了基于伪距信息的目标定位方法。由于非合作目标的信号发射时间未知，由传感器节点量测的TOA数据计算得到的距离数据实际上等于目标与传感器的真实距离加上由发射时间未知引起的距离偏差，故我们称之为伪距。我们首先介绍了两种基于伪距定位的处理方法：联合估计处理和TDOA处理。利用基于微分几何的非线性曲率测度对两种处理方法的非线性强度进行了分析和对比。结果表明联合估计处理方法在实际解算中优于TDOA处理方法。在此基础上，提出了一种基于约束加权最小二乘(Constrained Weighted Least Squares , CWLS)的联合估计算法。该算法通过引入辅助变量将原非线性定位方程伪线性化来建立代价函数，并利用变量之间的耦合关系构造约束条件，从而将原定位问题转化为一个CWLS优化问题，最后利用拉格朗日乘子法进行求解。从理论上对该算法的性能进行了分析。实验结果证明了该算法的有效性。
3.针对基于声音能量的目标定位问题具有高度非线性，非凸特性而难以直接求解的问题，提出了一种两步半正定规划(Two-Step Semidefinite Programming, TS-SDP)定位方法。该方法首先将原定位问题描述为一个关于目标位置和目标信号发射能量的近似加权最小二乘问题，然后分成两个步骤进行求解。第一步，利用最小二乘准则将信号发射能量表示为关于目标位置的函数，并代入到代价函数中将其消除；第二步，利用半正定松弛技术将非凸的代价函数转化为半正定规划(SDP)问题进行优化求解。从理论上证明了TS-SDP算法对代价函数的凸松弛运算是紧的。与传统的凸松弛方法相比，TS-SDP算法对原问题的近似误差更小，因此具有更高的定位性能，尤其在测量误差较大时优势较为明显。
4.在NLOS环境下，传感器节点获取的测量数据中往往包含较大的NLOS误差，传统的定位方法直接利用NLOS数据对目标进行定位会严重影响定位性能。针对这一问题，提出了一种软决策导向优化(Soft Decision Direction Optimization, SDDO)算法。该算法将NLOS数据看作是野点数据，并根据视距(Line of Sight, LOS)数据对目标位置具有一致性的特点构造代价函数。然后利用确定性退火的策略对代价函数进行优化。在优化过程中，随着温度系数的减小SDDO算法通过逐步自动减小对NLOS数据的加权值，来抑制甚至消除NLOS数据对目标定位的影响，从而大大提高了目标定位的性能。从仿真实验结果可以看到，SDDO算法可以对NLOS误差进行有效地抑制，其定位性能与只利用LOS数据对目标进行定位的性能近似。