[发明专利]一种联合时延差与角度测量的传感器网络目标定位方法

说明书

本发明提供了一种联合时延差与角度测量的传感器网络目标定位方法，涉及无线传感器网络领域，通过构造联合时延差与角度测量的伪线性定位方程，提出一种利用结构总体最小二乘法的传感器网络目标定位方法，由于结构总体最小二乘算法充分利用观测矩阵A的特殊结构，因此提高了目标的平均估计精度，本发明不需要估计实际的观测噪声方差，不需要计算伪观测方程的噪声分布，简单容易实现；由于联合使用不同种类的测量信息，不但提高传感器网络的定位精度，而且具有更重要的现实意义，本发明具有简单易实现的特点，低信噪比下平均估计精度高，可以广泛应用于传感器网络目标定位相关领域。

技术领域

本发明涉及无线传感器网络领域，尤其是一种网络目标的定位方法。

背景技术

随着无线传感器技术、通信技术以及信息信号处理技术的发展，近些年来基于无线传感器网络的目标定位方法受到国内外学者和相关技术人员的广泛讨论和深入研究，已经成功应用在雷达、声纳和通信领域中涉及目标定位的各个方面。该类方法根据接收到的各个无线传感器的观测信息，对目标进行联合定位。根据传感器接收信号的不同类型，目标定位方法有不同的模型，主要包括：信号到达时间定位法、到达时延差定位法、波达方向定位法或者这几种方法的组合。在这几种方法中，信号到达时间定位法对传感器节点的时间同步要求较高；到达时延差定位法降低了对时间同步的要求，但对网络的大小有要求(需要较多的传感器数量)；波达方向定位法具有很高的精度，但要求传感器节点具有阵列的侧向能力。因此，在实际应用的传感器网络中，相比于仅仅使用上述的某一种方法或某一类测量信息，联合使用不同的测量信息具有更重要的现实意义，并且会提高传感器网络的定位精度。

一般来说，目标位置与测量信息的直接关系并不是线性关系，因此导致目标定位问题是一个非线性非凸问题。为了避免网络定位中的非线性问题，研究人员提出两种方法：一个是将定位问题转化为非线性加权最小二乘优化问题，并利用Taylor级数公式进行数值迭代运算。但是这种方法计算量大，可能会产生迭代不收敛和局部最优解。另一类是将非线性观测方程转化为伪线性方程，再利用线性加权最小二乘估计法获得目标位置的闭式解。但是需要注意的是，当观测物理信息存在较大的误差时，伪线性方程的回归矩阵便会存在较大的扰动，而一般的线性加权最小二乘估计法并没有考虑该因素的影响，此时直接利用线性加权最小二乘估计法便会出现较大的估计偏差。

发明内容

为了克服现有技术的不足，对于传感器网络的目标定位问题，构造联合时延差与角度测量的伪线性定位方程，针对一般的加权最小二乘算法在观测误差较大时位置估计不准确的问题，本发明提出一种利用结构总体最小二乘法的传感器网络目标定位方法，基于联合时延差与角度测量的伪线性定位方程，考虑了回归矩阵中存在扰动时，利用结构总体最小二乘算法求解，在观测误差较大的情况下，提高了联合时延差与角度测量的估计精度。

本发明解决其技术问题所采用的技术方案主要包括如下步骤：

第一步：计算角度测量矩阵G_k和单位方向向量b_k

已知传感器网络观测的角度测量值俯仰角和偏向角θ_k，根据公式(1)和公式(2)计算角度测量矩阵G_k和单位方向向量b_k：

第二步：构造伪线性观测矩阵A

任意选取一个节点为参考节点，由第一步公式(1)可计算角度测量矩阵G_k和单位方向向量b_k，其中k分别取1,2，…，N，N表示传感器网络中的传感器数目，根据如下公式

构造伪线性观测矩阵A；

第三步：构造伪线性测量值h