[发明专利]一种面向TDOA的定位节点优选方法

说明书

本发明提出了一种面向TDOA的定位节点优选方法，用于解决现有技术中大量传感器节点参与定位时能量消耗大，系统复杂性高以及定位精度低的技术问题。实现步骤为：获取高斯白噪声n的协方差矩阵Q；TDOA估计，得到到达距离差向量r；获取目标源位置坐标u的闭式解；根据目标源位置坐标u的闭式解，计算定位误差的协方差矩阵cov(u)；构建节点选择的半正定规划函数；获取最优定位节点。本发明减少了大量传感器节点参与定位带来的能量消耗和系统复杂性，有效地提高了定位精度，可用于筛选出面向TDOA定位的传感器节点组合。

技术领域

本发明属于信号处理技术领域，涉及一种无线传感器网络被动定位，具体涉及一种面向TDOA的定位节点优选方法，可用于筛选出面向TDOA定位的节点组合，以提升定位精度性能。

背景技术

目前定位技术广泛应用在环境监测、应急救援工作、公共安全和无线通信系统中。常用的被动定位技术主要基于到达时间(TOA)、到达时间差(TDOA)、接收信号强度(RSS)和到达角度(AOA)。对静止目标源定位主要采用基于TDOA的定位技术。在基于TDOA定位的无线传感器网络中，传感器节点通常被放置在恶劣的环境下，因此必须要考虑能量消耗和节点网络布局。首先，多个传感器节点需要协同工作，由于能源、带宽和网络寿命的限制，大量传感器节点参与定位不仅不能很好的改善定位性能，反而会增加系统复杂性和能量消耗；其次，在基于TDOA的跟踪场景下，必须根据目标源的移动轨迹选择出最优的节点网络布局。因此，采用有效的节点选择方法去平衡定位精度和能量消耗之间的关系是至关重要的。

基于不同的目的，现有的技术中提出了许多节点选择方法。在非线性测量模型中，S.P.Chepuri等人在IEEE Transactions on Signal Processing,vol.63,no.3,pp.684-698,Feb.1,2015.发表的题目为Sparsity-Promoting Sensor Selection for Non-Linear Measurement Models论文中公开了一种节点选择方法：引入了一个布尔选择向量并提出了一个最优化问题，目的是在期望的定位精度的约束条件下，选择尽可能少的能够带来性能提升的节点进行定位。虽然该技术能够选择出尽可能少的能够带来性能提升的节点，但是在基于TDOA的测量模型中，由于TDOA测量次数小于传感器节点的数量，使得TDOA测量不同于一般的非线性测量模型，因此不能使用上述方法进行TDOA场景下的节点选择。在TDOA定位场景下，典型的定位节点的选择方法有全局搜索方法和K-nearest方法，其中全局搜索方法是选择所有传感器节点参与定位，虽然此方法定位精度高，但是能量消耗大，系统运算复杂度高；K-nearest方法是选择包括参考节点的k个最近的传感器节点来定位，实际中通过不同传感器节点的接收信噪比进行节点选择，虽然此方法运算复杂度低，但是定位性能差。

发明内容

本发明的目的在于克服上述现有技术存在的不足，提出了一种面向TDOA的定位节点优选方法，旨在降低能量消耗和系统运算复杂度的同时，选择最优定位节点以提高定位精度。

为实现上述目的，本发明采取的技术方案包括如下步骤：

(1)获取高斯白噪声n的协方差矩阵Q：

(1a)由TDOA估计理论，推导TDOA估计误差的克拉美罗界

(1b)将参考节点的接收信噪比γ₁带入得到TDOA估计误差的克拉美罗界

(1c)将作为高斯白噪声n的协方差矩阵Q的主对角线元素，得到高斯白噪声n的协方差矩阵Q；

(2)TDOA估计，得到到达距离差向量r：

(2a)设定定位场景：