[发明专利]在异步网络中基于TOA的传感器位置误差抑制方法

说明书

本发明公开了一种在异步网络中基于TOA的传感器位置误差抑制方法，其建立传感器获得的距离测量值的测量模型，并结合传感器在参考坐标系中的实际坐标位置模型、鲁棒最小二乘准则，得到求解目标源位置和起始发送时间的非凸定位问题；通过在非凸定位问题中引入松弛变量、辅助变量，并结合S‑程序和半正定松弛技术，将非凸定位问题松弛为求解目标源位置和起始发送时间的半正定规划问题；采用内点法对求解目标源位置和起始发送时间的半正定规划问题进行求解，得到目标源位置的估计值；优点是其能够有效减轻传感器位置误差的影响，在较大传感器位置误差的情况下性能依然稳定，且定位精度高。

技术领域

本发明涉及一种误差抑制技术，尤其是涉及一种在异步网络中基于TOA的传感器位置误差抑制方法。

背景技术

目标源定位有着广阔的应用前景，如水质监测、目标跟踪和紧急救援等，因此它引起了研究界的广泛关注。在无线传感器网络(WSN)中，目标源定位由多个传感器执行，传感器通过收集携带目标源位置信息的测量值来确定目标源的位置。常用的测量值有到达时间(TOA)、到达时间差(TDOA)、接收信号强度(RSS)、到达角度(AOA)。其中，由于基于TOA的目标源定位算法具有高定位精度的优点，因此受到了研究者们的关注，然而，基于TOA的目标源定位算法要求传感器与目标源在时间上是同步的，这是为了保证该算法不受目标源发送信号的起始发送时间的影响，但这一同步过程会产生大量执行成本的消耗，为了节约成本，目前往往采用联合估计目标源的位置和信号起始发送时间的算法。

除了时间同步问题，在实际中，由于在传感器部署过程中存在不确定性或者传感器的位置更新中存在延时现象，因此传感器的位置无法精确获得，研究者们综合考虑这些问题，提出了一系列更加符合实际的并且经济有效的目标源定位算法。

Yanbin Zou等人在IEEE Communications Letters(电气和电子工程师协会(IEEE)通信快报)中提出了一种基于最大似然估计(ML)的目标定位算法，其通过半正定松弛技术近似求解基于最大似然估计(ML)的目标定位问题，然而该算法在较大传感器位置误差的情况下性能急剧下降。Enyang Xu等人在IEEE Transactions on Signal Processing(电气和电子工程师协会(IEEE)信号处理汇刊)中提出了两种鲁棒定位算法，这两个目标定位问题可以通过半正定松弛技术和S-程序近似求解，实验表明这两种算法在较大传感器位置误差的情况下性能依然稳定，然而这两种算法的定位性能还有提升的空间。

发明内容

本发明所要解决的技术问题是提供一种在异步网络中基于TOA的传感器位置误差抑制方法，其能够有效减轻传感器位置误差的影响，在较大传感器位置误差的情况下性能依然稳定，且定位精度高。

本发明解决上述技术问题所采用的技术方案为：一种在异步网络中基于TOA的传感器位置误差抑制方法，其特征在于包括以下步骤：

步骤1：在二维异步无线传感器网络环境下建立一个平面直角坐标系作为参考坐标系，并设定在二维异步无线传感器网络环境中存在N个传感器和一个目标源，将第i个传感器在参考坐标系中的真实的坐标位置记为a_i，将目标源在参考坐标系中的坐标位置记为x，a_i＝(a_i1,a_i2)，x＝(x₁,x₂)；其中，N为正整数，N表示二维异步无线传感器网络环境中的传感器的总个数，N≥3，i为正整数，1≤i≤N，a_i1表示a_i的第1个坐标分量，a_i2表示a_i的第2个坐标分量，x₁表示x的第1个坐标分量，x₂表示x的第2个坐标分量；