[发明专利]一种基于异步到达时间的无线传感器网络目标定位方法

说明书

本发明公开了一种基于异步到达时间的无线传感器网络目标定位方法，在现有基于异步到达时间的定位方法的基础上，引入具有反向学习和自适应重定向的差分进化算法。本发明包括步骤(1)：获取TOA测量值；步骤(2)：构建TOA定位模型；步骤(3)：构建目标函数；步骤(4)：获取目标节点的估计坐标。本发明能够在锚节点无法获取目标节点的信号发送时刻的情况下定位，有效地提高了定位精度，并且计算复杂度较低。

技术领域

本发明涉及一种基于异步到达时间的无线传感器网络目标定位方法，属于无线传感器应用技术领域。

背景技术

无线传感器网络(Wireless Sensor Networks,WSN)由许多传感器节点组成，这些节点部署在特定区域以获取所需的测量值。WSN具有广阔的应用前景，并且已经应用在军事战争、环境监测、健康医疗、智能家居等诸多领域。在WSN的各种实际应用中通常都需要确定事件发生的位置，而且WSN采集到的数据只有包含了位置信息才具有应用价值。

典型的无线传感器网络目标定位的原理是指利用多个传感器节点接收目标发出的无线电信号，并从中获取精确的定位参数信息，这些传感器将它们的测量数据发送到信息处理中心进行融合，该中心随后根据接收到的测量数据估计目标的位置。这些接收信号的传感器节点称为锚节点，发送信号的节点称为目标节点或信号源。根据传感器获取的定位参数信息的不同，目标定位技术大致分为：基于到达时间(Time of Arrival,TOA)定位、基于到达时间差(Time Difference of Arrival,TDOA)定位、基于到达角(Angle ofArrival,AOA)定位、基于接收信号强度(Received Signal Strength,RSS)定位以及混合定位等方法。

TOA和TDOA系统的精度较好，但由于定时和时间同步等要求，系统复杂度较高。AOA系统通常使用天线阵列进行测向，实现的复杂性也很高。RSS定位系统具有成本低、实现简单、易于部署等优点。这类系统通常假设RSS测量遵循路径损耗模型，且假设发射功率和路径损耗指数是已知的。然而在实践中，这些参数是动态变化的，很难实时估计，导致RSS定位的精度往往较差。

严格同步的TOA定位系统具有高复杂性和昂贵的部署成本，所以不少研究人员开始关注异步TOA定位，所谓异步是指需要锚节点之间的同步，而不需要锚节点和目标节点之间的同步，即锚节点不需要知道目标节点的信号发送时刻。研究表明，基于TOA的目标定位问题的最大似然函数是高度非凸非线性的。为了处理这种复杂的问题，避免迭代搜索方法陷入局部最优，通常将非凸的优化问题松弛为凸优化问题，这会导致性能损失以及可能导致不合理的计算负担。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种基于异步到达时间的无线传感器网络目标定位方法，能够在锚节点无法获取目标节点的信号发送时刻的情况下定位，有效地提高了定位精度，并且计算复杂度较低。

为达到上述目的，本发明是采用下述技术方案实现的：

本发明提供了一种基于异步到达时间的无线传感器网络目标定位方法，具体包括如下步骤：

步骤(1)：获取TOA测量值：基于预设网络中锚节点从目标节点获取的无线电信号获取TOA测量值；

步骤(2)：构建TOA定位模型：基于TOA测量模型构建TOA定位模型；

步骤(3)：构建目标函数：引入目标节点的信号发送时刻估计值，并基于TOA定位模型构建目标函数；

步骤(4)：获取目标节点的估计坐标：基于目标函数采用差分进化算法获取目标节点的估计坐标。

可选的，所述预设网络为二维或三维的无线传感器网络，所述无线传感器网络包括传感器节点以及目标节点，所述传感器节点为具有预设坐标的锚节点，所述目标节点为信号发送节点。

可选的，所述TOA测量模型为：