[发明专利]一种稀疏化节点定位算法

摘要

本发明提供了一种稀疏化节点定位算法。该算法通过网格化感知区域把节点定位问题转化为稀疏信号重构问题。然后，采用LU分解的预处理方法，对观测矩阵进行预处理，使其有效地满足了约束等距性条件。最后，针对稀疏定位模型中，确定的稀疏信号是近似稀疏信号的问题，采用质心算法来提升算法的定位性能。本发明引入压缩感知理论，通过网格化感知区域能把节点定位问题有效地转化为稀疏度为1的N维向量重构问题，有效地挖掘了节点自身的特点来完成节点自定位。

主权项

1.一种稀疏化节点定位算法，包括下列步骤：(1)节点收集移动信标节点在不同位置处的信息，并建立稀疏化的定位模型,1.1)移动信标节点不停地在整个网络区域内移动，并周期性的发送信标信号；1.2)目标节点接到在感知区域内所有的信标信号并将其记录下来；1.3)目标节点根据获得的信标信号，来确定自身的感知区域和建立稀疏化定位模型，确定观测矩阵和观测值；(2)通过LU分解对观测矩阵A和观测值Y进行预处理，其中LU分解唯一地确定一个M×M的正线下三角阵L和一个M×N酉矩阵U，使A=LU，且有UU^T=I_M，(·)^T表示的是矩阵的转置，并得到新的观测矩阵和观测值；(3)根据步骤(2)中得到的新的观测矩阵和观测值，利用压缩感知重建算法以及稀疏信号X'，重构稀疏信号X：其中，U₁,U₂,···,U_N为矩阵U的列向量；(4)利用质心算法得到目标节点的估计位置,4.1)利用步骤(3)中重构出来的稀疏信号X，归一化得到感知区域中各个网格与目标节点的权值系数；4.2)利用得到权值系数，通过加权质心算法得到目标节点的估计位置，过程如下：通过稀疏信号X，来决定N个网格对目标节点坐标估计的权值大小，即有：(x,y)=Σi=1Nωi(xi,yi)]]>其中，(x,y)即为目标节点坐标估计，（x_i,y_i）为第i个网格中心点的坐标位置，ω_i为第i个网格目标节点坐标估计的权值大小，ω_i用下式表示：ωi=xi/Σi=1Nxi.]]>