[发明专利]节点自定位与目标跟踪同时进行的分布式算法

说明书

技术领域

本发明属于节点自定位与目标跟踪技术领域，尤其涉及的是一种非完全观测下节点自定位与目标跟踪同时进行的分布式算法。

背景技术

与机器人自主导航中的“同时定位与地图构建”(SLAM)问题类似，节点定位与目标跟踪同时进行的算法研究也面临一个两难问题：为了跟踪目标，节点需要知道自身位置信息；为了节点自定位，多个节点需要明确目标的位置信息。这就好比是一个“egg-chicken”问题。节点需要同时维护两个模型，同时进行节点定位与目标跟踪。

近年来，节点定位与目标跟踪同时进行的算法研究成为无线定位跟踪技术的一个研究热点。该问题的初始条件下，所有的节点都不知道自身以及相邻节点的相对位置信息，因此初始条件下各节点只能进行相对独立的目标跟踪。但如果被跟踪目标遍历覆盖区域内展开的节点，且允许这些节点之间共享跟踪信息，则最终这些节点可以完成自定位。即使这些节点无法估计或共享运动目标的真实轨迹，节点的自定位仍可实现，这是因为该运动目标正在同时被多个节点观测。基于这一原则，现有技术曾提出了不同的解决方案，例如均将定位问题归结为一个贝叶斯判决问题且将观测的后验分布近似为高斯分布。不同之处在于，有的使用迭代的分布式线性化方法同时进行节点定位和目标跟踪，其通信策略的设计过于依赖树结技巧且需要事先设定某一节点的位置；有的则使用矩匹配方法且并非是分布式算法。现有技术中还有将各个节点视为多个隐空间过程，通过建立各节点观测之间的相关函数来实现节点的自定位。该算法实现较为简单，但需要汇聚节点，并非真正意义上的分布式算法且节点自定位时只能对数据进行离线处理。现有技术中还有将节点定位与目标跟踪同时进行的定位算法研究归结为一个隐马尔可夫模型的参数估计问题，将极大似然估计方法应用到节点自定位中，并实现了真正意义上的分布式运算。其与上述方案相比，在应用研究和算法推倒方面都有明显的优势。

因为网络链路质量指示，功率控制等的需要，通常情况下传感器节点带有接收信号强度(RSS)指示器，故基于RSS观测的节点定位与目标跟踪需要很少或根本不需要添加硬件设备，无需额外的信号传输，成本和计算复杂度低。但与此同时因RSS检测方法简易，指示器自身精度有限等原因，RSS观测多为非完全观测数据，即不可避免的存在舍入误差、截断误差及非视距误差等，从而使观测到的RSS值难以准确反映实际的RSS。针对这一问题，现有解决方案在进行节点定位前首先借助期望最大化算法估计路径损耗模型的参数以提高定位的精度，其参数估计的过程需要离线数据处理，实时性较差。目标跟踪是一个在线的数据处理过程，因此如何在目标跟踪的同时实现路径损耗模型参数估计和节点自定位的在线运算，也是节点定位与目标跟踪同时进行的算法研究亟待解决的一个关键问题。现有解决方案提出了一种在线的区域定位序列算法，使用检测方法实现了目标的在线定位。有的解决方案则系统分析了广义状态空间模型的参数在线估计问题，以粒子滤波的观测数据概率密度函数的预测和滤波为基础，从极大似然估计和贝叶斯估计两个方面入手给出了多种在线期望最大化算法和在线梯度速降算法，对解决上述问题有一定的借鉴意义。

因此，现有技术存在缺陷，需要改进。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种非完全观测下节点自定位与目标跟踪同时进行的分布式算法。

本发明的技术方案如下：

节点自定位与目标跟踪同时进行的分布式算法，其中，设置若干簇头节点位置已知，若干普通节点未知，并设置存在移动目标，所述移动目标在整个区域内随机运动，同时设置将整个区域被随机划分为M个子区域，具体包括以下步骤：

步骤100：针对各簇头节点和普通节点的特定信号传输环境分别进行非完全观测下路径损耗模型参数估计；

步骤101：在簇头节点上基于多元假设检验进行分布式目标粗定位；

步骤102：在普通节点上基于分布式滤波进行目标精确定位；

步骤103：在普通节点上设置与目标跟踪同时进行自定位。

所述的节点自定位与目标跟踪同时进行的分布式算法，其中，所述步骤100中，所述非完全观测下路径损耗模型参数估计是通过预定信息准则筛选最优路径损耗模型，并应用预定算法估计模型参数以消除非完全观测数据中的截断误差、舍入误差以及非视距误差的影响。

所述的节点自定位与目标跟踪同时进行的分布式算法，其中，所述步骤101中采用分布式的序列定位算法，具体步骤为：

步骤1010：对多个簇头节点进行感知；

步骤1011：对多个对簇头节点设置相互通信；