[发明专利]基于序贯一致加权和积算法的协作定位方法

摘要

本发明公开了一种基于序贯一致加权和积算法的协作定位方法，该方法采用序贯一致加权和积算法通过计算目标节点位置的修正后验概率分布，实现目标节点对自身位置的估计，并且收敛速度快，能够提供较好的收敛解，适用于无线传感器网络实时、精确的协作定位。

主权项

基于序贯一致加权和积算法的协作定位方法，其特征在于：包括以下步骤，步骤1，目标节点i根据t‑1时刻自身第N次迭代修正的后验概率分布p(N)(xi,t‑1|z1:t‑1)以及t时刻自身的状态方程，计算t时刻自身的先验概率分布p(xi,t|z1:t‑1)；其中，i∈VT，VT表示全体目标节点的集合，xi,t‑1表示t‑1时刻目标节点i在二维空间的位置，xi,t表示t时刻目标节点i在二维空间的位置，z1:t‑1表示t‑1时刻及以前时刻目标节点i与全体邻居节点的距离观测集合，N表示预设的迭代次数；步骤2，目标节点i观测t时刻自身与邻居节点k的距离zk,i,t；其中，k∈Ni，Ni表示目标节点i的全体邻居节点的集合，所述邻居节点包括邻居锚节点和邻居目标节点；步骤3，目标节点i接收t时刻邻居锚节点a的位置信息xa,t，计算t时刻自身的本地后验概率分布p(xi,t|z1:t‑1,Za,i,t)；其中，xa,t表示t时刻邻居锚节点a在二维空间的位置，a∈Ni,A，Ni,A表示目标节点i的全体邻居锚节点的集合，Za,i,t表示t时刻目标节点i与全体邻居锚节点a的距离观测集合；本地后验概率分布p(xi,t|z1:t‑1,Za,i,t)是指由t时刻目标节点i的先验概率分布p(xi,t|z1:t‑1)和目标节点i与全体邻居锚节点a的距离观测集合Za,i,t计算得出的后验概率分布；步骤4，目标节点i设置t时刻初始的后验概率分布为p(0)(xi,t|z1:t)＝p(xi,t|z1:t‑1,Za,i,t)，初始化迭代次数l＝1；其中，z1:t表示t时刻及以前时刻目标节点i与全体邻居节点的距离观测集合；步骤5，目标节点i接收单调链上排序比自身小的邻居目标节点s在t时刻第l次迭代修正的后验概率分布p(l)(xs,t|z1:t)；其中，s∈Ni,T，Ni,T表示目标节点i的全体邻居目标节点的集合，xs,t表示t时刻邻居目标节点s在二维空间的位置；步骤6，目标节点i采用序贯一致加权和积算法，计算并广播t时刻第l次迭代修正的后验概率分布p(l)(xi,t|z1:t)；步骤7，判断l＜N是否成立，如果成立，则目标节点i反转自身在单调链上的排序，转至步骤5；如果不成立，则转至步骤8；步骤8，目标节点i根据t时刻第N次迭代修正的后验概率分布p(N)(xi,t|z1:t)估计自身位置信息