[发明专利]用于确定无线发射器的功率和位置的方法

说明书

技术领域

本发明涉及用于确定无线发射器的功率和位置的方法。此外，本发明还涉及计算机程序、计算机程序产品及其中央处理单元。

背景技术

经由传感器网络进行无源发射器定位是许多无线应用中的一个重要课题，因为未知射频源的定位很有可能成为未来下一代无线通信网络中的关键组成部分。中央控制盘或其它相关无线网络管理实体被赋予了感测和记录周围环境中的无线活动的能力，则可以通过它们的网络高效地规划、决定和执行相应的动作。

一般而言，具有未知发射器的位置信息的环境感知很有可能在未来自组织网络中变得非常重要，在自组织网络中，例如，基于从大型传感器网络及其相关的测量(“观测”、“观测数据”)中收集的环境信息来使功率、频率或其它关键无线参数(自动地)适应。例如，下一代蜂窝网络可以通过增加成本效率(减少运营成本，OPEX)和通过增加频谱和能量效率，从这样的自组织能力中获益。

运营商和管理者两者都可以获得益处；前者改善网络运营，后者对恶意和非授权频谱用户进行检测和定位。

大多数关于未来蜂窝网络的设计和展望预测无线发射器的数目将会大量增加。一种提供更高数据速率的关键促成因素是网络基础设施的致密化，即每单位区域有更多的发射器。

图1图示了由本发明解决的问题场景。在感兴趣的区域中，两个或更多个有源无线发射器在某一频带下工作。这些无线传输的位置、功率、类型或任何其它有关参数是未知的。有源无线发射器的数目也是未知的。可能存在大量数目的分布式传感器在相应传感器位置处执行对由这些未知发射器产生的接收信号强度(RSS)的测量，并且将这些相应测量数据转发给中央网络节点。转发的测量数据可以包含相关标签，例如测量的时间、测量的频带、传感器的位置/坐标等。

在这些多发射器场景中产生的普遍问题在于：区分所测量的因不同无线发射器产生的RSS分量复杂度高。这使多发射器定位问题复杂化。

接着问题是准确地确定区域中的无线发射器的未知数目、(一个或多个)未知功率和(一个或多个)未知位置。

基于RSS的(一个或多个)发射器定位技术由于它们的简单性且能够直接应用于现成的无线硬件，所以是最流行的技术。然而，文献全面地解决了由于以下原因产生的基于内在的困难而得到较少关注的多源情况下的单源定位问题：

i.缺乏多个非正交源在相同频带重叠的商业场景；以及

ii.用于部署大量传感器的相当高的成本，这对于准确定位是必要条件。

然而，认知无线应用(参见IEEE 802.19和802.22中的共存问题)的潜能加上传感器的成本降低正在改变这一现实。现有技术中存在多个解决定位问题的方法。

ML估计

最大似然(ML)由于其渐近最优性而成为一种流行的估计方法。然而，对数正态传播环境中的似然函数通常具有多个最大值，因此产生非凸优化问题。这成为ML方法的最明显的缺点。用于这种非凸优化的标准技术往往非常复杂。另外，计算随着源的数目呈指数增长，这是ML估计法的另一主要缺点。

针对单个源的本地最大值的问题已经通过凸集投影法(POCS)得到解决。该算法具有低复杂性、对于本地最大值具有鲁棒性以及具有可分布计算。距离估计也采用RSS，但是该算法还可以用于其中传感器源距离估计值以某种方式可用的任何定位方法。当(单个)源节点位于由传感器网络中的外围节点限定的传感器凸包的内部时，该方法(其被称为“循环”POCS)运行良好。该方法还需要了解参数如路损和传输功率。这种方案的缺点在于其只解决单源情况。

另一种用于解决传统ML的非凸性的方法是半定规划(SDP)松弛技术。此处的想法是通过引入移除公式中的二次项的松弛，将非凸二次距离约束转换线性约束。该SDP方法已仅适用于单源情况。另外，必须已知无线发射器的发射功率。

利用简化信道模型和已知源数目的方法

针对多个源，研究已经主要集中在AWGN模型，其对于声源有效。相同的AWGN模型已经应用于无线应用中，但这是对数正态阴影环境的过度简化。其它现有技术提出了全局优化方法论。已经基于k-平均值而引入聚类算法，用于增强收敛和降低整体复杂性。针对相同的AWGN模型，已经提出了准EM方法。所有上述技术假设了解了源的数目。已经采用了内在稀疏性(少量源、大量测量)，以便通过适当地修改至少绝对的收缩和选择算子(LASSO)来改进估计法。

基于栅格的方法