[发明专利]基于RSS的无线传感器网络定位方法

说明书

技术领域

本发明涉及一种无线传感器定位方法，属于无线通信技术、传感器技术和分布式计算的特殊自组织网络技术领域。

背景技术

近年来随着无线网络的普及和普适计算的高速发展，无线定位技术已经在医疗，教育，公共安全和军事等领域得到发展。作为一种融合了无线通信技术、传感器技术和分布式计算的特殊自组织网络，无线传感器定位系统可以部署在危险区域，长期地、协作地实时监测、且定位数据处理方便，因此，基于无线传感器网络定位系统的研究已经发展起来了。

利用接收信号强度（RSS）参数进行定位只需无线收发器。无需任何额外的硬件辅助，实现简单，应用成本低。随着测量理论的发展，压缩测量稀疏信号重构已广泛应用于无线传感网络目标定位.由于压缩感知技术只需要采集少量目标状态信息，就能够恢复出原信号。所以国内外已经开展了上述的研究工作。

Feng C等人用压缩感知的方法研究了传感器网络目标定位问题， [Feng C,Valaee S,Tan Z.Multiple target localization using compressive sensing[C]//Global Telecommunications Conference, 2009.GLOBECOM2009.IEEE.IEEE,2009:1-6.]，文中把传感器网络多目标定位问题转换为K个理想的稀疏度为1的N维向量的重构问题，该方法只能应用于目标位置在网格中心的情况，并没有考虑目标在网格的其他位置。何风行等人采用压缩感知方法使通信开销从M× K减少到M，（M是传感节点，K是目标个数），并对于目标不在网格中心的情况提出了采用迭代回溯的压缩感知算法，部分提高了定位精度，[何风行，余志军,刘海涛.基于压缩感知的无线传感器网络多目标定位算法[J].电子与信息学报，2012,32(3):716-721.]，但是该算法计算量较大，不适合实时定位系统，而且系统性能受噪声影响明显，当目标位置靠近传感器节点时，定位不准确。在另一篇文献 [何风行，余志军，吕政，刘海涛。基于RSS的WSN多目标定位压缩感知算法优化[J].南京邮电大学学报(自然科学版),2012,32(1): 24-28.],何风行等人采用残差最优匹配的方法对压缩感知重构算法进行改进，提出了根据重构结果判断定位是否成功的算法框架，给出了一种降低系统通信开销的工作方式。但是在噪声干扰下，定位误差仍然比较大。

发明内容

为了解决上述问题，本发明运用接收信号强度参数，将压缩感知技术和多边测量定位技术相结合，提供了一种基于RSS的无线传感器网络定位方法，该方法的主要思想是将定位分为两个阶段：粗定位阶段和精定位阶段；在粗定位阶段运用压缩感知技术，尽可能采集更少量的数据，重构出目标可能的存在范围；在精定位阶段，根据粗定位阶段获得的目标定位区域，利用多边测量技术，对定位目标进行精确定位。本发明技术方案的步骤如下：

设定M是传感器个数，N是网格个数，K是稀疏度，Φ是测量矩阵，Y是测量值，X是重构向量，x_N是X向量中的分量。

（1）压缩感知‐粗定位阶段：

将基于网格的目标信号定位问题转化为压缩感知问题，运用压缩感知方法对目标信号进行定位，求得重构向量X；

（2）选取X中最大分量，与网格内存在目标的阈值δ做比较，如果最大分量大于该阈值δ，则目标信号处于网格中心，转至步骤（5）；否则目标信号不在网格中心，继续下一步；

本发明对单一目标进行定位，当x_N是X向量中最大分量时，表示第N个网格内存在目标，并且当x_N等于1时，表示目标在第N个网格的中心。

在有噪声干扰的情况下，当第N个网格内存在目标时，恢复出的信号X中，x_N分量的实际值要小于理论值。

在不同分贝噪声干扰的情况下，当第N个网格中心存在目标时，重构出的x_N分量值的大小也不同。

噪声干扰越大，对应第N个网格中心存在目标的阈值就越小。

所以在有噪声干扰的情况下，重构出的X值中，最大分量值如果大于或等于对应噪声下网格内存在目标的阈值，就表示该目标位于网格中心，否则目标位于网格其他位置。

（3）本发明每隔2个网格布设一个传感器，计算出目标信号所在的范围，利用基站选择策略选取接收到目标信号最强的4个传感器节点；

（4）多边测量‐精定位阶段：