[发明专利]一种能量衰减因子未知条件下基于声能的定位方法

说明书

本发明涉及一种能量衰减因子未知条件下基于声能的定位方法，首先，在范围[2,4]内随机选取一个能量衰减因子的初始值，利用接收信号的能量比和一阶泰勒展开，获得一种近似加权最小二乘定位AWLS模型，通过设置冗余参数，引入上镜图方法，根据S‑lemma定理和能量衰减因子的上界，将AWLS模型重新定义为RWLS模型；之后，利用SDR技术，将RWLS模型转换为凸的SDP问题，从而获得初始能量衰减因子条件下定位问题的全局最优解；然后，得到能量衰减因子的WLS估计。将得到的能量衰减因子的WLS估计值代入上述流程，获得更新后的能量衰减因子条件下的定位问题的全局最优解。该方法能够减小初始能量衰减因子对定位精度的影响，提高信号源位置的定位精度，且降低整体计算复杂度。

技术领域

本发明涉及无线传感网络领域，尤其是涉及一种能量衰减因子未知条件下基于声能的定位方法。

背景技术

近年来，随着无线传感器网络技术的发展，其目标定位技术在导航、家居、工业和环境监测等领域得到了广泛的应用。现有的定位技术中，根据信号测量方式的不同，可以分为到达时间(time-of-arrival，TOA)、到达时间差(time-difference-of-arrival，TDOA)、到达角度(angle-of-arrival，AOA)、接收信号强度(received-signal-strength，RSS)和声能(acoustic energy)。和其他几种方法相比，基于接收信号强度和基于声能的方法更加能够适应资源受限的无线传感器网络，因为它们具有较低的通信开销和较低的计算复杂度。基于声能的测量模型在文献(D.Li and Y.H.Hu,“Energy-based collaborative sourcelocalization using acoustic microsensor array”,EURASIP Journal on Advances inSignal Processing,vol.2003,no.4,pp.321–337,2003.)中首先提出，并且通过了外场测试和验证。接下来，Sheng和Hu等人在文献(X.Sheng and,Y.-H.Hu,Maximum likelihoodmultiple-source localization using acoustic energy measurements with wirelesssensor networks”,IEEE Transactions on Signal Processing,vol.53,no.1,pp.44–53,Jan.2005)中提出了一种最大似然率(maximum likelihood，ML)的方法来对多个声源进行定位，由于其ML问题是通过迭代的方式进行求解，因而具有收敛到局部最优而非全局最优的风险。为了解决这个问题，有学者提出了一些闭式的方法，例如(K.C.Ho and M.Sun,“Anaccurate algebraic closed-form solution for energy-based sourcelocalization”,IEEE Transactions onAudio,Speech,and Language Processing,vol.15,no.8,pp.2542–2550,Nov.2007.)，其基本思路是，通过一定的手段，将非线性的定位问题线性化，这样一来，既解决了ML方法陷入局部最优的困境，又降低了计算复杂度。但是，由于其线性化过程中忽略了噪声的影响，因此，在噪声较大时，定位性能较差。为了解决这个问题，一些凸优化的技术被应用到这些非凸的ML或者是加权最小二乘(weightedleast squares，WLS)的定位问题中，从而获得凸的半正定规划(semidefinite programs，SDPs)(如文献G.Wang,Y.Li,andR.Wang,“New semidefinite relaxation method foracoustic energy-based source localization”,IEEE Sensors Journal,vol.13,no.5,pp.1514–1521,May 2013.)或者是二阶锥规划(second-order cone programs，SOCPs)问题(如文献M.Beko,“Energy-based localization in wireless sensor networks usingsecond-order cone programming relaxation”,in Wireless PersonalCommunications,vol.77,no.3,pp.1847–1857,Aug.2014.)。由于这类方法并没有直接忽略噪声的影响，因此，即使在噪声较大的情况下，仍然能获得较好的定位精度。