[发明专利]一种无线定位网络资源优化方法

权利要求书

1.一种无线定位网络资源优化方法，其特征在于，该方法包括如下步骤：

(1)在无线定位网络中用分别代表锚节点和目标节点的集合，锚节点基于时钟异步方式，以频分复用方法与目标节点进行测距，得到目标节点k的位置估计采用均方误差衡量目标节点k位置估计的准确性，得到目标节点定位精度误差值

(2)将目标节点定位精度误差值最小化作为目标函数，考虑目标节点N_a＝1的情况下目标函数最小化问题P1，约束条件为：每个锚节点都有传输带宽β₀和发射功率P₀的上限；所有锚节点总的发射功率不能超过阈值；每个锚节点发射信号的频带不能重叠；

(3)基于强化学习(RL)实现资源分配算法，包括：根据目标函数最小化来设置奖励以指导锚节点对于不同等级资源进行选择，得到最优资源分配策略，然后根据输入的目标节点的真实位置p_k结合邻近算法或者BP神经网络方式得到锚节点次优的资源分配动作；

(4)针对目标节点数量的增加，优化步骤(3)得到的最优资源分配策略，以最小化系统的功率消耗为目标构建资源优化方案P2，约束条件在P1约束条件的基础上，增加约束条件：每个目标节点的定位精度误差值均不能大于定位精度阈值；

(5)针对目标节点k的位置估计存在误差的问题，进一步优化步骤(4)得到的最优资源分配策略，以不确定区域内所有可能目标节点的最大定位精度误差值最小化为目标构建资源优化方案P3，约束条件在P1约束条件的基础上，增加约束条件：所有可能的目标节点位置均在不确定区域内；

(6)基于实际测距得到测距矩阵R，根据锚节点拓扑结构和测距矩阵R，以强化学习(RL)为基础实现鲁棒性链路选择，最终得到目标节点位置估计的最优值以及对应的鲁棒性链路选择方案。

2.根据权利要求1所述的一种无线定位网络资源优化方法，其特征在于，所述步骤(3)中资源分配算法的具体实现步骤为：

1)初始化设置：通过采样目标节点位置形成训练库，训练集合表示为锚节点位置为p_Anchor，第s个目标节点样本位置表示为p_s，

设置信道系数ξ_sj，功率、带宽的离散步长分别为ΔP、Δβ；

定义锚节点的动作为定义训练精度的五个状态(S₀-S₄)，依次为差、较差、一般、较好、很好；

2)训练过程：对于训练库中每个节点的每次训练：

初始化状态-动作表矩阵Q为零矩阵，设置当前状态为S₀；

令s_t、a_t为当前时刻的状态和动作，若当前训练次数未到达训练上限：

Q_old＝Q(s_t,a_t)；

从动作集中选择针对所有锚节点的一组资源分配动作，根据t+1时刻的资源分配方案，

输出t+1时刻定位精度误差值

获得t+1时刻执行完资源分配动作获得的回报值R_t+1，更新状态-动作表矩阵Q；

利用ε-贪心算法求解策略，其中ε为“探索”的概率，取值范围[0,1]：

其中，P_r表示概率，π表示有1-ε的概率选取最大化状态-动作表矩阵Q的动作，ε的概率随机选择；

更新状态-动作表矩阵Q，将状态更新为当前状态；

3)循环训练步骤2)，达到设置的收敛次数上限循环结束，输出状态-动作表矩阵Q和最优资源分配策略；

4)输入目标节点的真实位置p_k；

结合邻近算法或者BP神经网络的方式获取次优的资源分配动作：

3.根据权利要求2所述的一种无线定位网络资源优化方法，其特征在于，所述步骤(6)实现鲁棒性链路选择的具体步骤为：

1)采样需要定位的目标节点，训练集合表示为

设定锚节点位置为p_Anchor，第s目标节点位置为p_s，

基于锚节点N_b与目标节点的实际测距N_b×N_s获取测距矩阵R；

2)在测距矩阵R中随机选取测距链路以获得p_s的位置估计集合

剔除集合中的离群值，获得包含新集合的最小不确定区域η₁×η₂；

对于不确定区域η₁×η₂的每个顶点，初始化状态-动作表矩阵Q为零矩阵，设置当前状态为S₀；

对每个顶点实行资源分配算法中的训练过程，根据锚节点分配到资源与否选取测距链路；

记录每个顶点的链路选择方案；

将每个顶点的链路选择方案遍历应用到其他顶点，基于资源优化方案P3的优化目标和约束条件获取鲁棒性链路选择方案；

3)循环步骤2)，直到训练完N_s目标节点；

4)输出N_s目标节点位置估计的最优值以及对应的鲁棒性链路选择方案。