[发明专利]一种无线定位网络资源优化方法

说明书

本发明公开了一种无线定位网络资源优化方法，具体为：以均方误差为衡量定位精度的性能指标，得到目标节点定位精度误差值M(P_k)；将目标节点定位精度误差值M(P_k)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M(P_k)最小化问题P1；基于强化学习（RL）实现资源分配算法；针对目标节点N_a数量的增加，优化最优资源分配策略，以最小化系统的功率消耗为目标构建资源优化方案P2；针对目标节点k的位置估计存在误差，进一步优化最优资源分配策略，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M(P_k)最小化为目标构建资源优化方案P3；以强化学习（RL）为基础实现鲁棒性链路选择。本发明的资源优化方法可得到高精度定位结果。

技术领域

本发明属于通信技术领域，具体涉及一种无线定位网络资源优化方法。

背景技术

设计定位网络的目的往往是最大化定位网络的精度，除了传统的增加定位参考节点投放，定位节点之间传送信号携带的信息量同样影响无线定位网络的精度。由于搭建实际定位网络常受到资金限制以及系统模型简化应用的要求，那么资源受限的系统提升精度的关键点就在于优化功率带宽等资源的分配。

以时钟同步的到达时间(Time of Arrival，TOA)测距技术为基础，非协作定位网络以及协作定位网络的定位精度下限：直接位置误差界(Direct Position Error LowerBound，DRLB)以及克拉美罗下界(Cramer Rao Lower Bound，CRLB)已被推导出，现阶段已有大量以定位精度下界为性能指标进行无线定位网络资源分配的研究。定位网络资源分配领域很多研究都是着眼于纯功率因素，部分研究考虑到带宽也是影响无线定位网络定位准确性的要素之一，采取单项资源优化调度的方式，验证了纯带宽优化可以获得比纯功率优化更好的定位精度，这也与CRLB的表达式形式相契合。在此基础上，学者们展开了关于联合功率与带宽资源(Joint Power and Bandwidth Allocation，JPBA)的优化分配研究，结果表明JPBA明显优于仅优化功率或是带宽的策略。

考虑到目前基于无线定位网络资源分配的研究，都是针对CRLB进行资源优化分配，即从闭合形式的理论下限出发。然而定位网络CRLB常常难以取到，特别是低信噪比(Signal-Noise Ratio，SNR)情况下，直接以CRLB为性能指标进行资源优化分配会造成较大误差，而以更具实际意义定位算法的均方误差(Mean Square Error，MSE)为性能指标，进行资源优化分配的研究很匮乏。考虑到均方误差非闭合形式的特殊性，非参数的优化方式求解也存在进一步考虑的必要。

强化学习可以求解非闭合形式的问题，通过与环境交互的即时奖励反馈，强化学习可以相应地生成(接近)最佳控制行为，它不是简单地以贪婪的方式优化当前奖励，而是考虑了长期目标，这对于时变动态系统(例如无线定位网络)至关重要。目前，强化学习已经被广泛的应用于通信系统资源分配的研究中，可以为以无线定位网络MSE为目标的资源优化分配提供有效的参考。此外，考虑到状态数以及动作空间维度会随着目标节点数量增多呈指数增长，此类优化求解方法可能存在维度爆炸导致无法遍历的问题。

发明内容