1.一种未知视距和非视距分布情况下基于到达时间的定位方法,其特征在于包括以下步骤:
步骤一:设定无线传感器网络中存在一个未知的目标节点和N个已知的锚节点,并设定无线传感器网络中的视距和非视距链路的分布情况未知;为无线传感器网络建立一个平面坐标系作为参考坐标系,将目标节点在参考坐标系中的坐标位置记为x,将第i个锚节点在参考坐标系中的坐标位置记为si;其中,N为正整数,N≥3,i为正整数,i的初始值为1,1≤i≤N;
步骤二:建立目标节点与每个锚节点之间的距离测量模型,如果目标节点与第i个锚节点之间为视距传播,则将目标节点与第i个锚节点之间的距离测量模型描述为:di=||x‑si||+ni;如果目标节点与第i个锚节点之间为非视距传播,则将目标节点与第i个锚节点之间的距离测量模型描述为:di=||x‑si||+bi+ni;然后将无线传感器网络中的所有视距链路视为非视距链路,针对第i个锚节点,目标节点与第i个锚节点之间的距离测量模型选用di=||x‑si||+bi+ni;其中,di表示目标节点与第i个锚节点之间的距离测量值,符号“|| ||”为范数符号,||x‑si||表示目标节点与第i个锚节点之间的真实距离,ni表示服从均值为0且方差2
为σi的高斯分布的测量噪声,bi表示目标节点与第i个锚节点之间的非视距链路中的非视距偏差,bi在[0,ρ]范围内服从均匀分布,ρ表示无线传感器网络中的非视距链路中的非视距误差最大值,bi>>ni,bi≤ρ;
步骤三:对等式di=||x‑si||+bi+ni两边进行平方,得到然后将
中的高阶项 舍去,整理后得到ni的近似表达式为 再根据并采用最坏情况下的鲁棒最小二乘方法,得到ni的最小化问题,描述为: 其中,min()为最小值函数,max()为最大值函数,1≤i≤N;
步骤四:令 f(bi)在[0,ρ]范围内单调递减;然后将转化为 接着将 转化
为max(|f(0)|,|f(ρ)|),进而将 转化为目标函数,描述为:其中,f(bi)为引入的中间变量,符号“| |”为取绝对值符号,f(0)表示取bi=0时f(bi)的值, f(ρ)表示取bi=ρ时f(bi)的值,步骤五:在目标函数中引入辅助变量t,将目标函数转化为 然后在2
中引入辅助变量h和r,并令h中的第i个元素hi=||x‑si|| ,r中的第i个元素ri=||x‑si||,将 转化为非凸问题,描述为:接着利用凸松弛技术对非凸问题中的约束条件2
hi=||x‑si|| 进行松弛,对应得到其中 进而将非凸问题转化为
其中,ti表示t中的第i个元素,“s.t.”表示“受约束于……”, 为 的转置,I2表示维数为2×2的单位矩阵,z为常数变量;
步骤六:根据di=||x‑si||+bi+ni、bi>>ni,且bi为正,得到 然后根据hi=2
||x‑si||和 得到 再在中引入惩罚项u,u中的第i个元素ui≥0,得到 进而得到凸优化问题,描述为:步骤七:对凸优化问题进行求解,得到x的值。
2.根据权利要求1所述的未知视距和非视距分布情况下基于到达时间的定位方法,其特征在于所述的步骤七中,使用CVX工具箱对凸优化问题进行求解。