[发明专利]基于隐马氏模型的分布式运动节点的定位方法

权利要求书

1.一种基于隐马氏模型的分布式运动节点的定位方法，用于移动网络中对用户节点的定位，其特征在于，包括以下步骤：

(1)系统初始化，设定通讯半径和时间间隔，统计位置信息并生成对于不同用户节点的分别的位置转移概率矩阵，统计相遇信息并生成在每个位置上与其他用户节点的相遇概率；

(2)所述用户节点通过WiFi访问AP获得其与其他用户节点相遇的信息，所述的用户节点与其他用户节点相遇是指：该用户节点与其他用户节点在同一时间间隔内访问该AP或处于该AP通讯半径范围内的AP；

(3)所述用户节点通过访问固定的AP或者与固定的其他用户节点相遇获得其本身所处位置，所述的固定的AP和固定的其他用户节点具有已知位置；

(4)根据当前已有的已知位置划分出若干子段，在该子段的每一时间间隔内只有相遇信息而无已知位置，各子段的开始和末尾具有固定的已知位置；

(5)将步骤(4)所得的各子段的开始和末尾的已知位置，使用隐马尔可夫链模型，利用Viterbi向前向后算法结合动态规划算法确定对开始和末尾位置固定而内部未知路径的最大概率估计。

2.根据权利要求1所述的基于隐马氏模型的分布式运动节点的定位方法，其特征在于，所述的对开始和末尾位置固定而内部未知路径的最大概率估计的确定步骤如下：

(1)通过历史信息统计，初始设置位置转移概率矩阵A和与其他用户节点的相遇概率B；

(2)从初始位置g开始，在下一时间间隔所述用户节点与其他用户节点的相遇信息记为e_t，而在该时刻可能移动到所有i的概率为δ_i，利用位置转移矩阵A和已知相遇信息计算出来δi=Agi*Biet;]]>

(3)令t=t+1，在下一时间间隔内该用户节点与其他用户节点的相遇信息记为e_t，而在下一时间间隔内移动到所有j的概率为δ_j，利用δj=maxiδi*Aij*Biet,]]>并记录argmaxiδi*Aij*Biet;]]>

(4)重复步骤(3)直至t超过尾部时间；

(5)设h是尾部已知的所处位置，由前4个步骤已知到达尾部之前处于位置j的未知路径的最大概率δ_j，设从位置j出发，利用δh=maxjδj*Ajh*Bhet,]]>并记录argmaxjδj*Ajh*Bjet;]]>

(6)根据每步搜索并记录下来的最优路径，逆推出拥有最大概率的路径T。