[发明专利]一种基于信号强度相关性分析的群智定位方法

权利要求书

1.一种基于信号强度相关性分析的群智定位方法，其特征在于，对感知节点上报的信号强度数据按照信号强度大小依次排序，将相邻的多个信号强度数据划分成组形成多个数据组；分别计算每个数据组的相关系数；采用最小二乘法对具有强相关性数据组中的各信号强度数据所对应的感知节点的位置信息进行拟合，将拟合出来的圆心位置作为目标的位置。

2.如权利要求1所述基于信号强度相关性分析的群智定位方法，其特征在于，每个感知节点不断采集信号强度数据并将信号强度数据传送至数据中心，由数据中心对信号强度数据进行排序处理和后续计算。

3.如权利要求1所述基于信号强度相关性分析的群智定位方法，其特征在于，每个数据组的相关系数的计算方式如下，

ρj=1TΣi=1T(rssi-rss‾)2,j=1,2,...,K]]>

其中，ρ_j表示第j组数据的相关系数，rss_i表示第i个感知节点上报的信号强度数据，表示每个数据组的信号强度平均值，T表示每个数据组中的信号强度数据的数目，K表示划分的数据组的个数。

4.如权利要求1所述基于信号强度相关性分析的群智定位方法，其特征在于，选取相关系数最大的数据组作为强相关性的数据组。

5.如权利要求1所述基于信号强度相关性分析的群智定位方法，其特征在于，选取相关系数最大的前两个数据组作为强相关性数据组，分别对所述两个数据组中的各信号强度数据所对应的位置信息进行拟合，获得两个圆心的位置，然后根据下式求解出目标的位置，

(xt,yt)=Σl=12ωlOl]]>

其中，O_l,l＝1,2为所述两个圆心的坐标，ω_i为加权系数，且ρ₁和ρ₂分别表示取值最大的前两个相关系数，x_t,y_t为求解出的目标位置。

6.如权利要求1-6所述基于信号强度相关性分析的群智定位方法，其特征在于，采用非线性最小二乘法进行位置信息的拟合，其求解模型如下，

min Q(r,O)=Σ[(xi-a)2+(yi-b)2-r2]s.t.(xi-a)2+(yi-b)2∈[r-L2,r+L2]]]>

其中，Q(r,O)为目标函数，r为拟合出来的圆的半径，O(a,b)为圆心坐标，(x_i,y_i)为每个信号强度数据所对应的感知节点坐标D＝{(x_i,y_i)|i∈1,2,...,N}，L表示用于约束求解的块边长，相应的约束条件为：在每个数据组中，对应的感知节点到拟合圆的中心的距离不小于拟合半径r减去块边长的一半，且不大于半径加上块边长的一半。