[发明专利]一种基于信号强度相关性分析的群智定位方法

说明书

技术领域

本发明属于定位技术领域，具体涉及一种基于信号强度相关性分析的群智定位方法。

背景技术

准确快速的定位成为日常生活中许多应用的基础。强烈的位置信息需求催生出了基于位置的服务，通过获取目标用户的位置信息为目标用户准确的提供其附近可用的各种资源和服务，便利了人们的生活，极具市场意义和商业应用前景，被广泛应用于实时路径导航、周边商业设施查询、灾难救援等场景。

定位技术种类非常多，按照定位过程中是否需要测算目标到锚节点的距离，可分为测距定位方法与非测距定位方法。测距定位方法利用绝对距离或者角度信息来实现定位，主要包括TOA算法，TDOA算法，AOA算法等。非测距定位方法利用网络之间的连通度定位，包括质心算法等。测距定位方法需要计算距离或者角度信息，适合于存在直射路径的场景，在存在阴影、多径等复杂环境下效果一般，对信息精度要求高，设备成本较高。非测距定位方法则无需具体的数据测算，成本比较低，成为当前的研究热点。

依据被定位目标在定位过程中所采取的态度来看，可以分为主动定位和被动定位。主动定位指的是目标有着对自身位置信息的需求，主动参与到整个定位过程中，一般需要定位目标携带相应的终端或者设备。被动定位免去了目标必须带有相应设备的要求，也不需要来自被定位目标的合作，主要通过收集目标自身向外扩散如红外辐射、电磁辐射等物理信息来定位。被动定位适用性更广，但对系统的要求比较高，系统开销比较大，难以适应越来越强的定位需求，同时存在需要发射功率或信道衰落参数等先验信息、不适应复杂的传输环境、部署成本较高等问题。

发明内容

本发明的目的在于提出一种基于信号强度相关性分析的群智定位方法，该方法无需目标发射功率或者信道衰落指数等先验信息，只需利用感知节点的接收信号强度之间的相关性即可实现对无线发射源的有效定位。

为了解决上述技术问题，本发明提供一种基于信号强度相关性分析的群智定位方 法，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。

进一步，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。

进一步，每个数据组的相关系数的计算方式如下，

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。

进一步，选取相关系数最大的数据组作为强相关性的数据组。

进一步，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，

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l＝1,2，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。

进一步，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，

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。

本发明与现有技术相比，其显著优点在于，本发明方法可以利用大量低成本的的感知节点实现定位，开销较低，非常适用于存在各种遮挡的现实环境，同时由于系统成本低，便于大规模的部署。

附图说明

图1是使用本发明时的感知节点部署场景示意图；

图2是本发明方法示意框图；

图3是本发明中的接收信号强度态势分布图；