[发明专利]基于EFI的协作定位节点选择方法

说明书

技术领域

本发明涉及一种基于EFI的协作定位节点选择方法。

背景技术

随着移动互联网时代的带来，基于位置的服务对定位提出了很高的要求，随时随地获取高定的位置信息成为了许多应用的前提。但是目前广泛使用的GPS系统等传统定位方式难以满足某些场景下的定位需求，于是出现了协作定位技术。协作定位技术是指目标节点间通过相互协作来实现定位，包括协作节点间建立通信链路用于共享定位信息，通过测距系统来测量节点间的距离。协作定位具有其他定位系统不具备的有点，比如参考节点密度要求低、定位范围更广、定位精度更高等。但是节点间的协作也带来了一些问题，比如定位网络的平均连接数过高，从而导致信道拥塞和定位延时。通常协同定位的平均连接数是非协同定位的10倍以上，在实际定位中若目标节点使用全部节点进行位置估计，将耗费大量的计算时间，实时性难以得到保证，且辅助节点中误差较大的节点会影响定位精度。因此在进行合作定位过程中，合适的协作节点选择算法既能缩短定位时间，又能提高定位精度。

目前常用的邻节点选择算法包括根据信号强度或者距离远近来进行选择。也有基于克拉美罗界的方法来选择邻居节点子集，这种方法是在全空间内搜索所有不同组合来寻找某一组合使得待定位节点的克拉美罗界最小。另外根据信道损耗指数来选择邻节点的方法是通过尽可能降低测距带来的误差来提高定位精度。一般来说影响协作定位精度的因素有辅助节点的位置误差、与辅助节点间的测距误差、以及辅助节点的拓扑分布三个影响因素。

发明内容

本发明的目的是提供一种可以降低定位算法带来的能量和信道资源的消耗以及降低定位的时延的定位节点选择算法。技术方案如下：

一种基于EFI的协作定位节点选择方法，包括下列步骤：

第一步：根据应用需求设置定位系统的精度门限g，目标节点获取邻居节点集合Δ。

第二步：目标节点根据自身边缘费舍尔信息矩阵和接收到的邻居节点的边缘费舍尔信息矩阵更新自身的边缘费舍尔信息矩阵为并分别计算SPEB_i,j。

第三步：选择使SPEB_i,j最小的节点j并添加到Γ_i中，将i节点从Δ_i中移除。

第四步：根据更新后的重复第二、三、四步，直到节点的定位精度小于等于g。

第五步：使用Γ中的节点计算节点的位置。

本发明的基于边缘费舍尔信息矩阵(EFI)的节点选择算法。该算法与已有的算法最大的不同点在于该算法不以提高最大定位精度为目的，而是在达到应用需要的前提下尽可能的选择最少数量的节点参与协作，以降低定位算法带来的能量和信道资源的消耗以及降低定位的时延。

附图说明

图1是EFI的几何解释图

图2是EFI的更新示意图，P₁表示目标节点，P₂表示协作节点，椭圆表示节点的EFI，即费舍尔信息量的几何表示，可以发现P₁节点的EFIJ_e(p₁)在经过协作信息量明显的增大。

图3是几种方法的定位效果对比图。

具体实施方式

本发明改变传统的评估邻居节点信息量的方法，而是使用EFI(边缘费舍尔信息)作为表征邻居节点的信息量，并且使用本方法可以在达到指定定位精度的前提下尽可能的减少协作节点的数量，从而达到节约定位系统资源消耗的目的。本发明以邻居节点对目标节点EFI的影响来衡量邻居节点的含有的信息量，信息量越大表示邻居节点越有利于目标节点定位精度的提高。

定位网络中，目标节点k的位置表示为p_k＝[x_k,y_k]^T，邻居节点j表示为p_j＝[x_j,y_j]^T。φ_kj表示目标节点k与邻居节点j的角度，有则测距方向矩阵(RDM)表示为：通过信号的有效带宽和第一路径信噪比可以确定测距信息强度(RII)v，计算方法可参考文献：