[发明专利]一种基于多目标演化模型的无线传感网多信道测距优化方法

说明书

本发明公开了一种基于多目标演化模型的无线传感网多信道测距优化方法，包括以下步骤：设置多信道频率：发射多信道信号：测量多信道RSSI：加权多信道F²RSSI：生成决策向量：迭代第一目标函数：迭代第二目标函数：演化决策向量；获得节点距离：采用本发明方法能够避免事先进行无线电传播模型参数的训练，从而实现环境的自适应能力，大大提高了复杂环境无线传感网测距定位的精度，同时本发明方法不使用参考节点，方便了测距定位在大规模无线传感网中的应用。

技术领域

本发明属于无线传感网测距定位技术领域，特别是一种用于多径环境大规模无线传感器网络中节点定位的基于多目标演化模型的多信道测距优化方法。

背景技术

目前，定位服务已经成为现代社会中各个领域的关键应用服务，尤其是在工业机器人制造、无人驾驶汽车、战场环境侦测等应用领域发挥着至关重要的作用。定位技术通常被划分为两类：一类是基于测距的定位技术，另一类则是基于非测距的定位技术。通常情况下，基于非测距的定位技术是根据节点之间的连接信息来推测节点的位置，定位精度不高，而基于测距的定位技术一般是依据某种距离量的测量来计算节点的位置，定位精度较高，因此更加适合被用于提供高精度的定位服务。

在各种高精度定位服务使用的测距方法中，全球定位系统(GPS)等基于到达时间(TOA) 的测距对时钟同步有非常高的要求，而基于到达角度(AOA)的测距则需要多个天线阵列。因此，这些测距方法会增加节点的尺寸、功耗和成本。目前，接收信号强度指示(RSSI)可以直接从很多廉价无线通信芯片中的RSSI寄存器读出，利用RSSI进行距离估计不会增加节点能耗，也无需其他附加硬件，是一种易于部署、成本低廉的测距方法。因此，基于RSSI的测距方法非常适用于大规模无线传感器网络中节点的定位服务。

在基于RSSI的测距方法中通常使用三种节点：信标节点是发射信号的节点，位置是已知的，通常也被称作锚节点；参考节点是与信标节点距离已知的节点，测量的RSSI将作为测距的参数；目标节点是与信标节点距离未知的待测距节点，接收的RSSI是估计距离的依据。传统基于RSSI的测距方法(以下称为方法一)使用的无线信号传播模型如下所示：

其中，d表示目标节点与信标节点之间的距离，d₀表示参考节点与信标节点之间的距离；P_r是目标节点测量的RSSI，P₀是参考节点测量的RSSI；n_p表示信号强度的路径衰减指数，该参数与节点部署的环境有关。

方法一分为两个步骤：首先，在无线传感器网络中选取若干个到信标节点距离不同的节点作为参考节点进行RSSI测量，得到距离和RSSI组合值的样本，通过公式(1)进行参数拟合得到n_p，这一步骤通常被称为训练或学习；然后，再由目标节点进行RSSI测量，通过公式 (1)完成距离估计。

方法一存在两个方面的问题。一个方面是训练需要花费大量的时间、人力和能耗，以获得距离和RSSI组合值样本进行路径衰减指数的拟合；另一个方面是用于训练的各个节点之间的多径环境其实并不相同，这种训练的方法得到的路径衰减指数是对“整体多径环境”的描述，因此与不同节点之间的实际情况存在差异，进而导致距离估计的偏差较大。

不同于传统的方法只选择一个固定的信道发射测距信号，一种基于多信道RSSI的测距方法 [Zhang,D.,et al.:‘On distinguishing the multiple radio paths in RSS-based ranging’.Proc IEEE INFOCOM,2012,pp.2201-2209](以下称为方法二)被提出。方法二依次在若干不同的信道上发射信号，利用不同信道测量的RSSI值进行待测距离的估算。该方法免去了方法一拟合路径衰减指数的训练过程，但其距离估算的方法为最小二乘法，容易陷入局部最优。另外，为了减小不同节点间天线增益对测距结果产生的偏差，该方法需要事先通过训练获得节点间的天线增益。