[发明专利]基于事件触发型无线传感器网络的融合定位方法和装置

说明书

本发明提供了一种基于事件触发型无线传感器网络的融合定位方法和装置，通过建立移动目标的运动学模型以及量测模型，分别确定运动学模型中过程噪声的协方差以及量测模型中量测噪声的方差，并确定移动目标的目标状态的初始估计值；根据运动学模型和量测模型，计算出目标状态的预测值，并从惯性传感器获取加速度量测值，计算滤波增益以及目标状态的估计值；判断目标状态的估计值的协方差的迹是否大于阈值，若是，修正所述目标状态的估计值；若否，则将目标状态的估计值确定为移动目标的当前定位。采用一种惯性和无线测距融合的方法来实现事件触发型无线传感器网络环境下的目标定位，有效地减少了WSN的能量消耗，提高了目标定位的鲁棒性。

技术领域

本发明属于计算机技术领域，尤其涉及一种事件触发型无线传感器网络的融合定位方法、装置、电子设备及可存储介质。

背景技术

随着传感器、无线通信与嵌入式计算等技术的不断进步，使得无线传感器网络（Wireless Sensor Networks，WSNs）的应用成为了在物联网发展中的一个重要组成部分。在WSN 环境下，大量静止或移动的传感器节点可协作地感知、采集、处理和传输所覆盖区域的环境信息，其中，目标定位是其可提供的重要服务之一。尤其是近年来，LoRa 技术的出现和发展，在传输距离、功耗、成本、以及抗干扰性等多方面提升了WSN 的性能，使得 WSN 在定位领域发挥了更大的作用。

多传感器信息融合是提高目标定位精度和鲁棒性的重要方式。特别的，合理有效的多传感器融合可延长网络的生存周期，弥补WSN 节点的能量受限的不足。将无线测距与惯性传感器等相结合，可形成不同传感器之间的优势互补。惯性传感器输出具有较高的实时性，相应地，可降低WSN 的采样频率来减少网络的能量消耗。在事件触发型WSN 中，网络根据服务对象的实际需求按需提供服务，用于修正惯性定位的累积误差。这样，定位系统就可在能量消耗、定位精度等方面达成良好的平衡。

然而，目前还没有技术能够鲁棒、有效的来解决事件触发WSN 环境下的融合定位问题。

发明内容

本发明实施例的第一目的在于提供一种事件触发型无线传感器网络的融合定位方法，旨在解决目前还没有技术能够鲁棒、有效的来解决事件触发WSN 环境下的融合定位问题。

本发明实施例是这样实现的，一种事件触发型无线传感器网络的融合定位方法，包括：

建立移动目标的运动学模型以及量测模型，分别确定所述运动学模型中过程噪声的协方差以及所述量测模型中量测噪声 的方差，并确定所述移动目标的目标状态的初始估计值和；

根据所述运动学模型和量测模型，计算出所述目标状态的预测值 和，并从惯性传感器获取加速度量测值，计算滤波增益以及所述目标状态的估计值和；

判断目标状态的估计值的协方差的迹是否大于阈值，若是，修正所述目标状态的估计值；若否，则将所述目标状态的估计值和确定为所述移动目标的当前定位。

在一个实施例中，所述修正所述目标状态的估计值包括：控制所述移动目标向周围无线传感器网络的节点发送定位请求；

获取所述移动目标与各响应节点间的距离值，根据所述距离值通过量测方程转换和观测融合，得到所述移动目标状态的估计值和；

利用协方差交叉融合滤波算法得到所述目标状态的修正值和，将所述目标状态的修正值和确定为所述移动目标的当前定位。

在一个实施例中，所述响应节点的位置已知，所述距离值由到达时间定位算法TOA测距得到， 所观测融合通过高斯-马尔可夫法计算得到。

在一个实施例中，所述计算滤波增益以及所述目标状态的估计值和包括，若所述加速度量测值的后验残差 的马氏距离平方大于阈值，则计算自适应因子，更新加速度的量测噪声协方差，并通过第一算法公式计算所述滤波增益；否则，直接通过第二算法公式计算所述滤波增益。