[发明专利]一种基于半定规划的无线传感器网络RSS定位算法

说明书

本发明提供了一种基于半定规划的无线传感器网络RSS定位算法，用以解决现有RSS定位方法存在当接收信号强度中含有噪声时，最终估计的源节点位置会有偏差，并且随着噪声标准差的增加，偏差也会增加的问题。该定位算法包括：S10：将接收信号路径损耗的模型进行预设转化得到预设函数；S20：根据极大似然估计准则构建非凸估计函数；S30：通过半定规划将所述非凸估计函数转换为凸估计函数；S40：将所述凸估计函数导入预设仿真软件中得到源节点的位置估计。采用本发明，通过将接收信号路径损耗的模型进行转化，再基于极大似然估计准则得到一种不忽略新噪声标准差不同的定位算法。

技术领域

本发明涉及无线传感网络定位领域，尤其涉及一种基于半定规划的无线传感器网络RSS定位算法。

背景技术

近年来，定位算法在智能仓库、机器人协作、仪器导航、位置监测等方面的应用愈发广泛，在无线传感器网络(WSNS)中扮演着越来越重要的角色。已知位置的点为锚节点，位置未知的点成为源节点，即需要估计位置的点。与到达角(AOA)、到达时间(TOA)、到达时差(TDOA)等相比，基于接收信号强度(RSS)的定位方法具有实现简单、复杂度低的优点，是一种简便、精确的定位方法，与其他定位方法相比有着显著优势。接收信号强度有两种模型，一种是关于信号强度的模型，另一种是关于路径损耗的模型。

现有的基于RSS的定位方法中，部分方法是构造关于源节点的非凸方程，再利用梯度下降法、坐标下降法、遗传算法、黄金分割算法等求出源节点的极值。但由于接收信号强度会受到噪声的影响，对于非凸方程求得的极值有可能并不是全局最优解，而是局部最优解，因此利用凸优化把非凸方程转化为凸估计，再求出全局最优值的方法越来越受到欢迎。大部分构造优化问题的准则都采用了最小二乘(LS)、相对误差最小(LSRE)、加权最小二乘(WLS)这三种。这三种方法在进行模型转化的时候，对含有噪声量的项进行泰勒展开后都忽略了新噪声的标准差不同，因此当接收信号强度中含有噪声时，最终估计的源节点位置会有一些偏差，并且随着噪声标准差的增加，偏差也会增加。

发明内容

本发明提供了一种基于半定规划的无线传感器网络RSS定位算法，用以解决现有RSS定位方法存在当接收信号强度中含有噪声时，最终估计的源节点位置会有偏差，并且随着噪声标准差的增加，偏差也会增加的问题。

为了解决上述目的，本发明提供的技术方案如下：

一种基于半定规划的无线传感器网络RSS定位算法，包括：

S10：将接收信号路径损耗的模型进行预设转化得到预设函数；

S20：根据极大似然估计准则构建非凸估计函数；

S30：通过半定规划将所述非凸估计函数转换为凸估计函数；

S40：将所述凸估计函数导入预设仿真软件中得到源节点的位置估计。

进一步的，所述接收信号路径损耗的模型为：

其中，L_i为第i个锚节点接收到的路径损耗，L₀为当锚节点与源节点的距离为d₀时，锚节点所接受到的路径损耗；S_i为第i个锚节点的坐标；γ为路径损耗指数；n_i为接收到的噪声信号；N为锚节点的个数。

进一步的，所述步骤S10中，预设函数为：

α_iη＝||x-s_i||+ξ_i，i＝1…N (2)

其中，得到一个均方差为的新噪声ξ_i。

进一步的，所述步骤S20中，非凸估计函数为：