[发明专利]一种无锚点多移动节点协同定位方法

说明书

本发明提出了一种无锚点多移动节点协同定位方法，使用自主传感器获得各移动节点以上一时刻位置为基准的位移信息；使用测距传感器获得各移动节点之间的距离信息；利用最小二乘法，将所述相对位置与保距相对位置相融合，建立代价函数，并计算所述代价函数最优解的解析解，得到各节点当前时刻的优化目标位置；以所述优化目标位置为基准推断下一时刻的相对位置，如此迭代，进行多移动节点融合定位。

技术领域

本发明涉及多目标定位技术领域，特别涉及一种无锚点多移动节点协同定位方法。

背景技术

随着社会的发展与科技水平的不断提高，人们对基于位置的服务(LocationBased Service，LBS)的需求越来越大。具体表现为其一，对定位的精度要求有所提高，比如室内定位精度10厘米是6G(6th generation mobile networks)的一个重要指标；其二，由于所需定位的场景不断增多，定位的种类随之增加。尤其是近年来，伴随着人工智能、传感器，微电子电器件等技术的不断发展，群体智能、无线传感器网络、工业互联网这种多节点系统受到国内外的广泛关注，相关技术发展迅速，其中，多节点定位技术作为定位种类的一种，成为多节点系统的重要支撑技术。

在多节点定位系统中，已知自身坐标的节点称为锚节点，通常需要预先布置与架设，或者依赖于基础设施(GPS，北斗导航系统等)实时感知节点自身的位置坐标。然而许多多节点定位系统的应用场景无法提供锚节点。其一，在许多如突击作战，火灾救援等复杂、特殊的场景下，锚节点很难预先布置与架设；其二，全球卫星定位系统常常作为一种基础设施来实时得到锚节点的位置坐标，在电磁环境复杂、卫星干扰强烈的使用场景中，以及军事要地、重要工业区域和复杂地形环境等卫星拒止条件下，锚节点仍然无法被提供。

因此，无锚点定位技术成为多节点定位系统中的重要研究问题之一，并受到了越来越多的关注。现有的无锚点定位算法研究有很多。基于梯度扩散的无锚定位算法，采用数学计算而不是测量来获取位置信息，该算法无需测量传感器，系统结构简单，但是缺乏测量信息，从而使准确度不高；基于聚类的分布式无锚定位技术，采用基于节点密度的算法进行聚类，该算法将角度测量和距离测量相结合，计算出区域坐标系下所有节点的坐标；最优随机牛顿-拉夫逊定位算法、MDS-MAP算法，通过测距信息得到节点的相对拓扑结构，该方法能够得到每一时刻节点的相对位置坐标，但是相邻时间的相对位置之间没有相关性；通过自主传感器(惯性传感器、编码器等)得到节点的运动参数估计节点的位置信息，该方法得到的位置信息在相邻时间具有相关性且短时间内的定位精度较高，但是存在误差累积的问题，长时间运行定位易发散。

本方法考虑节点间距离可测的情况，针对MDS-MAP算法的时间序列无关性与自主传感器定位误差累积的问题，通过融合自主传感器得到的节点在某时间段内进行的位移与外部测距传感器得到的测距信息，得到某一时刻节点的位置坐标。具体方法是定位过程为迭代过程，每次迭代分为两个阶段，即信息测量与位置更新。在位置更新阶段中，融合位移值与距离信息，通过位移值得到位置的先验估计，利用MDS-MAP算法将距离信息转换为节点的相对坐标，即拓扑结构，再对拓扑结构与位置的先验估计建立代价函数用最小二乘法进行拟合，得到当前时刻节点的位置估计。

发明内容

为了解决上述技术问题，本发明还提出了一种无锚点多移动节点协同定位方法，包括：

使用自主传感器获得各移动节点以上一时刻位置为基准的位移信息；

使用测距传感器获得各移动节点之间的距离信息；

利用最小二乘法，将所述相对位置与保距相对位置相融合，建立代价函数，并计算所述代价函数最优解的解析解，得到各节点当前时刻的优化目标位置；

以所述优化目标位置为基准推断下一时刻的相对位置，如此迭代，进行多移动节点融合定位。

进一步地，利用自主传感器得到的所述位移信息计算当前时刻节点位置的先验估计；