[发明专利]基于改进卡尔曼滤波器的蜜獾寻优无线定位方法

权利要求书

1.基于改进卡尔曼滤波器的蜜獾寻优无线定位方法，其特征在于，包括如下步骤：

S1、构建非视距环境下的系统TOA(到达时间)测距模型，并且初始化卡尔曼滤波器的参数；

S2、基于系统TOA测距模型对目标节点进行预测和观测，并且根据预测和观测的结果对卡尔曼滤波器的参数进行优化；

S3、利用优化后的卡尔曼滤波器修正系统TOA测距模型输出的测距估计值，并且采用基于线性位置线的定位算法求解出在定位精度因子最小时的测距信息组合以及目标节点的粗略位置；

S4、利用蜜獾寻优算法求解出目标节点的精确位置。

2.如权利要求1所述的基于改进卡尔曼滤波器的蜜獾寻优无线定位方法，其特征在于，S2的具体方法包括如下步骤：

S21、将系统TOA测距模型的测距估计值及其一阶导数作为系统的状态量，并且将状态量作为卡尔曼滤波器的输入量；

S22、求解系统TOA测距模型的测距预测值和测距观测值，并且基于时刻变化预测系统协方差；

S23、根据测距预测值和测距观测值调整卡尔曼增益；

S24、构建卡尔曼滤波器的更新方程，更新方程用于根据系统TOA测距模型的测距预测值和测距观测值输出系统状态最优值和系统最优估计协方差矩阵。

3.如权利要求1所述的基于改进卡尔曼滤波器的蜜獾寻优无线定位方法，其特征在于，S3的具体方法包括如下步骤：

S31、获取系统TOA测距模型输出的对应于目标节点的测距观测值，并且利用优化后的卡尔曼滤波器进行修正；

S32、将优化后的测距估计值分为多组，每组测距估计值的数量为三个；

S33、采用基于线性位置线的定位算法计算每组测距估计值对应的目标节点的粗略位置和定位精度因子；

S34、保留最小的定位精度因子对应的一组测距估计值以及目标节点的粗略位置；

S35、将其余的测距估计值从小到大排列，并且保留其中的前N个。

4.如权利要求3所述的基于改进卡尔曼滤波器的蜜獾寻优无线定位方法，其特征在于，S4的具体方法包括如下步骤：

S41、确定蜜獾寻优算法的适应度函数；

S42、设定蜜獾寻优算法的关键参数，关键参数包括最大迭代次数；

S43、利用保留的N+3个测距信息和目标节点的粗略位置确定蜜獾寻优算法的搜索空间，并且在搜索空间中随机化种群各个个体的初始位置；

S44、通过适应度函数计算当前种群中各个个体的适应度值；

S45、更新密度因子和搜索方向；

S46、利用蜜獾寻优算法的挖掘阶段和吸引阶段更新种群中各个个体的位置；

S47、通过适应度函数更新种群中各个个体的适应度值；

S48、若当前迭代次数达到最大迭代次数或者存在一个适应度值达到预设阈值则进行S49，否则返回S45；

S49、将适应度值最大的一个个体的位置作为目标节点的精确位置。

5.如权利要求4所述的基于改进卡尔曼滤波器的蜜獾寻优无线定位方法，其特征在于，S41中，适应度函数为

其中d_i表示个体离基站i的测距估计值，x、y为个体的位置，x_i、y_i为基站i的位置，N表示基站的个数。

6.如权利要求4所述的基于改进卡尔曼滤波器的蜜獾寻优无线定位方法，其特征在于，S42中，关键参数还包括种群数量N、蜜獾捕猎能力以及密度因子更新系数C。