CN104363649B - 带有约束条件的ukf的wsn节点定位方法 - Google Patents

带有约束条件的ukf的wsn节点定位方法 Download PDF

Info

Publication number
CN104363649B
CN104363649B CN201410370545.1A CN201410370545A CN104363649B CN 104363649 B CN104363649 B CN 104363649B CN 201410370545 A CN201410370545 A CN 201410370545A CN 104363649 B CN104363649 B CN 104363649B
Authority
CN
China
Prior art keywords
mrow
msub
mover
msubsup
mtd
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410370545.1A
Other languages
English (en)
Other versions
CN104363649A (zh
Inventor
欧县华
武宪青
何熊熊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanling County Construction Investment Co Ltd
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201410370545.1A priority Critical patent/CN104363649B/zh
Publication of CN104363649A publication Critical patent/CN104363649A/zh
Application granted granted Critical
Publication of CN104363649B publication Critical patent/CN104363649B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0252—Radio frequency fingerprinting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种带约束条件的UKF的WSN节点定位方法。首先，将极大似然估计法与约束条件结合进行初步定位，使用约束条件和未知节点相邻两时刻中前一时刻的坐标对MLE计算结果进行修正，获得新的初始坐标值。其次，以未知节点坐标为***状态变量，RSSI为观测量，建立基于标准UKF算法的定位***的状态方程和观测方程，进行精确定位。相比传统的节点定位算法和EKF算法，不仅提高了节点定位精度，而且引入约束，增强了滤波的鲁棒性和收敛性，具有非常重要的实用价值。

Description

带有约束条件的UKF的WSN节点定位方法
技术领域
本发明涉及一种用于无线传感器网络领域的节点自定位方法，具体是一种带有约束条件的UKF的WSN节点定位方法。
背景技术
由于微机电***技术、无线通信技术和数字电子技术等技术的发展，促进了无线传感器网络(WSN)的产生与高速发展。无线传感器网络作为一个新兴的网络，改变了人与自然界之间的交互方式，被称为是IT领域的“第四次产业革命”。1999年，美国的《商业周刊》杂志将无线传感器网络列为21世纪最重要的21项技术之一。2003年，《技术评论》将无线传感器网络列为改变世界的十大新兴技术之首，同年《商业周刊》将其评为全球未来四大高科技产业之一。由于无线传感器网络所具备的各种能力和优势，国内外许多国家都投入了大量的人力、物力和财力支持无线传感器网络的研究和应用。近年来，我国在国家自然基金、863计划、973计划和国家科技重大专项等多个层面持续的投入，加速了我国无线传感器网络研究和应用各方面的快速发展，研究从军事领域向民用领域扩展，并逐步实现了产业化。无线传感器网络现已广泛应用于国防军事、感知医疗、交通运输管理和空间探索等领域。
节点定位技术作为无线传感器网络的重要关键技术之一，不仅可以有效提高网络的路由效率，还可以实现管理整个网络。并且在许多应用中，网络节点的定位信息是进一步研究和应用的前提与基础，所以实现节点自定位具有重要现实意义。
节点定位算法常用的分类是：基于测距的定位算法和无需测距的定位算法。无需测距的定位算法仅根据网络的连通度来实现对未知节点的定位，主要方法有：质心定位算法、DV-Hop定位算法、APIT定位算法、凸规划定位算法和MDS-MAP定位算法等。基于测距的定位算法主要有测距、节点定位和坐标修正三个阶段组成。其中测距常用的技术有：RSSI、TOA、TDOA和AOA四种；节点定位的传统方法有：三角测量法、三边测量法、极大似然估计法和极小极大估计法。由于节点定位算法模型具有非线性性，往往采用非线性滤波技术对坐标进行修正，常用的有扩展卡尔曼滤波(EKF)和粒子滤波。而对于EKF算法采用泰勒级数展开式中的低阶次项近似代替非线性***所产生的误差，不仅降低了定位精度，而且还有可能导致滤波器发散。同时，EKF及其衍生的算法无可避免的都要计算雅可比矩阵，对于非线性***来说往往计算复杂且困难。为了改善上述问题，Julier等人提出的一种基于无迹变换的UKF非线性滤波算法，该算法无需计算雅可比矩阵，且滤波估计具有更高的精度。虽然UKF滤波算法对EKF存在的一些问题有了很大的改善，但UKF也是以卡尔曼滤波为基础的非线性滤波算法，仍存在着受模型误差、噪声和干扰等不确定因素的影响而造成算法的精度降低和收敛速度变慢等问。同时，UKF算法存在对初始值非常敏感的问题，初始值波动会严重影响到滤波算法的性能，甚至有可能导致滤波器发散。鉴于此原因，本发明针对基于UKF的定位算法的对初始值敏感的问题，提出了一种带约束条件的节点定位算法。
发明内容
发明要解决RSSI受环境中各种干扰因素影响使其值失真大、造成测距阶段和节点定位阶段获得的结果具有较大的误差和波动性的缺点，在节点定位阶段引入约束条件，提出一种定位精度高，收敛速度快，鲁棒性强的节点定位方法。
本发明所述的带约束条件的UKF的WSN节点定位方法，其工作步骤是：
步骤1.测距模型有理论模型和经验模型两种，本发明中的测距模型采用理论模型中的对数-常态分布模型，使用高斯滤波技术和曲线拟合技术对实验环境中测试获得的数据进行处理确定模型中的未知参数，建立RSSI与距离之间的关系。
步骤2.使用测距模型将RSSI转换为距离值。参照附图2所示，使用MLE法求得坐标PMLE，坐标值为(xMLE,yMLE)；设未知节点相邻两时刻中前一时刻的坐标为P0，坐标值为(x0,y0)；以R为半径，P0为圆心，作一约束圆；选取当前时刻RSSI值中最大的两个信标节点设为A和B，其坐标分别为(x1,y1)和(x2,y2)；作直线AP0和BP0，与约束圆的交点分别为M和N，则扇形MP0N构成一个坐标约束区域，使用下面公式分别求出点M和N的坐标值为(xM,yM)和(xN,yN)。
式中：k为直线的斜率值。
以M、PMLE、N、P0四点为顶点构成一个四边形，求得四边形的质心坐标即为初始定位所得的坐标(x',y')。
步骤3.以未知节点的坐标作为***的状态变量，用RSSI值作为观测值，以测距模型为观测方程，建立自适应UKF滤波***。
3.1状态方程：
Xk+1＝f(Xk)+wk＝AXk+wk
式中：f(·)为非线性函数，为状态转移矩阵，Xk＝[xk,yk]Τ表示第k时刻的***状态随机变量，wk为***过程噪声，其均值为零，协方差为Qk。
3.2观测方程：
Yk,i＝h(Xk)+vk＝Pr(dk,i)
式中：h(·)为非线性函数，表示未知节点与第i个信标节点之间的距离，Pr(dk,i)为第i个信标节点的接收RSSI值，Pr(d0)为d0＝1m时的接收RSSI值，Yk,i为***观测量即信标节点的接收RSSI值，vk为观测噪声，协方差为Rk，为路径损耗因子。
步骤4.标准UKF算法实现：
4.1初始化：
4.2样点计算：
4.3时间更新：
4.4量测更新：
式中：λ＝α2(L-κ)-L，i＝1,2,....,2L，α为正常数，β表示样本点的分布信息，κ为控制权值分布的参数，L为随机变量X的维数，分别为第i个样本点所对应的均值和方差统计特性的权系数。X0为***随机变量的初始值，即步骤2)所得的结果，P0为协方差初始值，为k-1时刻的样本点集，Yi,k|k-1为变换点集，为随机变量的一步***值，为观测量的一步***值，Yk为k时刻的***观测量，为一步***协方差矩阵，和为协方差矩阵，Pk为k时刻的协方差矩阵估计值，Kk为k时刻的滤波增益值，为k时刻的随机变量估计值，即所求节点坐标值。
本发明的优点和有益效果：
本发明在对数-常态分布模型和标准UKF算法的基础上，提出来一种带约束的WSN节点定位算法。本发明节点定位由初始定位和精确定位两部分构成，在初始定位中，在传统的MLE算法的基础上引入了约束环节，提高了初始定位的结果精度，同时增强了稳定性，较好了改善了初始定位坐标的波动性。同时采用UKF算法，相比仅使用传统的三边测量法、三角测量法和MLE法，以及EKF算法，不仅提高了精度，而且还增加了收敛速度，实时性变强。因此，本发明所提出的定位算法具有更好的应用价值。
附图说明
图1为本发明流程图。
图2为本发明的约束原理图。
图3为未使用约束条件的节点定位误差图。
图4为使用约束条件的节点定位误差图。
具体实施方式
参照附图：
本发明所述的带约束条件的UKF的WSN节点定位方法，其工作步骤是：
步骤1.测距模型有理论模型和经验模型两种，本发明中的测距模型采用理论模型中的对数-常态分布模型，使用高斯滤波技术和曲线拟合技术对实验环境中测试获得的数据进行处理确定模型中的未知参数，建立RSSI与距离之间的关系。
步骤2.使用测距模型将RSSI转换为距离值。参照附图2所示，使用MLE法求得坐标PMLE，坐标值为(xMLE,yMLE)；设未知节点相邻两时刻中前一时刻的坐标为P0，坐标值为(x0,y0)；以R为半径，P0为圆心，作一约束圆；选取当前时刻RSSI值中最大的两个信标节点设为A和B，其坐标分别为(x1,y1)和(x2,y2)；作直线AP0和BP0，与约束圆的交点分别为M和N，则扇形MP0N构成一个坐标约束区域，使用下面公式分别求出点M和N的坐标值为(xM,yM)和(xN,yN)。
式中：k为直线的斜率值的倒数。
以M、PMLE、N、P0四点为顶点构成一个四边形，求得四边形的质心坐标即为初始定位所得的坐标(x',y')。
步骤3.以未知节点的坐标作为***的状态变量，用RSSI值作为观测值，以测距模型为观测方程，建立自适应UKF滤波***。
3.1状态方程：
Xk+1＝f(Xk)+wk＝AXk+wk
式中：f(·)为非线性函数，为状态转移矩阵，Xk＝[xk,yk]Τ表示第k时刻的***状态随机变量，wk为***过程噪声，其均值为零，协方差为Qk。
3.2观测方程：
Yk,i＝h(Xk)+vk＝Pr(dk,i)
式中：h(·)为非线性函数，表示未知节点与第i个信标节点之间的距离，Pr(dk,i)为第i个信标节点的接收RSSI值，Pr(d0)为d0＝1m时的接收RSSI值，Yk,i为***观测量即信标节点的接收RSSI值，vk为观测噪声，协方差为Rk，为路径损耗因子。
步骤4.标准UKF算法实现：
4.1初始化：
4.2样点计算：
4.3时间更新：
4.4量测更新：
式中：λ＝α2(L-κ)-L，i＝1,2,....,2L，α为正常数，β表示样本点的分布信息，κ为控制权值分布的参数，L为随机变量X的维数，分别为第i个样本点所对应的均值和方差统计特性的权系数。X0为***随机变量的初始值，即步骤2)所得的结果，P0为协方差初始值，为k-1时刻的样本点集，Yi,k|k-1为变换点集，为随机变量的一步***值，为观测量的一步***值，Yk为k时刻的***观测量，为一步***协方差矩阵，和为协方差矩阵，Pk为k时刻的协方差矩阵估计值，Kk为k时刻的滤波增益值，为k时刻的随机变量估计值，即所求节点坐标值。
例如，参照附图1：
在确定定位方法后，提出本发明解决其技术问题所采用的技术方案：
1.在实验区域内搭建实验平台，进行实际实验测试，获取多组不同已知距离下的RSSI值，对获得的RSSI数据在MATLAB平台上进行高斯滤波处理，确定距离与之对应的优化后的RSSI关系，采用最小二乘法拟合RSSI-距离曲线，确定测距模型中的未知参数，获得参数值为Pr(d0)＝-41。
2.在一个30米×20米的矩形区域边缘处布置3个信标节点。信标节点坐标分别为：(30,0),(14,20),(0,8)，同时在区域内随机布置1个未知节点，进行节点定位实验。
3.将RSSI经过测距模型折算为距离值，使用极大似然估计法获得坐标(xMLE,yMLE)，再根据约束算子原理求得点M和点N的坐标(xM,yM)和(xN,yN)，求得经过约束算子后的节点初始定位坐标(x',y')。
4.建立基于UKF算法的节点定位***的状态方程和观测方程，直接采用RSSI作为观测方程的观测量Yk，设置UKF方程中参数L＝2，α＝0.01，κ＝0，β＝2，Qk＝diag([0.4,0.4])，Rk＝diag([0.01,0.01,0.01])，执行标准UKF方程，即可得到状态估计和协方差Pk。将不使用的约束条件和使用约束条件定位算法在MATLAB上分别迭代100次，得到的节点定位误差仿真效果分别如图3和图4所示。对比可以发现，使用约束条件的定位算法不仅精度上有了明显的提高，而且定位误差的波动性有了很大程度上的减弱，进一步说明了本发明具有的良好的性能。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种带约束条件的UKF的WSN节点定位方法，UKF是无迹卡尔曼滤波，WSN是无线传感器网络，其工作步骤是：
1)测距模型有理论模型和经验模型两种，测距模型采用理论模型中的对数-常态分布模型，使用高斯滤波技术和曲线拟合技术对实验环境中测试获得的数据进行处理确定模型中的未知参数，建立接收的信号强度指示RSSI与距离之间的关系；
2)使用测距模型将RSSI转换为距离值；使用极大似然估计MLE法求得坐标PMLE，坐标值为(xMLE,yMLE)；设未知节点相邻两时刻中前一时刻的坐标为P0，坐标值为(x0,y0)；以R为半径，P0为圆心，作一约束圆；选取当前时刻RSSI值中最大的两个信标节点设为A和B，其坐标分别为(x1,y1)和(x2,y2)；作直线AP0和BP0，与约束圆的交点分别为M和N，则扇形MP0N构成一个坐标约束区域；使用下面公式分别求出点M和N的坐标值为(xM,yM)和(xN,yN)；
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <msub> <mi>x</mi> <mn>0</mn> </msub> <mo>)</mo> <mo>=</mo> <mi>k</mi> <mo>(</mo> <mi>y</mi> <mo>-</mo> <msub> <mi>y</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>-</mo> <msub> <mi>x</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>y</mi> <mo>-</mo> <msub> <mi>y</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>=</mo> <msup> <mi>R</mi> <mn>2</mn> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced>
式中：k为直线的斜率值；
以M、PMLE、N、P0四点为顶点构成一个四边形，求得四边形的质心坐标即为初始定位所得的坐标(x',y')；
<mrow> <msup> <mi>x</mi> <mo>&amp;prime;</mo> </msup> <mo>=</mo> <mfrac> <mn>1</mn> <mn>4</mn> </mfrac> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>x</mi> <mi>M</mi> </msub> <mo>+</mo> <msub> <mi>x</mi> <mrow> <mi>M</mi> <mi>L</mi> <mi>E</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>x</mi> <mi>N</mi> </msub> <mo>)</mo> </mrow> </mrow>
<mrow> <msup> <mi>y</mi> <mo>&amp;prime;</mo> </msup> <mo>=</mo> <mfrac> <mn>1</mn> <mn>4</mn> </mfrac> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mn>0</mn> </msub> <mo>+</mo> <msub> <mi>y</mi> <mi>M</mi> </msub> <mo>+</mo> <msub> <mi>y</mi> <mrow> <mi>M</mi> <mi>L</mi> <mi>E</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>y</mi> <mi>N</mi> </msub> <mo>)</mo> </mrow> </mrow>
3)以未知节点的坐标作为***的状态变量，用RSSI值作为观测值，以测距模型为观测方程，建立自适应UKF滤波***；
3.1)状态方程：
Xk+1＝f(Xk)+wk＝AXk+wk
式中：f(·)为非线性函数，为状态转移矩阵，Xk＝[xk,yk]Τ表示第k时刻的***状态随机变量，wk为***过程噪声，其均值为零，协方差为Qk；
3.2)观测方程：
Yk,i＝h(Xk)+vk＝Pr(dk,i)
Pr(dk,i)＝Pr(d0)-10·θ·log(dk,i)+vk
式中：h(·)为非线性函数，表示未知节点与第i个信标节点之间的距离，Pr(dk,i)为第i个信标节点的接收RSSI值，Pr(d0)为d0＝1m时的接收RSSI值，Yk,i为***观测量即信标节点的接收RSSI值，vk为观测噪声，协方差为Rk，θ为路径损耗因子；
4)标准UKF算法实现：
4.1)初始化：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> <mo>=</mo> <mi>E</mi> <mo>&amp;lsqb;</mo> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>&amp;rsqb;</mo> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mn>0</mn> </msub> <mo>=</mo> <mi>E</mi> <mo>&amp;lsqb;</mo> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>-</mo> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> <mo>)</mo> </mrow> <msup> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mn>0</mn> </msub> <mo>-</mo> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mi>T</mi> </msup> <mo>&amp;rsqb;</mo> </mrow> </mtd> </mtr> </mtable> </mfenced>
4.2)样点计算：
<mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;chi;</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mrow> <mo>(</mo> <mn>0</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;chi;</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msqrt> <mrow> <mo>(</mo> <mi>L</mi> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> </msqrt> <msub> <mrow> <mo>(</mo> <msqrt> <msub> <mi>P</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </msqrt> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>L</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;chi;</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>-</mo> <msqrt> <mrow> <mo>(</mo> <mi>L</mi> <mo>+</mo> <mi>&amp;lambda;</mi> <mo>)</mo> </mrow> </msqrt> <msub> <mrow> <mo>(</mo> <msqrt> <msub> <mi>P</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </msqrt> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>-</mo> <mi>L</mi> <mo>)</mo> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mi>i</mi> <mo>=</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>L</mi> <mo>+</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mn>2</mn> <mi>L</mi> </mrow> </mtd> </mtr> </mtable> </mfenced>
4.3)时间更新：
<mrow> <msubsup> <mi>&amp;chi;</mi> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>x</mi> </msubsup> <mo>=</mo> <mi>f</mi> <mrow> <mo>(</mo> <msubsup> <mi>&amp;chi;</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>x</mi> </msubsup> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mn>2</mn> <mi>L</mi> </mrow> </munderover> <msubsup> <mi>&amp;omega;</mi> <mi>i</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </msubsup> <msubsup> <mi>&amp;chi;</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>x</mi> </msubsup> </mrow>
<mrow> <msub> <mover> <mi>P</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mn>2</mn> <mi>L</mi> </mrow> </munderover> <msubsup> <mi>&amp;omega;</mi> <mi>i</mi> <mrow> <mo>(</mo> <mi>c</mi> <mo>)</mo> </mrow> </msubsup> <mo>&amp;lsqb;</mo> <msubsup> <mi>&amp;chi;</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>x</mi> </msubsup> <mo>-</mo> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>&amp;rsqb;</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <msubsup> <mi>&amp;chi;</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>x</mi> </msubsup> <mo>-</mo> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> <mo>+</mo> <msub> <mi>Q</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </mrow>
<mrow> <msub> <mi>Y</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>=</mo> <mi>h</mi> <mrow> <mo>(</mo> <msubsup> <mi>&amp;chi;</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>x</mi> </msubsup> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mover> <mi>Y</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mn>2</mn> <mi>L</mi> </mrow> </munderover> <msubsup> <mi>&amp;omega;</mi> <mi>i</mi> <mrow> <mo>(</mo> <mi>m</mi> <mo>)</mo> </mrow> </msubsup> <msub> <mi>Y</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> </mrow>
4.4)量测更新：
<mrow> <msub> <mi>P</mi> <mrow> <msub> <mi>y</mi> <mi>k</mi> </msub> <msub> <mi>y</mi> <mi>k</mi> </msub> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mn>2</mn> <mi>L</mi> </mrow> </munderover> <msubsup> <mi>&amp;omega;</mi> <mi>i</mi> <mrow> <mo>(</mo> <mi>c</mi> <mo>)</mo> </mrow> </msubsup> <mo>&amp;lsqb;</mo> <msub> <mi>Y</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>-</mo> <msub> <mover> <mi>Y</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>&amp;rsqb;</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <msub> <mi>Y</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>-</mo> <msub> <mover> <mi>Y</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> <mo>+</mo> <msub> <mi>R</mi> <mi>k</mi> </msub> </mrow>
<mrow> <msub> <mi>P</mi> <mrow> <msub> <mi>x</mi> <mi>k</mi> </msub> <msub> <mi>y</mi> <mi>k</mi> </msub> </mrow> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <mn>2</mn> <mi>L</mi> </mrow> </munderover> <msubsup> <mi>&amp;omega;</mi> <mi>i</mi> <mrow> <mo>(</mo> <mi>c</mi> <mo>)</mo> </mrow> </msubsup> <mo>&amp;lsqb;</mo> <msubsup> <mi>&amp;chi;</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>x</mi> </msubsup> <mo>-</mo> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>&amp;rsqb;</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <msub> <mi>Y</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>-</mo> <msub> <mover> <mi>Y</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> </mrow>
<mrow> <msub> <mi>K</mi> <mi>k</mi> </msub> <mo>=</mo> <msub> <mi>P</mi> <mrow> <msub> <mi>x</mi> <mi>k</mi> </msub> <msub> <mi>y</mi> <mi>k</mi> </msub> </mrow> </msub> <msubsup> <mi>P</mi> <mrow> <msub> <mi>y</mi> <mi>k</mi> </msub> <msub> <mi>y</mi> <mi>k</mi> </msub> </mrow> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msubsup> </mrow>
<mrow> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mi>k</mi> </msub> <mo>=</mo> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>+</mo> <msub> <mi>K</mi> <mi>k</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>Y</mi> <mi>k</mi> </msub> <mo>-</mo> <msub> <mover> <mi>Y</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mi>P</mi> <mi>k</mi> </msub> <mo>=</mo> <msub> <mover> <mi>P</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>|</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mo>-</mo> <msub> <mi>K</mi> <mi>k</mi> </msub> <msub> <mi>P</mi> <mrow> <msub> <mi>y</mi> <mi>k</mi> </msub> <msub> <mi>y</mi> <mi>k</mi> </msub> </mrow> </msub> <msubsup> <mi>K</mi> <mi>k</mi> <mi>T</mi> </msubsup> </mrow>
式中：λ＝α2(L-κ)-L，i＝1,2,....,2L，α为正常数，β表示样本点的分布信息，κ为控制权值分布的参数，L为随机变量X的维数，分别为第i个样本点所对应的均值和方差统计特性的权系数；X0为***随机变量的初始值，即步骤2)所得的结果，P0为协方差初始值，为k-1时刻的样本点集，Yi,k|k-1为变换点集，为随机变量的一步***值，为观测量的一步***值，Yk为k时刻的***观测量，为一步***协方差矩阵，和为协方差矩阵，Pk为k时刻的协方差矩阵估计值，Kk为k时刻的滤波增益值，为k时刻的随机变量估计值，即所求节点坐标值。
CN201410370545.1A 2014-07-30 2014-07-30 带有约束条件的ukf的wsn节点定位方法 Active CN104363649B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410370545.1A CN104363649B (zh) 2014-07-30 2014-07-30 带有约束条件的ukf的wsn节点定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410370545.1A CN104363649B (zh) 2014-07-30 2014-07-30 带有约束条件的ukf的wsn节点定位方法

Publications (2)

Publication Number Publication Date
CN104363649A CN104363649A (zh) 2015-02-18
CN104363649B true CN104363649B (zh) 2017-09-29

Family

ID=52530857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410370545.1A Active CN104363649B (zh) 2014-07-30 2014-07-30 带有约束条件的ukf的wsn节点定位方法

Country Status (1)

Country Link
CN (1) CN104363649B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104730492B (zh) * 2015-03-19 2017-03-29 哈尔滨工业大学 一种基于节点分布评价的wsn定位顺序选取方法
CN105163385B (zh) * 2015-08-25 2019-01-29 华南理工大学 一种基于扇形重叠区域聚类分析的定位方法
CN106226732B (zh) * 2016-07-08 2018-11-16 西安电子科技大学 基于tof及迭代无迹滤波的室内无线定位跟踪方法
CN106507313B (zh) * 2016-12-30 2019-10-11 上海真灼科技股份有限公司 一种基于rssi检测的跟踪定位方法和***
CN106707235B (zh) * 2017-03-08 2019-07-02 南京信息工程大学 一种基于改进的无迹卡尔曼滤波的室内测距定位方法
CN111356072B (zh) * 2018-12-21 2020-12-11 珠海格力电器股份有限公司 一种室内定位的位置估计方法、装置及可读存储介质
CN109951874B (zh) * 2019-05-13 2020-06-02 电子科技大学 一种传感器网络中实时追踪移动未知节点的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101547048A (zh) * 2008-03-05 2009-09-30 中科院嘉兴中心微***所分中心 基于无线传感网的室内定位方法
CN101819267A (zh) * 2010-04-02 2010-09-01 上海交通大学 基于接收信号能量指示测量的目标跟踪方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101547048A (zh) * 2008-03-05 2009-09-30 中科院嘉兴中心微***所分中心 基于无线传感网的室内定位方法
CN101819267A (zh) * 2010-04-02 2010-09-01 上海交通大学 基于接收信号能量指示测量的目标跟踪方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
无迹卡尔曼滤波在无线传感器网络节点定位中的应用;杜娟娟;《南京邮电大学学报（自然科学版）》;20130228;全文 *

Also Published As

Publication number Publication date
CN104363649A (zh) 2015-02-18

Similar Documents

Publication Publication Date Title
CN104363649B (zh) 带有约束条件的ukf的wsn节点定位方法
CN104066179B (zh) 一种改进的自适应迭代ukf的wsn节点定位方法
CN102186194B (zh) 基于无线传感器网络的无源目标测量模型的建立方法
CN104507159A (zh) 一种基于WiFi接收信号强度的混合室内定位方法
CN104080165A (zh) 一种基于tdoa的室内无线传感器网络定位方法
CN104869541A (zh) 一种室内定位追踪方法
CN102883430A (zh) 一种基于测距的无线传感网络节点定位方法
CN107040992A (zh) 无线传感器网络节点定位方法及装置
CN104581943A (zh) 用于分布式无线传感网络的节点定位方法
Essa et al. Improve performance of indoor positioning system using ble
CN105353351A (zh) 一种基于多信标到达时间差改进型定位方法
Wu et al. Cooperative motion parameter estimation using RSS measurements in robotic sensor networks
CN101216546B (zh) 一种无线传感器网络目标定位的位置估计方法
CN104023390A (zh) 基于pso和ukf组合的wsn节点定位方法
CN108737952A (zh) 基于rssi测距改进的多边形加权质心定位方法
Jayakody et al. Indoor positioning: Novel approach for Bluetooth networks using RSSI smoothing
Mahfouz et al. Kernel-based localization using fingerprinting in wireless sensor networks
CN103630876A (zh) 基于RSSI的ZigBee节点定位方法
Arai et al. Color radiomap interpolation for efficient fingerprint wifi-based indoor location estimation
Wu et al. Motion parameter capturing of multiple mobile targets in robotic sensor networks
CN106937298B (zh) 一种改进的无线传感器网络三维定位方法
CN104022757B (zh) 一种高阶矩匹配的多层无迹卡尔曼滤波器的线性扩展方法
Liu et al. A trilateral centroid localization and modification algorithm for wireless sensor network
CN103945528B (zh) 无线传感器网络中的单目标定位方法
CN103149551B (zh) 基于线性组合的凸优化测距定位方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200401

Address after: 310018 Room 1004-1006, 17 Block 57, Baiyang Street Science Park Road, Hangzhou Economic and Technological Development Zone, Zhejiang Province

Patentee after: Zhejiang Qibo Intellectual Property Operation Co., Ltd

Address before: 310014 Hangzhou city in the lower reaches of the city of Zhejiang Wang Road, No. 18

Patentee before: ZHEJIANG UNIVERSITY OF TECHNOLOGY

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201014

Address after: 241000 third floor, citizen service center, Jishan Town Economic Development Zone, Nanling County, Wuhu City, Anhui Province

Patentee after: Nanling County Construction Investment Co., Ltd

Address before: 310018 Room 1004-1006, 17 Block 57, Baiyang Street Science Park Road, Hangzhou Economic and Technological Development Zone, Zhejiang Province

Patentee before: Zhejiang Qibo Intellectual Property Operation Co.,Ltd.