无线移动网络辅助定位算法研究

摘要

本文研究了在蜂窝网络、无线局域网和自组织传感器网络中有着广泛及重要应用的定位技术和方法。文中针对不同的网络拓扑、不同的实际应用场景，从不同的视角建立相应的数学模型，并对这些模型进行了深入细致的理论分析，提出了具有理论和实用价值的定位新算法，并通过计算机仿真实验验证了所提算法的优良性能。 首先，我们对蜂窝网络、无线局域网和自组织传感器网络中的定位问题所面临的困难以及发展现状进行综述，详细分析在不同网络拓扑结构下，定位算法设计的区别与联系，研究网络拓扑对定位算法设计的影响，并提出未来“无缝”定位的发展趋势。 非视距传播(Non-lineofsight，NLOS)是基于到达时间的蜂窝网络定位所面临的主要问题。针对这一问题，第二章从鲁棒估计、统计学和信息论角度，提出了基于BootstrapM-估计的定位算法和基于最小熵估计的定位算法。通过与传统基于最小均方误差准则的三角位置估计算法比较，仿真结果表明，本文提出的两种算法能有效抑制非视距传播引起的定位误差，具有良好的鲁棒性，定位精度也高于基于最小均方误差准则的三角定位算法。 在没有任何先验信息的前提下，最大似然估计是最优的，而实际蜂窝网络本身或者通过网络规划具有一些先验位置信息。针对这种实际情况，第三章从统计学习理论和数据融合角度出发，提出了一种基于最小均方支持向量学习机(LeastSquareSupportVectorMachine，LS-SVM)的蜂窝网络定位模型。通过与传统的基于最小均方准则的三角定位算法进行比较，仿真结果表明，这种定位算法在NLOS传播环境下尤其有效。此外，考虑到室内定位环境下NLOS传播普遍，我们又将该算法推广到具有多输入多输出(MultipleInMultipleOut，MIMO)天线阵列的WLAN系统中，并提出了基于接收信号强度(ReceivedSignalStrengthIndicator，RSSI)测量的数据融合室内定位方法。该方法的特点是只需要一个具有MIMO天线的接入点(AccessPoint,AP)。 蜂窝网络和WLAN都可以看成是一种有固定设施的分层拓扑结构，而在具有无固定设施的平面拓扑结构的自组织传感器网络中，节点定位变得更加困难。针对传感器网络的分布式特点，我们认为，目标移动性可以辅助传感器节点计算自身位置，分布式非参数Kernel估计可以提高定位精度，所以，第四章提出移动信标辅助的分布式传感器网络节点定位算法，并对算法具体实现和相应通信协议进行了讨论。最后，我们通过MATLAB仿真验证了分布式Kernel定位算法的有效性，并对其影响因素进行分析。 现有大部分传感器网络定位算法都基于大量固定信标节点或者移动信标，但是，对于战场、闹市区或者复杂地形的陌生区域，由于距离测量不准确或者根本无法得到测量值，很多现有的定位算法不适用。受到多维标度(MultidimensionalScaling，MDS)和半正定规划(SemidefiniteProgramming，SDP)定位算法的启发，针对传感器网络定位中节点间距离测量不准确或不完整的实际问题，第五章提出基于最小均方Euclidean距离矩阵逼近(LeastSquaresEuclideanDistanceMatrixApproximation，LS-EDMA)的定位算法。由于该算法对于大量的传感器节点的运算复杂度较高，集中式计算是不现实的，所以我们考虑了该算法的分布式实现和通信协议。仿真结果表明，在节点间距离测量不准确和不完整的实际应用场景中，相对于MDS定位和半正定规划定位算法，基于最小均方距离矩阵逼近的定位算法具有更好的鲁棒性和定位精度。

目录

文摘

英文文摘

独创性声明及关于论文使用授权的说明

第一章绪论

1.1引言

1.2蜂窝网络辅助定位的发展与现状

1.2.1蜂窝网络定位系统设计

1.2.2蜂窝网络辅助定位算法

1.3 WLAN辅助定位的发展与现状

1.4传感器网络辅助定位的发展与现状

1.4.1分布式传感器网络辅助定位系统

1.4.2无线传感器网络定位算法

1.5本课题的主要任务和内容安排

第二章基于鲁棒估计的蜂窝网络定位算法

2.1引言

2.2衡量定位性能的主要指标

2.2.1均方误差MSE与CRLB

2.2.2圆/球误差概率(CEP/SEP)

2.2.3几何精度因子(GDOP)

2.3基于TOA位置估计算法

2.4 NLOS误差统计特性分析与建模

2.5 Bootstrapping M-estimation定位算法

2.6基于最小熵估计的定位算法

2.7本章小结

第三章基于先验信息的网络辅助定位算法

3.1引言

3.2最小二乘支持向量学习机

3.3基于LS-SVM的定位模型

3.4算法性能仿真

3.4.1基本性能

3.4.2影响因素分析

3.5基于MIMO阵列的WLAN定位算法

3.5.1 WLAN信号强度的获取

3.5.2室内无线信号传播建模

3.5.3数据融合模型

3.6实验仿真

3.7本章小结

第四章移动性辅助的传感器网络节点定位算法

4.1引言

4.2无线传感器网络自身定位系统和算法的性能评价

4.3移动信标辅助的传感器网络节点定位算法

4.4仿真实验

4.5通信协议

4.6本章小结

第五章基于距离矩阵逼近的传感器网络节点定位算法

5.1引言

5.2基于多维标度的传感器网络定位

5.3基于半正定规划的定位算法

5.4距离矩阵逼近和补充

5.5实际场景中算法的修改

5.6分布式节点定位方法

5.7仿真实验

5.8本章小结

第六章全文总结

6.1研究工作总结

6.2未来研究方向

参考文献

致谢

个人简历

作者在攻读博士学位期间发表、录用的论文

作者在攻读博士学位期间的获奖情况