基于波达方向歧义消除的定位方法及装置

摘要

本发明提供的基于波达方向歧义消除的定位方法及装置，通过对获取的各个传感器节点上的数据进行空间谱估计，得到源节点相对各个传感器节点的俯仰角及方位角的估计值。根据预设的代价函数和得到的俯仰角及方位角的估计值，确定由各个传感器节点的阵列中心指向源节点的射线组合，最后对该射线组合进行最小二乘法估计，得到源节点的位置信息。该方法及装置无需复杂的硬件设备作为基础，仅根据传感器节点上的信息融合来进行三维空间中波达方向估计的歧义消除，实现无线传感器网络中的目标准确定。

说明书

技术领域

本发明涉及无线传感器网络定位技术领域，具体而言，涉及一种基于波达方向歧义消除的定位方法及装置。

背景技术

近年来，无线传感器网络被广泛地应用于民用及军用场景中，特别是物联网，其中有诸多应用场景都需要获取目标的位置信息。所以作为无线传感器网络的一种主要应用，对未知节点或者自然环境中的目标进行定位引起了广泛地关注。传统的定位算法可以根据测量手段而分为几类，包括全球定位系统(GPS)，基于接受信号强度(RSS)的方法，基于到达时间(TOA)或者到达时间差(TDOA)的方法，基于波达方向(DOA)的方法，以及综合上述手段的方法。

GPS定位方法需要昂贵的硬件设备作为基础，并且在封闭的环境如室内或隧道会失效。基于RSS的方法需要已知环境的信道传输模型，这一点对其应用范围产生极大限制。而基于TOA/TDOA的方法则需要网络中各节点之间苛刻的时间同步，同样限制其只适用于部分特殊的应用场景中。与上述方法不同的是，基于DOA的定位方法由于其简单、节能、以及较好的鲁棒性而可以更好地适用于无线传感器网络应用场景中。

但是，由于两个相同的关于平面阵列对称的信号会产生完全相同的空间频率响应即阵列流形，所以平面阵列上的DOA估计本质上会产生歧义，导致其定位失准。如何消除DOA估计中的歧义是业界目前亟待解决的难题。

发明内容

有鉴于此，本发明的目的在于提供一种基于波达方向歧义消除的定位方法及装置。

本发明较佳实施例提供一种基于波达方向歧义消除的定位方法，该方法包括：

获取每一个预设传感器节点所接收到的源节点发射的信号，其中每个所述传感器节点包括预设数目元素的平面天线阵列；

通过空间谱估计算法分别计算每个所述传感器节点接收到的信号的MUSIC谱中两个谱峰所对应的角度参量，所述角度参量包括该传感器节点相对所述源节点的方位角及俯仰角；

根据计算得到的各个角度参量，分别确定由该角度参量所对应的传感器节点的平面天线阵列中心指向所述源节点的射线；

对所有所述射线按照其对应的传感器节点进行排列组合，并根据预设代价函数计算每种组合中各个射线间的紧密程度；及

对具有最小代价函数值的射线组合进行最小二乘法估计，得到所述源节点的位置坐标。

本发明另一较佳实施例提供一种基于波达方向歧义消除的定位装置，该装置包括：

数据获取模块，用于获取每一个预设传感器节点所接收到的源节点发射的信号，其中每个所述传感器节点包括预设数目元素的平面天线阵列；

角度参量计算模块，用于通过空间谱估计算法分别计算每个所述传感器节点接收到的信号的MUSIC谱中两个谱峰所对应的角度参量，所述角度参量包括该传感器节点相对所述源节点的方位角及俯仰角；

射线确定模块，用于根据计算得到的各个角度参量，分别确定由该角度参量所对应的传感器节点的平面天线阵列中心指向所述源节点的射线；

代价函数计算模块，用于对所有所述射线按照其对应的传感器节点进行排列组合，并根据预设代价函数计算每种组合中各个射线间的紧密程度；及

位置坐标估计模块，用于对具有最小代价函数值的射线组合进行最小二乘法估计，得到所述源节点的位置坐标。

本发明提供的基于波达方向歧义消除的定位方法及装置，无需复杂的硬件设备作为基础，仅根据传感器节点上的信息融合来进行三维空间中波达方向估计的歧义消除，实现无线传感器网络中的目标准确定位。另外，通过增加每个传感器节点中的天线阵列的阵元数目以提高阵列的灵敏度，或者增大传感器节点的数目均可以有效降低本实施例提供的定位方法的误差，进一步确保实现目标的精准定位。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是本发明较佳实施例提供的一种无线传感器网络源节点定位系统的示意性结构框图；

图2是本发明较佳实施例提供的一种基于波达方向歧义消除的定位方法的流程图；

图3是本发明较佳实施例提供的一种无线传感器网络源节点定位系统中源节点与传感器节点的相对位置分布示意图；

图4是本发明较佳实施例提供的一种基于波达方向歧义消除的定位装置的功能模块框图；

图5是本发明较佳实施例提供的模拟仿真实验中场景一的传感器节点与源节点的相对位置分布示意图；

图6为使用图5所示的L型天线阵列进行100次蒙特卡洛实验得到的平均绝对误差与信噪比之间的曲线关系；

图7为使用图5所示的L型天线阵列进行100次蒙特卡洛实验得到的平均相对误差与信噪比之间的曲线关系；

图8为使用模拟仿真实验中场景二的4×4方型天线阵列进行100次蒙特卡洛实验得到的平均绝对误差与信噪比之间的曲线关系；

图9为使用模拟仿真实验中场景二的4×4方型天线阵列进行100次蒙特卡洛实验得到的平均相对误差与信噪比之间的曲线关系；

图10为模拟仿真实验的场景三中进行100次蒙特卡洛实验得到的平均绝对误差与传感器节点个数之间的曲线关系；

图11为模拟仿真实验的场景三中进行100次蒙特卡洛实验得到的平均相对误差与传感器节点个数之间的曲线关系；

图12为模拟仿真实验的场景三中进行100次蒙特卡洛实验得到的平均计算时间与传感器节点个数之间的曲线关系。

附图标记：

无线传感器网络源节点定位系统100存储器200处理器300传感器节点400基于波达方向歧义消除的定位装置500数据获取模块510角度参量计算模块520射线确定模块530代价函数计算模块540位置坐标估计模块550

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，是本发明较佳实施例提供的一种无线传感器网络源节点定位系统100的示意性结构框图。该系统包括存储器200、处理器300、多个传感器节点400以及基于波达方向歧义消除的定位装置500。

所述存储器200与所述处理器300之间直接或间接地电性连接，以实现数据的传输或交互。例如，两者通过通讯总线或信号线实现电性连接。所述多个传感器节点400分别与所述处理器300无线通信连接，以将感测的数据发送至处理器300进行处理。每一个所述传感器节点400包括预设数目元素的平面天线阵列。所述基于波达方向歧义消除的定位装置500包括至少一个可以软件或固件(firmware)的形式存储于所述存储器200中的软件功能模块。所述处理器300用于执行存储器200中存储的可执行模块，例如所述基于波达方向歧义消除的定位装置500包括的软件功能模块或计算机程序。

其中，所述存储器200可以是，但不限于，随机存取存储器、只读存储器、可编程只读存储器、可擦除只读存储器、电可擦除只读存储器等。其中，存储器200用于存储程序，所述处理器300在接收到执行指令后，执行所述程序，下述本发明任一实施例揭示的流过程定义的方法可以应用于处理器300中，或者由处理器300实现。

所述处理器300可能是一种集成电路芯片，具有信号的处理能力。上述的处理器300可以是通用处理器，包括中央处理器、网络处理器等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。

如图2所示，是本发明较佳实施例提供的一种基于波达方向歧义消除的定位方法的流程图，应用于图1所示的无线传感器网络源节点定位系统100中。所应说明的是，本发明提供的方法不以图2及以下所示的具体顺序为限制。下面将对图2所示的具体步骤进行详细描述。

步骤S101，获取每一个预设传感器节点400所接收到的源节点发射的信号，其中每个所述传感器节点400包括预设数目元素的平面天线阵列。

如图3所示，本实施例中，不失一般性地，假设所述无线传感器网络源节点定位系统100包括L个传感器节点400，该L个传感器节点400设置于三维空间中，每个传感器节点400由包含M个元素的平面天线阵列组成。不失一般性地，假设每个平面天线阵列均平行于x-o-y平面。为方便描述，将第l个传感器节点400的第m个天线记作p_m,l＝[x_m,l,y_m,l,z_m,l]^T，其中，m＝1,2,...,M，l＝1,2,...,L。则第l个传感器节点400的天线阵列中心为其中l＝1,2,..L.,。

位于p_s＝[x_s,y_s,z_s]^T的源节点发射出频率为f的窄带信号s(t)。假设对于每个传感器节点400而言，源信号s(t)均为远场信号。如图3所示，源信号对于第l个传感器节点400的俯仰角为θ_l∈[0,π]，方位角为φ_l∈[0,2π)。如此，源信号s(t)对于第l个传感器节点400的方向向量可以表示为：

u_l＝[sinθ_lcosφ_l,sinθ_lcosφ_l,cosφ_l]^T

到达第l个传感器节点400的第m个天线的信号相对于原始信号的时延为其中c是信号在介质中的传播速度。所以第l个传感器节点400接收到的信号可以表示为：

x_l(t)＝a(φ_l,θ_l)s(t)+n_l(t)

其中λ是信号的波长，n_l(t)是空间协方差为的高斯白噪声，I_M表示秩为M的单位矩阵。

对第l个传感器节点400接收到的信号以预设采样频率进行采样，得到采样数据：

X_l＝a(φ_l,θ_l)S+N_l

其中，X_l＝[x_l(T_s),...,x_l(NT_s)]，S＝[s(T_s),...,s(NT_s)]，N_l＝[n_l(T_s),...,n_l(NT_s)]。T_s表示采样周期，N表示样本数。

由此，本实施例中，获取每一个预设传感器节点400所接收到的源节点发射的信号即是获取X_l，l＝1,2,...,L。

步骤S103，通过空间谱估计算法分别计算每个所述传感器节点400接收到的信号的MUSIC谱中两个谱峰所对应的角度参量，所述角度参量包括该传感器节点400相对所述源节点的方位角及俯仰角。

本实施例中，通过MUSIC谱估计算法估计所述源信号相对每个传感器节点400的俯仰角及方位角。具体地，通过采集到的数据X_l，可以得到第l个传感器节点400所接收到的数据的协方差矩阵为：

$R_l=\frac{1}{N}{X}_l{X}_l^H$

其中(·)^H表示矩阵的共轭转置。对矩阵R_l做特征值分解得到：

$R_l=U_l{\Sigma }_l{U}_l^H=e_{1,l}{v}_{1,l}{v}_{1,l}^H+U_l^{\left(null\right)}{\Sigma }_l^{\left(null\right)}{\left[U_l^{\left(null\right)}\right]}^H$

其中e_m,l表示特征向量，并且假设e_1,l≥e_2,l≥...≥e_M,l，v_m,l是其对应的特征向量。Σ_l是对角元素为e_1,l,e_2,l,...,e_M,l的对角矩阵，U_l＝[v_1,l,...,v_m,l]。是对角元素为e_2,l,...,e_M,l的对角矩阵，表示信号的噪声子空间。

由此，第l个传感器节点400的MUSIC谱为

$p_l(\phi ,\theta )={\left\{{\left[a({\phi }_l,{\theta }_l)\right]}^H{U}_l^{\left(null\right)}{\left[U_l^{\left(null\right)}\right]}^{H}a({\phi }_l,{\theta }_l)\right\}}^{-1}$

则通过MUSIC谱估计算法得到的源信号相对于第l个传感器节点400的方位角及俯仰角的估计值为：

$({\hat{\phi }}_l,{\hat{\theta }}_l)=\underset{\phi ,\theta }{max}\left\{p_l\right(\phi ,\theta \left)\right\},l=1,2,...,L$

众所周知，平面天线阵列的波达方向估计会产生歧义，即在无噪声环境下，第l个传感器节点400的MUSIC谱会在(φ_l,θ_l)及(φ_l,π-θ_l)分别出现谱峰，且它们关于平面z＝z_l对称。这是由于所以a(φ_l,π-θ_l)及a(φ_l,θ_l)都在R_l的信号子空间中，并且都正交于噪声子空间

因此，计算得到的每个传感器节点400的MUSIC谱中两个谱峰分别对应的角度参量估计值为和其中及为第l个传感器节点400的MUSIC谱中两个谱峰分别对应的方位角，及为第l个传感器节点400的MUSIC谱中两个谱峰分别对应的俯仰角，l＝1,2,3,...,L。

步骤S105，根据计算得到的各个角度参量，分别确定由该角度参量所对应的传感器节点400的平面天线阵列中心指向所述源节点的射线。

本实施例中，根据计算得到的角度参量估计值和分别得到所述源节点的波达方向估计的方向向量和其中计算所述方向向量和的公式为：

$\left(\begin{array}{c}{\hat{u}}_l^{\left(0\right)}={[\sin {\hat{\theta }}_l^{\left(0\right)}{\mathrm{cos\phi }}_l^{\left(0\right)},\sin {\hat{\theta }}_l^{\left(0\right)}\cos {\hat{\phi }}_l^{\left(0\right)},\cos {\hat{\theta }}_l^{\left(0\right)}]}^T\\ {\hat{u}}_l^{\left(1\right)}={[\sin {\hat{\theta }}_l^{\left(1\right)}\cos {\hat{\phi }}_l^{\left(1\right)},\sin {\hat{\theta }}_l^{\left(1\right)}\cos {\hat{\phi }}_l^{\left(1\right)},\cos {\hat{\theta }}_l^{\left(1\right)}]}^T\end{array}\right),l=1,2,3,\mathrm{...},L.$

则由第l个传感器节点400的平面天线阵列中心p_l及所述方向向量和确定的两条指向所述源节点的射线为和

对于空间中的L个传感器节点400，共可以确定2L条射线，表示为其中其中有L条射线共同指向所述源节点，另外L条射线是由波达方向歧义所产生的。

步骤S107，对所有所述射线按照其对应的传感器节点400进行排列组合，并根据预设代价函数计算每种组合中各个射线间的紧密程度。

本实施例中，对2L条射线按照其对应的传感器节点400进行排列组合得到2^L种射线组合，其中每种组合包括L条射线，该L条射线分别对应不同的传感器节点400。歧义消除的目标就是找出指向源节点的L条射线，由于每个传感器节点400上的两条射线中只有一条指向源节点，所以问题等价于从2^L种射线组合中找出一种正确的L条射线的组合方式。

对每种射线组合分别进行长度为L位的二进制编码，得到对应的编码向量b^(m)，m＝1,2,...,2^L，其中编码向量b^(m)中的第l位表示对应第l个传感器节点400的两条射线的其中一个，即：

为了表示每种组合中L条射线之间的紧密程度，定义代价函数：

$c\left(b^{\left(m\right)}\right)={\sum }_{i=1}^{L=1}{\sum }_{j=i+1}^L{d}_{i,j}^{\left(\mathrm{raay}\right)}\left(b^{\left(m\right)}\right)$

其中表示射线上任意一点与射线上任意一点之间的最短距离，表示为，

$d_{i,j}^{\left(ray\right)}\left(b^{\left(m\right)}\right)=\min \left|\right|(p_i+k_i{\hat{u}}_i^{{\left[b^{\left(m\right)}\right]}_i})-(p_j+k_j{\hat{u}}_j^{{\left[b^{\left(m\right)}\right]}_j})\left|\right|,i\ne j,k_i\ge 0,k_j\ge 0$

上式中，约束条件k_i≥0,k_j≥0保证了是两条射线上任意两点的距离。

所以，指向所述源节点的L条射线的组合可以通过最小化代价函数得到，即：

$b^{\mathrm{opt}}=\underset{b^m}{\min }\left\{c\left(b^{\left(m\right)}\right)\right\}$

最终，指向源节点的L条射线可以表示为

步骤S109，对具有最小代价函数值的射线组合进行最小二乘法估计，得到所述源节点的位置坐标。

本实施例中，在消除了波达方向估计的歧义后，根据得到的L条指向源节点的射线的组合，采用最小二乘法来进行源节点定位。

对于空间中任意一点p＝[x,y,z]^T，到射线的投影为则点p到该射线的距离为

本实施例中，对所有的传感器节点400取相同的权重，则源节点位置的最小二乘估计为：

${\hat{p}}_s={(LI-\hat{V}{\hat{V}}^T)}^{-1}AW$

其中，I为单位矩阵，W＝[1,...,1]^T，W长度为L，

如图4所示，是本发明较佳实施例提供的所述基于波达方向歧义消除的定位装置500的功能模块框图。该基于波达方向歧义消除的定位装置500包括数据获取模块510、角度参量计算模块520、射线确定模块530、代价函数计算模块540及位置坐标估计模块550。下面将对图4所示的功能模块进行详细描述。

所述数据获取模块510，用于获取每一个预设传感器节点400所接收到的源节点发射的信号，其中每个所述传感器节点400包括预设数目元素的平面天线阵列。具体地，该数据获取模块510可用于执行图2所示的步骤S101，具体的操作方法可参照步骤S101的详细描述。

所述角度参量计算模块520，用于通过空间谱估计算法分别计算每个所述传感器节点400接收到的信号的MUSIC谱中两个谱峰所对应的角度参量，所述角度参量包括该传感器节点400相对所述源节点的方位角及俯仰角。具体地，该角度参量计算模块520可用于执行图2所示的步骤S103，具体的操作方法可参照步骤S103的详细描述。

所述射线确定模块530，用于根据计算得到的各个角度参量，分别确定由该角度参量所对应的传感器节点400的平面天线阵列中心指向所述源节点的射线。具体地，该射线确定模块530可用于执行图2所示的步骤S105，具体的操作方法可参照步骤S105的详细描述。

所述代价函数计算模块540，用于对所有所述射线按照其对应的传感器节点400进行排列组合，并根据预设代价函数计算每种组合中各个射线间的紧密程度。具体地，该代价函数计算模块540可用于执行图2所示的步骤S107，具体的操作方法可参照步骤S107的详细描述。

所述位置坐标估计模块550，用于对具有最小代价函数值的射线组合进行最小二乘法估计，得到所述源节点的位置坐标。具体地，该位置坐标估计模块550可用于执行图2所示的步骤S109，具体的操作方法可参照步骤S109的详细描述。

下面将对本发明提供的方法选取几种不同的场景进行模拟仿真。在所有的仿真场景中，均由单一信号源向周围环境发射频率为f＝4GHz，波长为λ＝0.075m的单频信号s(t)＝sin(ωt)。信号传播过程中，存在均值为0方差为1的高斯白噪声。采样频率为f_s＝4GHz，采样周期为N＝800。

为了衡量算法的表现，定义源节点位置估计的绝对误差为源节点位置估计的相对误差为

1)场景一

如图5所示，三维空间中设有L＝4个传感器节点400，分别为p₁＝[25.0125,25.0125,25]^T，p₂＝[80.0125,4.0125,60]^T>3＝[37.0125,75.0125,27]^T，p₄＝[98.0125,25.0125,5]^T。每个传感器节点400包括3个元素的L型天线阵列，其对应的坐标分别为p_1,1＝[25,25,25]^T，p_2,1＝[25.0375,25,25]^T，p_3,1＝[25,25.0375,25]^T,p_1,2＝[80,4,60]^T,p_2,2＝[80.0375,4,60]^T,p_3,2＝[80,4.0375,60]^T，p_1,3＝[37,75,27]^T,p_2,3＝[37.0735,75,27]^T,p_3,3＝[37,75.0735,27]^T,p_1,4＝[98,25,5]^T>2,4＝[98.0735,25,5]^T,p_3,4＝[98,25.0735,5]^T。源节点位于p_s＝[50,50,50]^T。图中“source>

图6表示使用L型天线阵列进行100次蒙特卡洛实验中平均绝对误差r_e与信噪比(SNR)之间的曲线关系。图7表示使用L型天线阵列进行100次蒙特卡洛实验中平均相对误差与信噪比(SNR)之间的曲线关系。

2)场景二

源节点及所有传感器节点400的空间位置与场景一相同，每个传感器节点400都是由一个包含16个元素的4×4方型天线阵列组成，且天线阵列内部沿着坐标轴的间隔距离为

图8表示使用4×4方型天线阵列进行100次蒙特卡洛实验中平均绝对误差r_e与信噪比(SNR)之间的曲线关系。图9表示使用4×4方型天线阵列进行100次蒙特卡洛实验中平均相对误差与信噪比(SNR)之间的曲线关系。

3)场景三

假设一个100×100×100的三维立体空间，源节点位于正中心的位置[50,50,50]，共有L个传感器节点400均匀分布在整个空间中，每个传感器节点400都是由一个和场景一相同的L型天线阵列组成。

图10表示进行100次蒙特卡洛实验中平均绝对误差r_e与传感器节点400个数L之间的关系。图11表示进行100次蒙特卡洛实验中平均相对误差与传感器节点400个数L之间的关系。图12表示进行100次蒙特卡洛实验中平均计算时间与传感器节点400个数L之间的关系。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

需要说明的是，本文中术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求所述的保护范围为准。