一種基于粒子輔助隨機(jī)搜索的無(wú)線網(wǎng)絡(luò)定位技術(shù)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及無(wú)線網(wǎng)絡(luò)定位，特別涉及到無(wú)線定位中非線性非高斯下非凸非凹目標(biāo) 函數(shù)的優(yōu)化方法。
【背景技術(shù)】
[0002] 非凸非凹目標(biāo)函數(shù)的優(yōu)化在無(wú)線網(wǎng)絡(luò)定位、統(tǒng)計(jì)信號(hào)處理、無(wú)線移動(dòng)通信、計(jì)算機(jī) 科學(xué)乃至基礎(chǔ)數(shù)學(xué)領(lǐng)域都是一個(gè)非常重要的、公開(kāi)的問(wèn)題。在信號(hào)與通信應(yīng)用領(lǐng)域中，許多 問(wèn)題都可以轉(zhuǎn)化為參數(shù)估計(jì)及優(yōu)化問(wèn)題，比如，信號(hào)檢測(cè)、時(shí)變信道估計(jì)、頻偏估計(jì)、稀疏信 號(hào)重構(gòu)、自適應(yīng)濾波、譯碼、無(wú)線定位和跟蹤等。然而，由于非理想系統(tǒng)因素（如系統(tǒng)函數(shù)的 非線性、高斯/非高斯環(huán)境噪聲、參考變量的不確定性等）的存在，使得目標(biāo)函數(shù)通常是非 凸非凹的，甚至沒(méi)有閉合表達(dá)式，這給信號(hào)估計(jì)帶來(lái)了嚴(yán)重的困難，很難找到全局最優(yōu)的信 號(hào)估計(jì)。
[0003] 圍繞非凸非凹函數(shù)的優(yōu)化問(wèn)題，國(guó)內(nèi)外展開(kāi)了大量的研究工作，并已經(jīng)取得了很 多研究成果。
[0004] 首先，針對(duì)觀測(cè)系統(tǒng)的非線性問(wèn)題，2000年和2002年，M.Arulampalam等人分別在 文南犬"Atutorialonparticlefiltersforonlinenonlinear/non-GaussianBayesian tracking.'，SignalProcessing,IEEETransactionson, 2002, 50. 2:174-188 和文南犬 "Comparisonoftheparticlefilterwithrangeparameterizedandmodifiedpolar EKFsforangle-onlytracking. "Proc.Spie.Vol. 4048. 2000 中，系統(tǒng)總結(jié)了一種對(duì)于 非線性系統(tǒng)方程進(jìn)行的基于一階泰勒展開(kāi)式的線性化方法，進(jìn)而根據(jù)線性高斯濾波系統(tǒng)原 理，來(lái)對(duì)目標(biāo)變量進(jìn)行估計(jì)/濾波跟蹤。該方法能夠簡(jiǎn)化系統(tǒng)函數(shù)的非線性函數(shù)，然后當(dāng)系 統(tǒng)存在非高斯干擾或者系統(tǒng)函數(shù)嚴(yán)重非線性的時(shí)候，近似誤差會(huì)使得該方法發(fā)散。
[0005] 其次，對(duì)于復(fù)雜目標(biāo)函數(shù)中非高斯概率密度函數(shù)的處理，C.Taylor團(tuán)隊(duì)在2006 年的文南犬"Simultaneouslocalization,calibration,andtrackinginanad-hoc sensornetwork.Proceedingsofthe5thinternationalconferenceonInformation processinginsensornetworks.ACM, 2006中提出了采用拉普拉斯近似的方法來(lái)近似目 標(biāo)函數(shù)中的非高斯概率密度函數(shù)，使得目標(biāo)函數(shù)的優(yōu)化變得簡(jiǎn)單一些。同樣地，2010年Karl Friston團(tuán)隊(duì)在文南犬"VariationalfreeenergyandtheLaplaceapproximationNeu ro-Image. "ELSEVIER,vol. 34,no. 1，2006,pp. 220-234 中也提出了采用拉普拉斯近似的方 法，并對(duì)其進(jìn)行了總結(jié)和分析。另外，2002年，Μ·Arulampalam等人在文獻(xiàn)"Atutorialon particlefiltersforonlinenonlinear/non-GaussianBayesiantracking.'，Signal Processing,IEEETransactionson, 2002, 50. 2:174-188 中針對(duì)目標(biāo)函數(shù)沒(méi)有閉合表達(dá) 式的問(wèn)題，提出了采用重要性采用的方法，用以近似干擾噪聲的非高斯概率密度函數(shù)，對(duì) 目標(biāo)函數(shù)進(jìn)行近似處理。國(guó)內(nèi)的王剛等人在2011年的文獻(xiàn)"Anewapproachtosensor nodelocalizationusingRSSmeasurementsinwirelesssensornetworks.'，IEEE TransactionsonWirelessCommunications, 10.5(2011):1389-1395 中提出了米用基于 無(wú)味變換的方法，采用一組Sigma點(diǎn)集來(lái)對(duì)非高斯概率密度函數(shù)的一階及二階中心距進(jìn)行 近似，來(lái)簡(jiǎn)化處理復(fù)雜的目標(biāo)函數(shù)表示。
[0006] 另外，在統(tǒng)計(jì)信息誘導(dǎo)的目標(biāo)函數(shù)的優(yōu)化問(wèn)題中，對(duì)于參考變量的不確定 性引起的目標(biāo)函數(shù)不存在閉合表達(dá)式問(wèn)題，2009年，M.Vemula等人在文獻(xiàn)"Sensor Self-localizationwithBeaconPositionUncertainty.'，SignalProcessing, vol. 89,no. 6, 2009,pp. 1144-1154中提出了采用重要性采用的方法，使得復(fù)雜的目標(biāo)函數(shù) 中的積分轉(zhuǎn)化為簡(jiǎn)單易處理的有限項(xiàng)和。同樣是針對(duì)目標(biāo)函數(shù)沒(méi)有閉合表達(dá)式的問(wèn)題， 變分推斷提供了另一種思路，它利用一組相互獨(dú)立的、虛擬的概率分布來(lái)逼近復(fù)雜后驗(yàn)概 率目標(biāo)函數(shù)，通過(guò)最小化虛擬概率分布的聯(lián)合分布與目標(biāo)概率密度函數(shù)之間的奇異度來(lái) 找到目標(biāo)函數(shù)的最佳逼近的表達(dá)式，從而把復(fù)雜的目標(biāo)函數(shù)分解為幾個(gè)獨(dú)立的、易處理的 虛擬概率分布。比如，2008 年D.G.Tzikas等人在文獻(xiàn)"TheVariationalApproximation forBayesianInference,'，IEEESignalProcessingMagazine,Vol. 25,No. 6, 2008, pp. 131-146中提出了變分貝葉斯解決復(fù)雜后驗(yàn)概率密度函數(shù)下的貝葉斯推斷問(wèn)題的方 法。同樣地，C.W.Fox等人在 2012 年的文獻(xiàn)"ATutorialonVariationalBayesian Inference，"ArtificialIntelligenceReviewVol. 38,No. 2, 2012,ρρ· 85-95.中系統(tǒng)總 結(jié)和分析了變分推斷的原理和方法。
[0007] 再者，針對(duì)目標(biāo)函數(shù)的非凸非凹問(wèn)題，0.Wentao等人在2010年的文獻(xiàn) "ReceivedSignalStrength-basedWirelessLocalizationviaSemi-definite Programming:Non-cooperativeandCooperativeschemes.VehicularTechnology,IEEE Transactionson.vol. 59,no. 3, 2010,pp. 1307-1318 中，針對(duì)協(xié)作與非協(xié)作定位問(wèn)題，提 出了采用半正定優(yōu)化的方法，將非凸非凹的目標(biāo)函數(shù)松弛為一個(gè)凸函數(shù)。Kulkarni等人 在2011年的文獻(xiàn)"Particleswarmoptimizationinwireless-sensornetworks:A briefsurvey. ^Systems,Man,andCybernetics,PartC:ApplicationsandReviews,IEEE Transactionson, 41. 2(2011) :262-267中，采用粒子群優(yōu)化的思想，采用一組隨機(jī)粒子來(lái) 搜索全局最優(yōu)。同樣，T.Stoyanova等人在2014年的文獻(xiàn)"RSS-basedlocalizationfor wirelesssensornetworksinpractice. 'Troc.of2014 9thInternationalSymposium onCommunicationSystems,Networks&DigitalSignalProcessing(CSNDSP)，2014 中米用 了類(lèi)似的思想，然而由于其搜索粒子的局部搜索只依賴(lài)于其搜索粒子的歷史軌跡，因而當(dāng) 搜索粒子的初始分布沒(méi)有覆蓋全局最優(yōu)的時(shí)候，其算法只能收斂到該初始覆蓋范圍的局部 最佳，而不是全局最優(yōu)。
[0008] 綜合分析國(guó)內(nèi)外目前圍繞復(fù)雜的非凸非凹目標(biāo)函數(shù)的優(yōu)化及參數(shù)估計(jì)問(wèn)題的研 究成果，目前已有大量成果可以借鑒；然而，目前研究成果大都只針對(duì)特定情況下的某一問(wèn) 題，沒(méi)有綜合解決系統(tǒng)非線性、參考不確定性、非高斯干擾等對(duì)優(yōu)化問(wèn)題的影響，進(jìn)而沒(méi)有 提出一個(gè)系統(tǒng)的、可靠的解決該問(wèn)題的框架，以期望搜索到全局最優(yōu)解，并給出目標(biāo)變量的 最優(yōu)估計(jì)，從而提尚定位精度和可靠性。

【發(fā)明內(nèi)容】

[0009] 鑒于現(xiàn)有技術(shù)的以上不足，本發(fā)明的目的是在無(wú)線定位中采用基于粒子輔助的 隨機(jī)搜索思想，提出了找到復(fù)雜的非凸非凹目標(biāo)函數(shù)的全局最優(yōu)解的框架，用以提高定位 精度和魯棒性。
[0010] 本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案如下：
[0011] -種基于粒子輔助隨機(jī)搜索的無(wú)線網(wǎng)絡(luò)定位技術(shù)，用于對(duì)被定位目標(biāo)接收來(lái)自 于各個(gè)參考節(jié)點(diǎn)的接受信號(hào)能量參數(shù)和其坐標(biāo)位置參數(shù)后建立的、用于定位其自身位置、 并與被定位目標(biāo)位置相關(guān)的定位總目標(biāo)函數(shù)進(jìn)行最優(yōu)化處理，以提高定位精度和魯棒性， 包括如下順序執(zhí)行步驟：
[0012] (1)首先，定位