一种移动目标rssi定位的粗大误差识别方法
【专利摘要】本发明公开了一种移动目标RSSI定位的粗大误差识别方法，针对接收信号强度识别(RSSI)的最小二乘定位方法对粗大误差敏感性高的问题，提出了一种在只知道锚节点的与未知节点之间的直接测量距离的情况下对该锚节点是否存在粗大误差进行快速识别的方法。本发明通过计算待识别锚节点与未知节点之间的间接测量距离，进而对直接测量距离分布函数中的参数进行估计，在此情况下给出粗大误差上下限的计算方法，根据粗大误差上下限得到置信区间，然后对粗大误差进行识别。该发明无需对锚节点的位置进行多次测量，简单方便，特别是在移动目标定位的条件下具有一定的实用价值。
【专利说明】
-种移动目标RSSI定位的粗大误差识别方法
技术领域
[0001] 本发明设及RSSI定位领域，具体设及一种移动目标RSSI定位的粗大误差识别方 法。
【背景技术】
[0002] 当前，基于RSSI最小二乘定位的方法中，很少考虑距离测量粗大误差的识别与去 除方法。在常见的误差处理技术中，往往使未知节点在同一位置多次测量与错节点的位置， 利用多次测量值用滤波的方法去除粗大误差。
[0003] 然而，当未知节点是移动的时候，一个时刻可W测量未知节点到各错节点的位置， 但在下一时刻测量时，未知节点已经移动了，无法取得与前一时刻相同的测量结果，也就无 法做到重复测量。
【发明内容】
[0004] 鉴于此，本发明的目的是提供一种移动目标RSSI定位的粗大误差识别方法。
[0005] 本发明的目的是通过W下技术方案实现的，一种移动目标RSSI定位的粗大误差识 别方法，包括W下步骤：
[0006] S1.选定待评估的错节点，计算间接测量距离含；S2.求出间接测量距离別勺均值和 方差;S3.求错节点与未知节点之间有干扰时的直接测量距离山'的概率分布函数;S4.利用 分布函数计算直接测量距离di '的均值和方差；S5.估计未知节点到错节点之间直接测量距 离di '分布函数参数di和标准差0; S6.根据给定的显著性水平，利用直接测量距离di '的分布 函数确定粗大误差上下限，并根据上下限对粗大误差进行识别。
[0007] 进一步，所述步骤S1中，间接测量距离J通过W下方法获取：
[000引设有四个错节点i，j，k，m，前Ξ个节点到未知节点的距离已知，最后一个错节点m (xm，ym)到未知节点的距离未知，利用i，j，k点的信息，确定出未知节点的位置(x，y)，
[0009]
[0010]其中未知节点（x，y巧Ij3个错节点（Xi，yi)、（Xj，yj)、（xk，yk)的距离di、dj、dk，因此m 错节点到未知节点的距离i为：
[0011]
[0012]当环境存在干扰的时候，任意s个错节点i、j、k ( i声j声k声m )根据
计算出来的距离会各不相同，相当于在真实的距离上增加了一个 干扰信号，是一个随机变量。假设有η个错节点，那么每Ξ个错节点计算出的间接测量距离， 就是该随机变量的一个观察值，该随机变量的分布函数与直接测量距离的分布函数是一致 的。
[001引进一步，在步骤S帥，间接现慢距离如勺均值巧^和方差!)(為分别为：
[0014]
，其中，巧表示从η个错节点中每次取Ξ个错节点的组 数。
[0015] 进一步，在步骤S3中，直接测量距离山'的概率分布函数为：
[0016]
其中，di表示错节点和第i个未知节点 之间的实际距离，η '为信道衰减指数。
[0017] 进一步，在步骤S4中，直捣则量距离山'的均值Edi'和方差D(d'i)分别为：
[001 引
[0019]
[0020] σ表示干扰Ei的标准差。
[0021] 进一步，在步骤S5中，未知节点到错节点之间直接测量距离di'分布函数参数di和 标准差σ的估计方法为：
[0022] 因为直接测量距离和间接测量距离的分布函数是一致的，所W其均值和方差也是 相同的，所W有
[0023] 由此得出参数di标准差ο的表达式
[0024] 进一步，在步骤S6中，粗大误差上下限的确定方法如下：
[0025] 令di'=y，A为显著性水平，
[0030]由于采用了上述技术方案，本发明具有如下的优点：
[0031 ] 1、只需对待评估错节点的位置测量一次就能快速识别粗大误差；
[0032] 2、在基于RSSI的最小二乘定位中运用此方法剔除粗大误差后能显著提高定位精 度。
【附图说明】
[0033] 为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进 一步的详细描述，其中：
[0034] 图1为一种移动目标RSSI定位的粗大误差识别方法算法流程图；
[0035] 图2为Ξ边定位示意图；
[0036] 图3为测量的距离无误差时多个错节点定位示意图；
[0037] 图4为测量的距离有误差时多个错节点定位示意图；
[0038] 图5为各节点位置分布图；
[0039] 图6为无大干扰错节点时定位出的未知节点分布图；
[0040] 图7为有一个大干扰错节点时定位出的未知节点分布图；
[0041 ]图8为未知节点到错节点位置的间接测量方法示意图；
[0042] 图9为粗大误差识别流程图。
【具体实施方式】
[0043] W下将结合附图，对本发明的优选实施例进行详细的描述;应当理解，优选实施例 仅为了说明本发明，而不是为了限制本发明的保护范围。
[0044] 在RSSI定位中，通过测量未知节点（x，y；)至Ij3个错节点（Xi，yi)、（xj，yj)、（xk，yk)的 距离di、dj、dk，就可W确定出未知节点的坐标。S边定位示意图如图2所示。
[0045] 未知节点坐标根据公式(1)计算。
[0046]
[0047] 当有多个错节点时，若测量距离没有误差，W错节点为圆屯、、距离为半径的所有圆 必定相交于一点上，任意选择3个错节点就可W确定出未知节点的位置。如图3所示。
[0048] 当测量的距离有误差的时候，分别W各错节点为圆屯、、距离为半径的圆的相交点 会有很多个，运时候通常用最小二乘的方法估计未知节点的位置，如图4所示。
[0049] i个错节点下的未知节点位置计算方法如下：
[0052] 错节点到未知节点的距离可W根据信号强度测量出来，环境无干扰时，信号强度 与实际距离的关系如下：
[0053] P(di)=P〇-10n，lg(di) (3)
[0054] 当环境有干扰后，测量得到的功率为：
[0055] P(d'i)=P〇-10n'lg(di)+ei (4)
[0056] 其中ει为干扰，一般假设它是白噪声随机信号，因此测量到的距离也是随机信号， 由文献《WSN定位中的RSSI概率质屯、计算方法》得分布函数如式(5)所示。
[0057]
(5)
[0058] 当其中任意一个错节点的干扰较大时，采用最小二乘估计未知节点，如果利用运 个干扰大的错节点，反而会降低定位的精度。
[0059] 设有一个未知节点位于(240,270)，各错节点的位置如图5所示。
[0060] 根据文献《无线网络衰落和损耗的建模与仿真研究》，设错节点的初始功率为Po = -44地，信道衰减系数η'=2,背景噪声服从的均值为0,标准差为0.8的正态分布。表1列出 了 9个错节点在不同的噪声情况下的实际距离和干扰后的距离值。
[0061] 表 1
[0062]
[0063]
[0064] 根据干扰后的距离利用最小二乘法确定出的未知节点位置为：（248,272)。
[0065] 若其中一个节点的干扰过大，超出了一般的干扰范围，如第I点，干扰标准差为 3.5，由此确定出的距离为262，根据运个有粗大误差计算出的位置为：（272，268)。
[0066] 当错节点I的干扰不大时利用最小二乘估计定位，仿真运行100次，得出的未知节 点的位置分布如图6所示。
[0067] 当错节点I的干扰较大时利用最小二乘估计定位，仿真运行100次，得出的未知节 点的位置分布如图7所示。
[0068] 图6和图7中的叉点表示未知节点的真实位置，圆点表示定位出的未知节点的位 置。
[0069] 由此可见，将某一个干扰大的错节点纳入最小二乘计算会对定位精度造成很大影 响，应该在计算之前予W识别并剔除。
[0070] 当前，基于RSSI最小二乘定位的方法中，很少考虑距离测量粗大误差的识别与去 除方法。在常见的误差处理技术中，往往使未知节点在同一位置多次测量与错节点的位置， 利用多次测量值用滤波的方法去除粗大误差。
[0071] 然而，当未知节点是移动的时候，一个时刻可W测量未知节点到各错节点的位置， 但在下一时刻测量时，未知节点已经移动了，无法取得与前一时刻相同的测量结果，也就无 法做到重复测量。
[0072] 为此，本发明提出了一种粗大误差识别方法来对移动目标RSSI定位的粗大误差进 行识别，该方法包括W下步骤：
[0073] S1.选定待评估的错节点，计算间接测量距离^ ;
[0074] 设错节点到未知节点位置的间接测量距离为错节点到未知节点的实际距离为 山，错节点到未知节点的直接测量距离为cTi。
[0075] 如图8,有四个错节点i，j，k，m，前Ξ个节点到未知节点的距离已知，最后一个错节 点m到未知节点的距离可W通过前Ξ个节点的信息计算出来。
[0076] 根据公式（1)，利用i，j，k点的信息，可W确定出未知节点的位置(x，y)，因此m错节 点到未知节点的距离如式(6)所示。
[0077]
(6)
[0078] 当环境存在干扰的时候，任意Ξ个错节点i、j、k (i声j声k声m)用式(6)计算出来的 距离会各不相同，相当于在真实的距离上增加了一个干扰信号，是一个随机变量。假设有η 个错节点，每Ξ个错节点计算出的间接测量距离，就是该随机变量的一个观察值，该随机变 量的分布函数与直接测量距离的分布函数是一致的，由式(5)确定。
[0079] 现有待评估错节点Mp(xp，yp)和另外η个错节点Mi(xi，yi)，M2(X2，y2)，···MiUi， yi)，-，Mn(Xn，yn)及未知节点M(x，y)。根据运η个错节点的信息利用S边定位法由式（1)可w 得到巧组未知节点的坐标，即知:,?)砸过式(6)进一步得到巧组未知节 点与错节点Mp之间的间接测量距离即^…。
[0080] S2.求出间接巧慢距离J的均值和方差；
[0081] 间接测量距离別勺均值怎爲和方差公(?可W利用式(7)计算出来，式(7)中巧表 示从η个错节点中每次取Ξ个错节点的组数。
[0082]
(7)
[0083] S3.求错节点与未知节点之间有干扰时的直接测量距离山'的概率分布函数；
[0084] 接收信号强度指示(RSSI)主要是借助信号在传播中的衰减来估计节点之间的距 离，其数学模型如式(1-1)所示。
[0085]
' 1-1
[0086] 其中d日是已知的参考距离;di表示接收点和第i个发射点之间的实际距离，η'为信 道衰减指数，一般取2-4, ει是均值为0,标准差为σ的正态随机变量，表示错节点的测量误 差;ΡΤ表示发射点的信号强度;P(d〇)是距离发射点do处的信号强度，Pi(di)表示距离第i个发 射点di处的信号强度。
[0087] 式(1-1)可改写为式(1-2)。
[0088]
<1-2)
[0089] 式中，Pi(di'）表示接收点接收的信号强度，山'表示测得的距离。
[0090] 由公式(1-1)和(1-2)我们可W得到下面两个变式，即
[0091] P(di)=P〇-10n'lg(di) (1-3)
[0092] P(d'i)=P〇-10n'lg(di)+ei (1-4)
[0093] 公式（1-3)和（1-4)是考虑do=l时变形得到的。Po表示初始信号强度，将公式（1-3) 和（1-4)整理得到 瞒 4]
0.5) 瞒引
(1-6)
[0096] 因为ε i是均值为0，标准差为σ的正态随机变量，则ε i的概率密度函数为
[0097]
(1-巧
[0098] 其中自变量χ = ει，即ει的分布是已知的，又由公式（1-6)可知，cTi的概率密度函数 可由ει的概率密度函数得到，如式(1-8)所示。
[0099]
(1.8)
[0100] 进一步可W得到cT i的分布函数如式巧)所示。
[0101] S4.利用分布函数计算直接测量距离di'的均值和方差；S5.估计未知节点到错节 点之间直接测量距离di '分布函数参数di和标准差0 ;
[0102] 根据式(5)，可W计算出在有干扰时错节点与未知节点的直接测量距离cTi统计量 的均值和方差，如式(8)和式(9)所示。
\ y
[0105] 式(8)和式(9)可W由W下方法获得：
[0106] 令cT i = t，则di '的均值可由式(2-1)计算出来。
[0107]
[0108] 根据相关数学推导可W得到山'的均值表达式如式(8)所示。
[0109] 由式(1-6)可W得到心和ει的关系，进一步可W得到和的概率密度函数如式(2-3) 所示。
[0110]
[011。 由此得到餐的均值表达式如式(2-4)所示。
[0112]
[0113] 因此，可计算出di'的方差如式(9)所示。
[0114] 间接测量距离如勺均值E心)和方差公(式可W利用式(10)计算出来，式(10)中的表 示从η个错节点中每次取Ξ个错节点的组数。
[0115]
[0116] 由于直接测量距离和间接测量距离的分布函数是一致的，所W其均值和方差也是 相同的，所W根据式(11)可W估计出参数di和标准差0。
[0117]
[011引由此得出参数di标准差0的表达式如式（12)所示。
[0119]
[0120] S6.根据给定的显著性水平，利用直接测量距离di '的分布函数确定粗大误差上下 限，并根据上下限对粗大误差进行识别。具体为：
[0121] 令d/i = y，dL为粗大误差下限，λ为显著性水平，则粗大误差下限可W用式（13)确 定。
[0129] 在给定显著性水平λ的情况下，通过判断错节点Mp与未知节点之间的直接测量距 离cTi是否位于置信区间内对此粗大误差进行识别，具体识别流程图如图9所示。
[0130] W上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人 员可W对本发明进行各种改动和变型而不脱离本发明的精神和范围。运样，倘若本发明的 运些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含运些 改动和变型在内。
【主权项】
1. 一种移动目标RSSI定位的粗大误差识别方法，其特征在于:包括以下步骤：51. 选定待评估的锚节点，计算间接测量距离j ;52. 求出间接测量距离^的均值和方差；53. 求锚节点与未知节点之间有干扰时的直接测量距离cU'的概率分布函数；54. 利用分布函数计算直接测量距离cU '的均值和方差；55. 估计未知节点到锚节点之间直接测量距离di '分布函数参数di和标准差σ;56. 根据给定的显著性水平，利用直接测量距离cU '的分布函数确定粗大误差上下限，并 根据上下限对粗大误差进行识别。2. 根据权利要求1所述的移动目标RSSI定位的粗大误差识别方法，其特征在于:所述步 骤S1中，间接测量距离》通过以下方法获取： 设有四个锚节点i，j，k，m，前三个节点到未知节点的距离已知，最后一个锚节点m(xm， yd到未知节点的距离未知，利用i，j，k点的信息，确定出未知节点的位置(x，y)，其中未知节点（x，y)至Ij3个锚节点（Xi，yi)、（xj，yj)、（xk，yk)的距离di、dj、dk，因此m锚节 点到未知节点的距离?为： .、)2+:(η)2 当环境存在干扰的时候，任意三个锚节点i、j、k ( i辛j辛k辛m )根据 J = #.r-.VwV:+( r-vJ-'计算出来的距离会各不相同，相当于在真实的距离上增加了一个 干扰信号，是一个随机变量，假设有η个锚节点，那么每三个锚节点计算出的间接测量距离， 就是该随机变量的一个观察值，该随机变量的分布函数与直接测量距离的分布函数是一致 的。3. 根据权利要求2所述的移动目标RSSI定位的粗大误差识别方法，其特征在于:在步骤 S2中，间接测量距离》的均值和方差￡>4分别为：，其中，0表示从η个锚节点中每次取三个锚节点的组数。4. 根据权利要求3所述的移动目标RSSI定位的粗大误差识别方法，其特征在于:在步骤 S3中，直接测量距离di '的概率分布函数为：其中，6表示锚节点和第i个未知节点之间 的实际距离，η'为信道衰减指数。5. 根据权利要求4所述的移动目标RSSI定位的粗大误差识别方法，其特征在于:在步骤 S4中，直接测量距离di '的均值EcT i和方差DW i)分别为：其中σ表示干扰的标准差。6. 根据权利要求5所述的移动目标RSSI定位的粗大误差识别方法，其特征在于:在步骤 S5中，未知节点到锚节点之间直接测量距离cU'分布函数参数ck和标准差 〇的估计方法为： 因为直接测量距离和间接测量距离的分布函数是一致的，所以其均值和方差也是相同 E(d) - Ed. 的，所以有:Λ1 ，D{d)= D{d]) 由此得出参数cU标准差〇的表达式，7. 根据权利要求6所述的移动目标RSSI定位的粗大误差识别方法，其特征在于:在步骤 S6中，粗大误差上下限的确定方法如下： 令cU'=y，A为显著性水平， 则粗大误差下限dL用粗大误差的上限dH用由此得到粗大误差上下限分别为， V ，8.根据权利要求7所述的移动目标RSSI定位的粗大误差识别方法，其特征在于:所述置 信区间为
【文档编号】G01S5/02GK106066470SQ201610368762
【公开日】2016年11月2日
【申请日】2016年5月27日 公开号201610368762.6, CN 106066470 A, CN 106066470A, CN 201610368762, CN-A-106066470, CN106066470 A, CN106066470A, CN201610368762, CN201610368762.6
【发明人】程森林, 靳双, 孙棣华, 王川, 韩雨松, 徐洋
【申请人】重庆大学