专利名称：基于隐马氏模型的分布式运动节点的定位方法
技术领域：
本发明涉及移动通信网络中用户节点的定位方法，特别涉及一种基于隐马氏模型的分布式运动节点的定位方法，属于网络通信技术领域。
背景技术：
移动通信网络中用户节点的定位方法是一项已被广泛研究的技术，其具有广泛的应用场景，是非常重要的应用技术。现有的定位技术大体可以划分为两大类别:基于测距的方式和基于连通性的方式。基于测距的定位方法需要测量各个节点间的相对距离，而且对测量的精度要求较高，主要的测量方式是基于RSS(即受到的信号强度)、到达信号的角度、信号到达时间的差别等等；相反，基于连通性的定位方法利用的是节点之间的连通性，从而避免了高代价的高精准度测量要求，因此该类定位方法能够适应各种场景。当下所使用的基于连通性的定位方法需要强密度的节点环境，然而如今很多的移动网络环境由于网络区域过大，用户节点移动性过强，网络拓扑非常容易变化，因此在现实场景中都只具有相对较低的连通性。这给节点在移动网络中进行定位带来了很大的困难，现有移动网络中的定位方法最有建设性意义的是MCL (即蒙特卡洛定位算法)，不过MCL非常依赖于高密度的固定节点，因此很难适应在移动网络场景中的实际应用。通过对历史数据集的分析，我们发现了这样一个现象，用户节点的移动性表现出了很强的时空相关的规律性，更重要的是，用户节点的移动性与用户节点的相遇者之间有很强的相关性。基于这个规律，本发明提出了一种适应于稀疏移动性网络的定位方法。
发明内容
本发明的目的是克服现有技术过于依赖高密度的固定节点环境的不足，提供一种基于隐马氏模型的分布式运动节点的定位方法，针对用户节点密度相对较为稀疏，而且与只有处在通讯半径以内的其他用户节点才能通讯的场景，应用隐马尔可夫链模型来实现对本用户节点的定位。本发明是采用下述技术方案来达到上述目的的:一种基于隐马氏模型的分布式运动节点的定位方法，用于移动网络中对用户节点的定位，其特征在于，包括以下步骤:(I)系统初始化，设定通讯半径和时间间隔，统计位置信息并生成对于不同用户节点的分别的位置转移概率矩阵，统计相遇信息并生成在每个位置上与其他用户节点的相遇概率；(2)所述用户节点通过WiFi访问AP获得其与其他用户节点相遇的信息，所述的用户节点与其他用户节点相遇是指:该用户节点与其他用户节点在同一时间间隔内访问该AP或处于该AP通讯半径范围内的AP ;(3)所述用户节点通过访问固定的AP或者与固定的其他用户节点相遇获得其本身所处位置，所述的固定的AP和固定的其他用户节点具有已知位置；(4)根据当前已有的已知位置划分出若干子段，在该子段的每一时间间隔内只有相遇信息而无已知位置，各子段的开始和末尾具有固定的已知位置；(5)将步骤⑷所得的各子段的开始和末尾的已知位置，使用隐马尔可夫链模型，利用Viterbi向前向后算法结合动态规划算法确定对开始和末尾位置固定而内部未知路径的最大概率估计。所述的对开始和末尾位置固定而内部未知路径的最大概率估计的确定步骤如下:(I)通过历史信息统计，初始设置位置转移概率矩阵A和与其他用户节点的相遇概率B ;(2)从初 始位置g开始，在下一时间间隔所述用户节点与其他用户节点的相遇信息记为et,而在该时刻可能移动到所有i的概率为S i,利用位置转移矩阵A和已知相遇信息计算出来(3)令t=t+l，在下一时间间隔内该用户节点与其他用户节点的相遇信息记为et，而在下一时间间隔内移动到所有j的概率为利用，并记录arg max 6,- * Aij * Bie^ ；(4)重复步骤(3)直至t超过尾部时间；(5)设h是尾部已知的所处位置，由前4个步骤已知到达尾部之前处于位置j的未知路径的最大概率S」，设从位置j出发，利用~ = 5.^ A ^丨、.' ’并记录arg max Sj-承 Ajh 率 B把；
j 1(6)根据每步搜索并记录下来的最优路径，逆推出拥有最大概率的路径T。本发明利用所能直接观察的相遇信息，使用隐马尔可夫链模型来计算最有可能的路径位置，从而实现对用户节点的定位。本发明的优点在于:(I)本发明所述的定位方法可以适应大区域的移动网络，适用于很强的用户节点移动性，即使网络拓扑发生变化，本发明的定位误差不会有很大变化，同时本发明适用于现实生活中的分布比较稀疏的网络场景，相对于MCL方法对网络环境做出的强假设有更强的适应能力。(2)本发明是分布式的定位方法，而不是由控制中心进行控制的路由方法，用户节点只需在自己的通讯半径之内，统计与自己相遇的其他节点少量的通信就可以，而不需要每对用户节点之间进行通讯，降低了能耗和通讯的开支。(3)本发明利用所能直接观察的相遇信息，使用隐马氏模型来计算最有可能的路径位置，能够达到更高的定位精度。
具体实施例方式本发明所述基于隐马氏模型的分布式运动节点的定位方法基于连通性方式，充分利用移动性和相遇用户节点之间的相互关系，在获取用户节点所记录下来的与通讯范围内其他用户节点的历史相遇信息的基础上，建立隐马氏模型，计算出最有可能的路径位置来达到用户节点定位的目的。所述方法特别适用于用户节点稀疏的移动网络场景。下面对本发明的各个步骤做进一步的详细说明:所述的基于隐马氏模型的分布式运动节点的定位方法用于移动网络中对用户节点的定位，其包括以下步骤:(I)系统初始化，设定通讯半径和时间间隔，统计位置信息，生成对于不同用户节点的分别的位置转移概率矩阵，即用户节点前一时刻所处的位置在下一时刻所处位置的状态转移矩阵，统计相遇信息，生成在每个位置上的与其他用户节点的相遇概率，即该时刻在这个位置上同时与其他用户节点集合相遇的概率。(2)所述用户节点通过WiFi访问AP，而在同一时间间隔内有访问该AP中的其他用户节点，即为该用户节点与其他用户节点相遇；若有访问和该AP在通讯距离范围内的AP的其他用户节点，也为这些其他用户节点与该用户节点相遇。换言之，用户节点通过WiFi访问AP获得其与其他用户节点相遇的信息，所述的用户节点与其他用户节点相遇是指:该用户节点与其他用户节点在同一时间间隔内访问该AP或处于该AP通讯半径范围内的AP。(3)某些AP的位置，因此所述用户节点在通过WiFi访问该AP时，就能得到当前位置，或者某些用户节点是固定不动的且其所处位置已知，则所述用户节点访问该固定的AP或者与固定的用户节点相遇即知道该时刻所处位置。换言之，所述用户节点通过访问固定的AP或者与固定的其他用户节点相遇获得其本身所处位置，所述的固定的AP和固定的其他用户节点具有已知位置。(4)根据当前已有的已知位置划分出若干子段，在该子段的每个时间间隔内只有相遇信息，没有已知的位置，即该子段中没有与任何固定不动的节点相遇过，各子段的开始和末尾都具有固定的已知位置，即在各子段的开头和结尾都与已知的固定节点相遇。(5)将步骤(4)所得的各子段`的固定开始和末尾的已知位置，使用隐马尔可夫链模型，利用Viterbi向前向后算法结合动态规划算法的有关步骤确定对开始和末尾位置固定而内部未知路径的最大概率估计。所述的对开始和末尾位置固定而内部未知路径的最大概率估计的确定步骤如下:(I)初始设置位置转移概率矩阵A，这个状态转移矩阵是通过历史信息统计出来的，设置在这个位置上同时与其他用户节点集合相遇的概率矩阵B，这个矩阵也是通过历史信息统计出来的；(2)从初始位置g开始，由历史信息统计出来的在下一时间间隔所述用户节点与其他用户节点的相遇信息记为et，而在该时刻可能移动到所有i的概率为8 ,，利用位置转移矩阵A和已知相遇信息计算出来5, 二 A,;, ^ Bh.；(3)令t=t+l，在下一时间间隔内该用户节点与其他用户节点相遇信息记为et，而在下一时间间隔内移动到所有j的概率为利用，其中i表示前一
时刻在位置i而在下一时间间隔时移动到j的概率，在求出概率最大的S j的同时记录下
arg max 6.^ Aij ^ Bie ；
i(4)重复步骤(3)直至t超过尾部时间，即计算到下一时间间隔就是该子段的末尾；(5)设h是尾部已知的所处位置，由前4个步骤已知到达尾部之前处于位置j的未知路径的最大概率Sj，设从位置j出发，利用’并记录arg max S, * A;h * Bjc ；
j(6)根据每步搜索并记录下来的最优路径，即使得概率最大化的前一个位置，沿着每前一步概率最大化的参数，逆推出拥有最大概率的路径T。以下为本发明的伪代码实现，即源程序:
权利要求
1.一种基于隐马氏模型的分布式运动节点的定位方法，用于移动网络中对用户节点的定位，其特征在于，包括以下步骤: (1)系统初始化，设定通讯半径和时间间隔，统计位置信息并生成对于不同用户节点的分别的位置转移概率矩阵，统计相遇信息并生成在每个位置上与其他用户节点的相遇概率； (2)所述用户节点通过WiFi 访问AP获得其与其他用户节点相遇的信息，所述的用户节点与其他用户节点相遇是指:该用户节点与其他用户节点在同一时间间隔内访问该AP或处于该AP通讯半径范围内的AP ; (3)所述用户节点通过访问固定的AP或者与固定的其他用户节点相遇获得其本身所处位置，所述的固定的AP和固定的其他用户节点具有已知位置； (4)根据当前已有的已知位置划分出若干子段，在该子段的每一时间间隔内只有相遇信息而无已知位置，各子段的开始和末尾具有固定的已知位置； (5)将步骤(4)所得的各子段的开始和末尾的已知位置，使用隐马尔可夫链模型，利用Viterbi向前向后算法结合动态规划算法确定对开始和末尾位置固定而内部未知路径的最大概率估计。
2.根据权利要求1所述的基于隐马氏模型的分布式运动节点的定位方法，其特征在于，所述的对开始和末尾位置固定而内部未知路径的最大概率估计的确定步骤如下: (1)通过历史信息统计，初始设置位置转移概率矩阵A和与其他用户节点的相遇概率B ； (2)从初始位置g开始，在下一时间间隔所述用户节点与其他用户节点的相遇信息记为et，而在该时刻可能移动到所有i的概率为8 i，利用位置转移矩阵A和已知相遇信息计算出来5, ^ a^K,; (3)令t=t+l，在下一时间间隔内该用户节点与其他用户节点的相遇信息记为et，而在下一时间间隔内移动到所有j的概率为\σ_，利用σ,_=maXσ*A*B，并记录arg max σ,*A*B； (4)重复步骤(3)直至t超过尾部时间； (5)设h是尾部已知的所处位置，由前4个步骤已知到达尾部之前处于位置j的未知路径的最大概率Sj，设从位置j出发，利用5;.=max5;*0/4,，并记录σ,_=maXσ*A*B (6)根据每步搜索并记录下来的最优路径，逆推出拥有最大概率的路径T。
全文摘要
一种基于隐马氏模型的分布式运动节点的定位方法，包括如下步骤首先，设定一定的时间间隔，统计位置信息，生成对于不同用户的分别的位置转移的概率矩阵，统计相遇信息，生成在每个位置上的与其他用户节点相遇的概率；然后，根据当前已有的位置划分出若干子段，在该子段的每个时间间隔只有相遇信息，没有已知的位置，该子段的开始和末尾都已知位置；再后，利用所得的各子段的固定首尾的已知位置，使用隐马尔可夫链模型，利用Viterbi向前向后算法结合动态规划算法确定对固定首尾位置内部未知路径的最大概率估计。本发明达到了更高的定位精度，适用于用户移动性很强的大区域的移动网络，特别适用于现实生活中的分布比较稀疏的网络场景。
文档编号H04W64/00GK103079168SQ20131000936
公开日2013年5月1日 申请日期2013年1月10日 优先权日2013年1月10日
发明者赵俊博, 丁冬冬, 朱燕民 申请人:上海交通大学