一种节点传输误差分析方法及系统与流程

本申请涉及室内定位技术领域，特别涉及一种节点传输误差分析方法及系统。

背景技术：

随着移动互联网的发展，导致基于位置感知的应用激增，对于位置服务的需求也与日俱增，而室内定位成为时下又一研究热潮。随着移动互联网的快速发展和移动设备终端的日益更新，定位节点间可完成通信，信息交流等功能，由此提出了基于室内多跳网络下的协同定位模式。协同定位下的信息共享使得定位所需有效信息增加，融合相应的定位算法，其精度得到很大程度上的提升。

然而，节点间的信息传递伴随着有用信息丢失，一定程度上，在保证定位过程有效的情况下，决定定位性能往往取决于节点间的信息传递效率。但室内无线网络下，其节点的性能，数量等有限，再加上室内环境的特殊分布，如墙壁遮挡、信号源干扰等环境因素，都是影响节点信息传递的干扰因子，并且此类因素又是无法避免的。所以为了提升定位精度，在保证成本的前提下，对节点信息传递进行分析，并融入一些可能造成干扰的环境因素，构建有效的传输模型，远比盲目增加节点数，增强节点性能有效。

现有的节点信息传递分析方式主要包括：

一、克拉美罗下限(crlb)分析：克拉美罗定位下限分析是使用最为广泛的一种下限分析方法，crlb是费希尔矩阵(fim)的逆；

crlb＝j(θ)^-1(1)

crlb能够反映出一无偏估计量所能达到的临界最小值，为比较无偏估计量的性能提供了一个标准，无偏估计量的方差只能无限制的逼近克拉美罗界，而不会低于克拉美罗界。

二、一致最小方差无偏估计(umvue)：设是θ的一个无偏估计，如果对另外一个θ的无偏估计在参数空间θ＝{θ}上都有

则称是θ的一致最小方差无偏估计，其中如果对任意一个满足e(φ)＝0的φ，都有

三、最佳线性无偏估计(blue)：该无偏估计具有以下性质：1.线性，即这个估计量是随机变量；2.无偏性，即这个估计量的均值或者期望值e(α)等于真实值α；3.具有有效估计值，即这个估计量在所有这样的线性无偏估计量一类中有最小方差。

四、最小二乘估计(lse)：最小二乘估计是高斯在1975年提出的参数估计法，其特点是算法简单，不必知道被估计量及量测量有关的统计信息。设第次实测量αi为

αi＝ψiβ+δi(4)

在公式(4)中，参数ψ,δ分别为量测矩阵和随机量测噪声。最小二乘估计使各次量测与由无偏估计量确定的量测估计的估计均方和最小，即

min((α-ψβ)^t(α-ψβ))(5)

最小二乘估计量为

五、极大似然估计分析(mle)：也称为最大概似估计或最大似然估计，是求估计的另一种方法。极大似然估计，只是一种概率论在统计学的应用，它是参数估计的方法之一。说的是已知某个随机样本满足某种概率分布，但是其中具体的参数未知，参数估计就是通过若干次试验，观察其结果，利用结果推出参数的大概值。极大似然估计是建立在思想上：已知其中某个参数能使样本出现的概率最大，则会择优选择此类样本，最终将此参数作为估计的真实值。但是极大似然估计只是一种粗略的数学期望，另外区间估计可确定估计量的误差范围。

针对于实际应用，上述分析方法依然存在一下难点，对于一致最小方差无偏估计，此类无偏估计可能存在，但是无法求出或求解难度较大，给应用带来了一定的阻碍。克拉美罗下限分析在实际误差下限分析中应用较广泛，但前提得需要知道估计量的概率分布(pdf)，如果其未知，仍无法求解。对于最小二乘和极大似然估计分析方法，其估计精度不高，估计参数的不确定度较大。对于最佳线性无偏估计只需知道估计量的均值和方差即可，但同时此类估计量是次优的，其适合度也有待考量。

技术实现要素：

本申请提供了一种节点传输误差分析方法及系统，旨在至少在一定程度上解决现有技术中的上述技术问题之一。

为了解决上述问题，本申请提供了如下技术方案：

一种节点传输误差分析方法，包括以下步骤：

步骤a：利用影响信号传输的环境影响参数建立单节点传输误差模型；

步骤b：对所述单节点传输误差模型进行迭代分析，并建立多跳模型；

步骤c：根据所述多跳模型的多跳传输线路建立协同模型，通过所述协同模型分析信号传输过程中的节点传输误差。

本申请实施例采取的技术方案还包括：在所述步骤a中，所述传输误差分为通信误差和测量误差，所述测量误差服从正太分布其中k代表通信的始节点；所述通信误差影响因素包括传输距离、传输衰减因子以及信噪比，所述通信误差分析公式为：

在上述公式中，与信噪比相关，α为传输衰减因子，k,n表示通信的始末节点，表示始末节点的通信误差。

本申请实施例采取的技术方案还包括：在所述步骤b中，所述对单节点传输误差模型进行迭代分析的公式为：

...

在上述公式中，表示传输误差，表示测量误差；

所述多跳模型下的节点传输误差为：

在上述公式中，定义传输距离因子λi＝d(d′ij)，i表示末节点，j表示始节点。

本申请实施例采取的技术方案还包括：在所述步骤c中，所述通过协同模型分析信号传输过程中的节点传输误差还包括：以节点间传输的误差累积作为分析误差的指标，并计算误差补偿值，通过误差补偿值在定位过程中进行定位误差校正。

本申请实施例采取的技术方案还包括：所述步骤c还包括：通过信号传输模型估测协同定位模式下的目标定位节点的误差下限，所述信号传输模型是指对信号传输构成干扰的损耗模型；所述目标定位节点的误差下限的估测方式为：针对目标定位节点，存在n个参与定位的节点向量θ＝[θ1，...θn]，并且传输误差δ＝g(i)，其中，i表示通信信息量，则目标定位节点的误差下限为δ≥g(ia)-g(iδ)，

本申请实施例采取的另一技术方案为：一种节点传输误差分析系统，包括：

单节点传输误差模型建立模块：用于利用影响信号传输的环境影响参数建立单节点传输误差模型；

多跳模型建立模块：用于对所述单节点传输误差模型进行迭代分析，并建立多跳模型；

协同模型建立模块：用于根据所述多跳模型的多跳传输线路建立协同模型，通过所述协同模型分析信号传输过程中的节点传输误差。

本申请实施例采取的技术方案还包括：所述单节点传输误差模型建立模块建立单节点传输误差模型具体包括：所述传输误差分为通信误差和测量误差，所述测量误差服从正太分布其中k代表通信的始节点；所述通信误差影响因素包括传输距离、传输衰减因子以及信噪比，所述通信误差分析公式为：

在上述公式中，与信噪比相关，α为传输衰减因子，k,n表示通信的始末节点，表示始末节点的通信误差。

本申请实施例采取的技术方案还包括：所述多跳模型建立模块对单节点传输误差模型进行迭代分析的公式为：

...

在上述公式中，表示传输误差，表示测量误差；

所述多跳模型下的节点传输误差为：

在上述公式中，定义传输距离因子λi＝d(d′ij)，i表示末节点，j表示始节点。

本申请实施例采取的技术方案还包括：所述协同模型建立模块通过协同模型分析信号传输过程中的节点传输误差还包括：以节点间传输的误差累积作为分析误差的指标，并计算误差补偿值，通过误差补偿值在定位过程中进行定位误差校正。

本申请实施例采取的技术方案还包括：所述协同模型建立模块通过协同模型分析信号传输过程中的节点传输误差还包括：通过信号传输模型估测协同定位模式下的目标定位节点的误差下限，所述信号传输模型是指对信号传输构成干扰的损耗模型；所述目标定位节点的误差下限的估测方式为：针对目标定位节点，存在n个参与定位的节点向量θ＝[θ1，...θn]，并且传输误差δ＝g(i)，其中，i表示通信信息量，则目标定位节点的误差下限为δ≥g(ia)-g(iδ)，

相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的节点传输误差分析方法及系统通过融合各环境影响参数建立单节点对单节点传输的单节点传输误差模型(stsm)，通过单节点传输误差模型迭代的方式建立节点传输时的多跳模型，在协同定位模式下，根据多跳传输线路建立协同模型，利用协同模型分析节点传输误差，并计算误差补偿值，通过误差补偿值在定位过程中进行定位误差校正，从而提升定位精度。相对于现有技术，本申请具有以下优点：

1)由简入繁，复杂的协同通信网络中包含诸多通信路径，建立单节点传输误差模型作为协同模型中的单元模型，层层递进，计算简便；

2)单节点传输误差模型中融入环境影响参数，通过其真实传输特点进行推导验证，保证了单节点传输误差模型的有效性，进而保证复杂传输网络中节点传输误差的可靠性。

3)在三种模型建立中，根据传输中各种误差产生的特点和原因，将测量误差和通信误差相互独立分析来建立模型；同时，可根据需求，对某一类误差进行隔离分析，对照分析数据针对性的进行改进，提高了误差分析的灵活性。

附图说明

图1是本申请实施例的节点传输误差分析方法的流程图；

图2为本申请实施例的单节点传输误差模型示意图；

图3为本申请实施例的多跳模型示意图；

图4为本申请实施例的协同模型示意图；

图5为在协同模型下节点传输误差分析示意图；

图6为真实环境下的节点多跳信息传递示意图；

图7为在图6传输路径条件下的节点传输误差结果示意图；

图8是本申请实施例的节点传输误差分析系统的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

针对现有技术的不足，本申请主要解决的是在复杂的室内环境下，首先融合各环境影响参数建立单节点对单节点传输的单节点传输误差模型(stsm)，在已知单节点测量误差的前提下，再通过信号传输模型分析节点间通信产生的通信误差，由测量误差和通信误差构成一对节点信号传输时带来的传输误差。对于多跳网络，往往是由各单节点相互传输叠加而成，故通过迭代的方式去建立节点传输时的多跳模型(mhm)。针对协同定位下的传输误差，通常是由众多多跳传输路线构成。融入节点的通信范围，通过环境影响参数构建定位节点在协同定位下的协同模型(cm)，以便于根据实际室内环境对锚节点误差进行分析，从而为节点定位过程提供误差补偿值，进而提升定位精度。

具体地，请参阅图1，是本申请实施例的节点传输误差分析方法的流程图。本申请实施例的节点传输误差分析方法包括以下步骤：

步骤100：利用影响信号传输的环境影响参数建立单节点对单节点传输的单节点传输误差模型；

在步骤100中，由于节点的通信误差可由信号传输时室内环境干扰因素形成，例如信噪比、传输衰减因子等，因此，本申请实施例的单节点传输误差模型根据信号传输模型而建立。信号传输模型是指在某特定环境下，对信号传输构成干扰的损耗模型，例如，信噪比、传输衰减因子等对信号传输强度的干扰，从而影响信号传输距离。具体如图2所示，为本申请实施例的单节点传输误差模型示意图。其中，传输误差分为通信误差和测量误差，测量误差服从正太分布其中k代表始节点标号。具体地，通信误差分析如下：

通信误差主要影响因素包括传输距离、传输衰减因子以及传输环境中的信噪比，通信误差分析公式如下：

在公式(6)中，与信噪比相关，α为传输衰减因子，k,n表示通信的始末节点，表示始末节点的通信误差。

当信号传输精确时，d(d'nk)＝0，故可得到以下关系式，节点的通信误差n满足：

至此，经过化简公式(7)可得到通信误差d(d'nk)很难求解，但同时d'nk满足分布根据概率转换公式可知：

最后，得到末节点n的通信误差：

在公式(9)中，p0表示标准正太分布概率密度函数，r为单调影响因子。定义φ(x0)＝1，则

l＝min(x0,dnk),h＝max(x0,dnk)(10)

信号传输其中，表示传输误差，表示通信误差，表示测量误差；同时，定义传输距离因子λi＝d(d′ij)，i表示末节点，j表示始节点。

在真实环境中，可能存在其他影响信号传输的环境干扰因素，例如，非视距等，在实际应用中，可根据实际情况对信号传输模型进行改进，再利用其进行相应推导建立对应的单节点传输误差模型。

步骤200：在多跳网络下，对单节点传输误差模型进行迭代分析，并建立多跳模型，通过多跳模型分析节点间传输的误差累积；

在步骤200中，建立多跳模型的目的是为了分析多跳网络下节点间传输的误差累积。具体如图3所示，为本申请实施例的多跳模型示意图。基于单节点传输误差模型，多跳模型是单节点传输的叠加，多跳模型由单节点传输误差模型依次迭代而成。迭代方式如下：

...

以此可得到多跳模型下的节点传输误差为：

在已知单节点传输误差模型的前提下，多跳模型是基于单节点传输误差模型进行迭代累积的结果，其迭代累积的方式可根据实际传输特点进行相应改变，例如：均方和、相乘累积、加权累积等。

步骤300：在协同定位模式下，根据多跳传输线路建立协同模型，利用协同模型分析节点传输误差，并计算误差补偿值，通过误差补偿值在定位过程中进行定位误差校正。

在步骤300中，本申请实施例以节点间传输的误差累积作为分析误差的指标，从而针对性的给出误差补偿值。协同定位模式下，对于单节点而言，节点间的相互信息传递构建了诸多多跳传输线路。一定意义上，众多错综复杂的多跳传输线路构成了协同通信网络，由此可通过信号传输模型估测协同定位模式下的目标定位节点的误差下限。

具体如图4所示，为本申请实施例的协同模型示意图。定义协同网络下，针对某一目标定位节点，存在n个参与定位的节点向量θ＝[θ1，...θn]，并且传输误差δ＝g(i)，其中，i表示通信信息量，则目标定位节点的误差下限为δ≥g(ia)-g(iδ)。其中

如图5所示，为在协同模型下节点传输误差分析示意图。取10个随机测试节点，在信噪比(snr)在[0－30]区间、传输衰减因子α＝2,3,4的条件下进行节点传输误差分析。图6为真实环境下的节点多跳信息传递示意图，其目的为分析信噪比和传输衰减因子对节点传输误差的影响。图7为在图6传输路径条件下的节点传输误差结果示意图。其在图6的传输路径条件下，利用建立的协同模型分析信息传递过程中传输跳数对节点传输误差的影响。

由于实际协同网络中可能存在多种类型的限制，例如，某些节点的传输限制，即说明定位网络是一半全通的网络，由此可将限制条件引入模型，保证误差分析的准确性。在对误差分析完成后，可得到在某一环境条件下的误差分析数据，其补偿方式可根据实际情况改变。

请参阅图8，是本申请实施例的节点传输误差分析系统的结构示意图。本申请实施例的节点传输误差分析系统包括单节点传输误差模型建立模块、多跳模型建立模块和协同模型建立模块；

单节点传输误差模型建立模块：用于利用影响信号传输的环境影响参数建立单节点对单节点传输的单节点传输误差模型；其中，由于节点的通信误差可由信号传输时室内环境干扰因素形成，例如信噪比、传输衰减因子等，因此，本申请实施例的单节点传输误差模型根据信号传输模型而建立。其中，传输误差分为通信误差和测量误差，测量误差服从正太分布n(0,)，其中k代表始节点标号。具体地，通信误差分析如下：

通信误差主要影响因素包括传输距离、传输衰减因子以及传输环境中的信噪比，通信误差分析公式如下：

在公式(6)中，与信噪比相关，α为传输衰减因子，k,n表示通信的始末节点，表示始末节点的通信误差。

当信号传输精确时，d(d'nk)＝0，故可得到以下关系式，节点的通信误差n满足：

至此，经过化简公式(7)可得到通信误差d(d'nk)很难求解，但同时d'nk满足分布根据概率转换公式可知：

最后，得到末节点n的通信误差：

在公式(9)中，p0表示标准正太分布概率密度函数，r为单调影响因子。定义φ(x0)＝1，则

l＝min(x0,dnk),h＝max(x0,dnk)(10)

信号传输其中，表示传输误差，表示通信误差，表示测量误差；同时，定义传输距离因子λi＝d(d′ij)，i表示末节点，j表示始节点。

在真实环境中，可能存在其他影响信号传输的环境干扰因素，例如，非视距等，在实际应用中，可根据实际情况对信号传输模型进行改进，再利用其进行相应推导建立对应的单节点传输误差模型。

多跳模型建立模块：用于在多跳网络下，对单节点传输误差模型进行迭代分析，并建立多跳模型，通过多跳模型分析节点间传输的误差累积；其中，建立多跳模型的目的是为了分析多跳网络下节点间传输的误差累积。基于单节点传输误差模型，多跳模型是单节点传输的叠加，多跳模型由单节点传输误差模型依次迭代而成。迭代方式如下：

...

以此可得到多跳模型下的节点传输的传输误差：

在已知单节点传输误差模型的前提下，多跳模型是基于单节点传输误差模型进行迭代累积的结果，其迭代累积的方式可根据实际传输特点进行相应改变，例如：均方和、相乘累积、加权累积等。

协同模型建立模块：用于在协同定位模式下，根据多跳传输线路建立协同模型，利用协同模型计算误差补偿值，通过误差补偿值在定位过程中进行定位误差校正；本申请实施例以节点间传输的误差累积作为分析误差的指标，从而针对性的给出误差补偿值。协同定位模式下，对于单节点而言，节点间的相互信息传递构建了诸多多跳传输线路。一定意义上，众多错综复杂的多跳传输线路构成了协同通信网络，由此可通过信号传输模型估测协同定位模式下的目标定位节点的误差下限。

具体如图4所示，为本申请实施例的协同模型示意图。定义协同网络下，针对某一目标定位节点，存在n个参与定位的节点向量θ＝[θ1，...θn]，并且传输误差δ＝g(i)，其中，i表示通信信息量，则目标定位节点的误差下限为δ≥g(ia)-g(iδ)。其中

如图5所示，为在协同模型下，节点传输误差分析示意图。取10个随机测试节点，在信噪比(snr)在[0－30]区间、传输衰减因子α＝2,3,4的条件下进行节点传输误差分析。图6为真实环境下的节点多跳信息传递示意图，其目的为分析信噪比和传输衰减因子对节点传输误差的影响。图7为在图6传输路径条件下的节点传输误差结果示意图。其在图6的传输路径条件下，利用建立的协同模型分析信息传递过程中传输跳数对传输误差的影响。

由于实际协同网络中可能存在多种类型的限制，例如，某些节点的传输限制，即说明定位网络是一半全通的网络，由此可将限制条件引入模型，保证误差分析的准确性。在对误差分析完成后，可得到在某一环境条件下的误差分析数据，其补偿方式可根据实际情况改变。

本申请实施例的节点传输误差分析方法及系统通过融合各环境影响参数建立单节点对单节点传输的单节点传输误差模型(stsm)，通过单节点传输误差模型迭代的方式建立节点传输时的多跳模型，在协同定位模式下，根据多跳传输线路建立协同模型，利用协同模型分析节点传输误差，并计算误差补偿值，通过误差补偿值在定位过程中进行定位误差校正，从而提升定位精度。相对于现有技术，本申请具有以下优点：

1)由简入繁，复杂的协同通信网络中包含诸多通信路径，建立单节点传输误差模型作为协同模型中的单元模型，层层递进，计算简便；

2)单节点传输误差模型中融入环境影响参数，通过其真实传输特点进行推导验证，保证了单节点传输误差模型的有效性，进而保证复杂传输网络中节点传输误差的可靠性。

3)在三种模型建立中，根据传输中各种误差产生的特点和原因，将测量误差和通信误差相互独立分析来建立模型；同时，可根据需求，对某一类误差进行隔离分析，对照分析数据针对性的进行改进，提高了误差分析的灵活性。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。