本发明涉及智能控制技术技术领域，尤其涉及一种分布式传感器网络协同目标估计及干扰源无源定位方法。
背景技术：
近年来，随着自主机器人、传感器、无线通讯以及控制技术的发展，分布式网络多自主体系统（multi-agentsystems）已成为当今控制领域一个非常重要的研究方向。它在军事、太空及海洋探测、智能交通、恶劣环境搜救等领域都有着广泛的应用前景。多自主体系统由多个简单的自主体组成，譬如地面移动机器人、无人飞机、水下机器人、卫星、移动传感器等等，它们通过彼此的协调合作，从而完成艰巨复杂的任务。多自主体系统在空间和功能上具有分布性和并行性，具有良好的模块性、可扩展性；同时能适应动态变化的环境，具有较强的容错性和鲁棒性。同时多自主体系统又给我们的设计和控制带来了极大的挑战。由于多自主体系统的整体表现不是个体作用效果的简单相加，因此如何设计分布式的、基于局部信息的控制以及如何通过系统的分析来论证局部的相互作用能够实现期望的全局目标是多自主体系统中的核心研究问题。正是由于其拥有诸多优点和广泛应用前景，同时又存在着巨大的挑战，多自主体系统的研究成为当今的研究热点，受到国际上的广泛关注，我们国内也有诸多研究团队和学者对其投入了大量的研究。
在多自主体系统的研究中，分布式的目标定位是一个重要的研究内容。目标位置信息的获取通常是多自主体系统完成各项复杂任务的前提和基础。简单来说，分布式目标定位要求各个自主体利用对某个未知兴趣目标以及对邻近自主体的相对测量信息来估计兴趣目标的坐标。例如，复杂环境下的搜索和营救任务中，移动机器人群组常被用于确定失踪人员或物品的位置；在移动通信网络中，基站需要定位在其覆盖范围内的手机的位置；在军事任务中，无人机编队对入侵目标的定位；在移动机器人的编队控制中，跟随者需要估计领航者在其局部参考系下的相对位置，并利用该信息来协调自身的运动从而形成特定队形。
由于应用场景的特殊性，很大一部分无线传感器网络是布置在野外环境的。而无线传感器网络空间分布以及无线通信介质的开放特性，决定了无线传感器网络很容易遭受攻击。攻击方通过在网络中投放一个信号干扰源，干扰源向四周发送强烈的电磁波干扰无线传感器节点的正常通信，就可以使得干扰源周边很大一部分传感器节点失效。这种情况下，网络的维护方要想排除干扰，必须首先确定干扰的位置，即对干扰源进行定位。维护方可以派遣一组自主体（移动机器人或者四旋翼飞行器等），自主体在移动过程中通过配备的无线测向设备接收干扰源发出的干扰信号从而确定干扰源的方位角，并利用方位角信息和自主体间的协作分布式实时动态地估计干扰源的位置，图1是该问题的简要示意图。定位效果的好坏极大程度上依赖于自主体采用的动态估计算法。因此，本项目将主要研究如何设计高效的目标位置状态观测器以保证对干扰源的高效定位。
技术实现要素：
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种分布式传感器网络协同目标估计及干扰源无源定位方法。
为了实现上述目的，本发明采用了如下技术方案：
分布式传感器网络协同目标估计及干扰源无源定位方法，具体包括以下步骤：
s1、研究二维空间网络多自主体系统基于角度测量的静止目标分布式协同定位，给出基于一致性算法的目标相对位置分布式动态估计算法，并根据一致性理论、代数图论和动态系统稳定性理论给出算法的收敛条件；
s2、研究三维空间网络多自主体系统基于角度测量的静止目标分布式协同定位，给出基于一致性算法的目标相对位置分布式动态估计算法，并根据一致性理论、代数图论和动态系统稳定性理论给出算法的收敛条件；
s3、构建多自主移动机器人实验平台和四旋翼飞行器实验平台；实验验证二维空间和三维空间的网络多自主体系统的分布式协同目标定位，完成定位性能测试；
s4、研究二维空间网络多自主体系统基于角度测量的运动目标分布式协同定位，给出基于一致性算法和自适应估计的目标相对位置分布式动态估计算法，并根据一致性理论、自适应估计理论、代数图论和动态系统稳定性理论给出算法的收敛条件；
s5、研究三维空间网络多自主体系统基于角度测量的运动目标分布式协同定位，给出基于一致性算法和自适应估计的目标相对位置分布式动态估计算法，并根据一致性理论、自适应估计理论、代数图论和动态系统稳定性理论给出算法的收敛条件；
s6、利用移动机器人实验平台和四旋翼飞行器实验研究二维空间和三维空间的网络多自主体系统的分布式协同运动目标定位，完成定位性能测试；
s7、继续深入研究基于角度信息的分布式协同目标定位；结合实验研究修正和完善基于角度信息的分布式目标位置估计算法和理论分析结果；
s8、继续实验研究网络多自主体系统基于角度信息的分布式协同目标定位，完成最终的实验演示，并完成结题报告。
所述步骤s1中选定某个自主体保持静止作为目标，其它自主体保持运动。所述自主体利用传感器检测到的自身运动信息和目标的角度信息以及自主体间的协作实现对目标位置的动态估计；然后将估计值与通过传感器获得的目标位置的实际值进行比较，检验定位算法的性能。
所述步骤s4中选定某个运动的自主体作为目标，其它自主体也保持运动。所述自主体利用传感器检测到的自身运动信息和目标的角度信息以及自主体间的协作实现对目标位置的动态估计。然后将估计值与通过传感器获得的目标位置的实际值进行比较，改善估计器的设计并提高估计性能。
与现有技术相比，本发明的有益效果是：
1、利用移动的网络多自主体系统实现对目标位置的分布式非线性动态估计是研究目标定位问题的一个全新的思路。相比于现有的通过求解代数方程组的集中式估计算法，本项目提出的基于分布式非线性状态观测器的动态估计算法是分布式的，仅利用局部测量信息和信息交互，同时，动态估计对测量噪声起到了很好的滤波效果，具有更强的抗干扰能力，为实际应用中的目标定位问题提供了新的解决方案。
2、现有的利用移动自主体实现对目标位置动态估计的研究大都是基于距离测量信息的，而基于角度测量信息的目标坐标动态估计才刚刚起步，还有待进一步深入研究。而在无线通信网络中，角度的测量通常比距离的测量更容易实现，基于角度测量信息的目标定位算法更加有利于算法的实用化。
3、现有的利用移动自主体实现对目标定位的研究都假定目标保持静止或仅做微小运动，本项目假定目标可做大范围运动且目标的运动速度是不可测的，本项目提出利用自适应控制来实现对目标运动速度的估计，这更贴近于实际场景，也大大拓宽了目标定位算法的适用范围。
附图说明
图1为背景技术中传感器网络中的干扰源无源定位。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例一
本项目研究将本着从简入难的原则，合理分解研究子问题，逐步推进研究进展。本项目研究内容的安排也是本着由简入难，层层推进的原则。所以在研究技术路线的安排上，将首先研究网络多自主体系统在二维空间和三维空间基于角度测量信息的分布式协同静止目标定位，然后研究网络多自主体系统在二维空间和三维空间基于角度测量信息的分布式协同运动目标定位。实验研究的安排将对应理论分析的进展同时展开。各个细节的研究思路如下：
1、基于角度测量信息的分布式协同静止目标定位。首先考虑在二维平面利用单个移动自主体基于角度测量信息实现对静止目标的定位。通过分析建立系统的数学模型（系统状态方程和输出方程），根据系统模型的特点设计非线性状态观测器，根据动态系统稳定性理论分析和总结出观测器状态渐近收敛到目标相对位置真实值时自主体自身运动需满足的条件。然后考虑利用多个自主体实现对目标坐标的分布式协同估计。基于一致性思想融合自主体自身关于目标的估计和从邻近个体获得的关于目标位置的估计值。通过图论和动态系统稳定性理论给出融合估计值收敛的网络拓扑条件和自主体相对运动条件。最后将二维平面获得的结论推广到三维空间。
2、基于角度测量信息的分布式协同运动目标定位。首先考虑在二维平面利用单个移动自主体基于角度测量信息实现对运动目标的定位。通过分析建立系统的数学模型。设计自适应控制器估计目标的运动速度。综合自适应控制器和的思路设计非线性状态观测器，根据动态系统稳定性理论分析和总结出观测器状态渐近收敛到目标相对位置真实值时自主体自身运动需满足的条件。然后考虑利用多个自主体实现对目标坐标的分布式协同估计。通过图论和动态系统稳定性理论给出估计值收敛的网络拓扑条件和自主体相对运动条件。最后将二维平面获得的结论推广到三维空间。
分布式传感器网络协同目标估计及干扰源无源定位方法，具体包括以下步骤：
s1、研究二维空间网络多自主体系统基于角度测量的静止目标分布式协同定位，给出基于一致性算法的目标相对位置分布式动态估计算法，并根据一致性理论、代数图论和动态系统稳定性理论给出算法的收敛条件；
s2、研究三维空间网络多自主体系统基于角度测量的静止目标分布式协同定位，给出基于一致性算法的目标相对位置分布式动态估计算法，并根据一致性理论、代数图论和动态系统稳定性理论给出算法的收敛条件；
s3、构建多自主移动机器人实验平台和四旋翼飞行器实验平台；实验验证二维空间和三维空间的网络多自主体系统的分布式协同目标定位，完成定位性能测试；
s4、研究二维空间网络多自主体系统基于角度测量的运动目标分布式协同定位，给出基于一致性算法和自适应估计的目标相对位置分布式动态估计算法，并根据一致性理论、自适应估计理论、代数图论和动态系统稳定性理论给出算法的收敛条件；
s5、研究三维空间网络多自主体系统基于角度测量的运动目标分布式协同定位，给出基于一致性算法和自适应估计的目标相对位置分布式动态估计算法，并根据一致性理论、自适应估计理论、代数图论和动态系统稳定性理论给出算法的收敛条件；
s6、利用移动机器人实验平台和四旋翼飞行器实验研究二维空间和三维空间的网络多自主体系统的分布式协同运动目标定位，完成定位性能测试；
s7、继续深入研究基于角度信息的分布式协同目标定位；结合实验研究修正和完善基于角度信息的分布式目标位置估计算法和理论分析结果；
s8、继续实验研究网络多自主体系统基于角度信息的分布式协同目标定位，完成最终的实验演示，并完成结题报告。
所述步骤s1中选定某个自主体保持静止作为目标，其它自主体保持运动。所述自主体利用传感器检测到的自身运动信息和目标的角度信息以及自主体间的协作实现对目标位置的动态估计；然后将估计值与通过传感器获得的目标位置的实际值进行比较，检验定位算法的性能。
所述步骤s4中选定某个运动的自主体作为目标，其它自主体也保持运动。所述自主体利用传感器检测到的自身运动信息和目标的角度信息以及自主体间的协作实现对目标位置的动态估计。然后将估计值与通过传感器获得的目标位置的实际值进行比较，改善估计器的设计并提高估计性能。
本项目实验将使用8台室外移动机器人、6个四旋翼飞行器和大量基于armxbed硬件平台和mbed软件平台的无线传感器节点。每个二维和三维自主体（移动机器人和四旋翼飞行器）都携带有计算能力的微控制器以及一个无线传感器节点，传感器节点可用于自主体间的通讯、对自主体进行定位、检测自主体的运动速度和目标的角度。
选定某个自主体保持静止作为目标，其它自主体保持运动。自主体利用传感器检测到的自身运动信息和目标的角度信息以及自主体间的协作实现对目标位置的动态估计。然后将估计值与通过传感器获得的目标位置的实际值进行比较，检验定位算法的性能。
选定某个运动的自主体作为目标，其它自主体也保持运动。自主体利用传感器检测到的自身运动信息和目标的角度信息以及自主体间的协作实现对目标位置的动态估计。然后将估计值与通过传感器获得的目标位置的实际值进行比较，改善估计器的设计并提高估计性能。
本项目遵循从应用中提取数学问题，用数学理论获得实际问题的解决方案和策略，再用计算机仿真和实验验证基础研究理论以及修正理论分析，最终达到可实用的理论分析结果并能够成功地完成实验演示。网络多自主体系统分布式目标定位的数学基础是图论和动态估计理论的结合。因此在本研究中将主要以代数图论作为主要的手段来进行分析，同时实验部分将主要使用室外移动机器人和四旋翼飞行器进行实验研究。
实施例二
根据自主体是否可移动，可分为静态网络的定位问题和动态网络的定位问题。对于静态的自主体网络，自主体无法移动（例如传感器网络，传感器节点一旦被布置通常就保持静止），自主体通常利用某些相对测量信息，包括距离、方位角、接收信号强度、信号到达时间差、跳数信息等等。自主体利用其中的某种测量或者几种信息的组合来实现对未知目标的定位。事实上，在这些测量当中有多种是与距离直接或者间接相关的，距离信息可以通过接收信号强度，信号到达时间差和信号到达角等信息计算得到。我们把利用信号强度、达到时间差和到达角等信息获得距离测量的过程称为测距。以二维平面上基于距离信息的目标定位为例，两个个体之间的距离是它们坐标的非线性函数，如果未知目标与网络中数目足够多的位置已知的节点之间的距离可以测得，那么目标的坐标就有足够多的非线性约束，相应的，也就可以通过一定的计算求解出该目标的坐标。在二维空间，利用各种不同测量信息来定位静态目标通常需要两个或三个锚节点。已有算法中，最为常见的就是三边定位或者多边定位，以及三角测量。
而对于动态的多自主体网络，自主体可以自由运动，自主体可以利用相互间以及对目标的相对测量信息（距离、方位角等）还有自身的运动信息（速度、转向速率等）来确定目标的位置。相对测量信息通常由自主体配备的外部感知传感器获得，而自身的运动信息则由内部感知传感器获得。和静态网络不同的是，移动自主体能够仅利用单个移动自主体就实现对兴趣目标的定位。然而，在应对观测丢失情形时，自主体群组的协作可以帮助提高定位性能。基于各种不同的测量信息，分布式协同目标定位问题已经受到了广泛的关注。在二维平面，单个移动自主体仅利用距离测量信息就实现了对兴趣目标的定位，此处假定该移动智能够实时获知自身绝对坐标。
根据定位使用的测量信息的不同，定位算法又可以分为是测距的还是非测距的。基于测距的方法是通过测量未知对象和一些位置精确已知的锚节点之间的距离，迭代或递归的计算未知对象的位置信息。非测距的方法是通过利用距离之外的信息，比如角度信息或者跳数信息或者几种信息的组合来实现对未知对象的定位。
根据定位算法工作方式的不同，定位算法可分为集中式的和是分布式的。集中式的定位算法将所有与定位计算相关的信息，如节点之间的距离、角度等传递到一个中心节点或者服务器上再统一计算；而分布式定位算法则将定位算法运行在每个节点上，由节点自行计算定位。
针对目前的目标定位方法中存在的问题，我们提出利用移动的分布式网络多自主体系统实现对目标位置的分布式非线性动态估计，这是研究目标定位问题的一个全新的思路和方法。相比于现有的通过求解代数方程组的集中式估计算法，本项目提出的基于分布式非线性状态观测器的动态估计算法是分布式的，仅利用局部测量信息和信息交互，同时，动态估计相比于静态估计对测量噪声具有更好的滤波效果，更强的抗干扰能力，为实际应用中的目标定位问题提供了新的解决方案。
此外，现有的利用移动自主体实现对目标位置动态估计的研究大都是基于距离测量信息的，而基于角度测量信息的目标坐标动态估计才刚刚起步，还有待进一步深入研究。而在无线通信网络中，角度的测量通常比距离的测量更容易实现，基于角度测量信息的目标定位算法更加有利于算法的实用化。正式出于这样的考虑，本项目将深入研究基于角度测量信息的分布式协同目标定位。
最后，现有的利用移动自主体实现对目标定位的研究都假定目标保持静止或仅做微小运动，本项目假定目标可做大范围运动且目标的运动速度是不可测的，本项目提出利用自适应控制来实现对目标运动速度的估计，这更贴近于实际场景，也大大拓宽了目标定位算法的适用范围。
实施例三
本发明主要研究网络多自主体系统在二维、三维空间的目标定位算法及在传感器网络恶意干扰源定位中的应用。网络多自主体系统的个体指的是地面移动机器人（二维空间）以及四旋翼飞行器（三维空间）。每个个体配备传感器和无线通信设备，具有移动、感知、计算及通信能力。其主要问题是设计分布式的非线性状态观测器，使得每个自主体能够仅利用邻近个体间的角度测量和信息交互以及对某个位置未知的兴趣目标（传感器网络中的干扰源）的角度测量来动态估计目标相对于自主体的相对坐标。
根据实际应用场景的不同，兴趣目标（传感器网络中的干扰源）可能一旦被布置就保持静止也可能持续运动。当目标静止时，虽然由于自主体自身的运动，目标的相对位置仍然时刻变化，但由于自主体自身的运动速度通常是可测的，由自主体自身运动所引起的目标相对坐标的变化量可通过对速度矢量进行积分（也即惯性导航）相抵消。而当目标运动时，其速度矢量通常无法通过测量直接获知，由目标和自主体之间的相对运动所带来的目标相对坐标的变化就也无法通过惯导直接抵消。因此，相比于运动目标，对静止目标坐标的估计更为容易，本着先易后难的原则，本项目将先研究目标保持静止时的目标定位问题。本项目将在申请者原有基于距离测量的二维空间多自主体系统静止目标定位的研究基础上，进一步研究基于角度测量的二维空间多自主体静止目标定位问题，设计仅利用局部测量和信息交互的分布式非线性状态观测器以实时动态估计目标的相对坐标，基于代数图论和动态系统稳定性理论分析和总结为保证目标位置的估计误差收敛自主体网络的拓扑结构和个体间的相对运动所需满足的条件。而后将研究问题扩展到三维空间的静止目标定位。三维空间由于维数的增加使得问题的研究难度加大，算法的收敛条件也将变得更为复杂。
当目标持续运动而个体又无法对目标的运动速度进行观测时，目标运动将导致目标的相对位置持续变化，而个体无法获知目标的运动速度也就无法通过对速度积分来抵消目标运动带来的坐标变化，对目标位置估计的难度大大增加。若预知目标由于受某些物理条件限制只能做某些规则，则通过理论分析可以发现通过自适应控制可以实现对目标运动速度的估计。一旦自主体获知目标的运动速度，则分布式非线性状态观测器可直接被推广到运动目标的定位。若目标的运动是不规则的任意运动，则将难以通过自适应控制来估计目标的运动速度矢量，必须考虑其它手段来估计目标的运动速度，显然在这一情况下要保证对目标位置的估计误差渐近收敛是难以实现的，本研究将在这一方向上做出探索性工作，为不规则运动目标的定位提供实用性算法。这里，我们将着重研究目标作某些规则运动时的多自主体系统运动目标定位问题。利用自适应控制实现对目标速度的估计，进而设计仅利用局部测量和信息交互的分布式状态观测器以实时动态估计目标坐标，基于代数图论和动态系统稳定性理论分析和总结为保证目标位置的估计误差收敛自主体网络的拓扑结构和个体间的相对运动所需满足的条件。
以上所述，仅为本发明较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。