基于TOA测距和多普勒效应的水下传感器节点定位方法与流程

本发明涉及水下传感器，尤其是涉及基于toa测距和多普勒效应的水下传感器节点定位方法。

背景技术：

随着陆地资源的日益短缺，各沿海国家对海洋的开发和利用越来越重视，海洋权益之争愈演愈烈。水下传感器网络因在海洋开发和国防安全方面具有广阔的应用前景，成为了当前世界各国共同关注的热点课题。对于水下传感器网络而言，水下传感器节点的位置信息是至关重要的，是实现战场侦察、环境监测、水下导航、目标识别等应用的前提。在实际海洋环境中，水下传感器节点通常不是静止的，这将导致不同锚节点的定位信标不能同步到达待定位节点。因此，传统的基于同步测量的节点定位方法在水下传感器网络中无法使用。

技术实现要素：

针对传统基于同步测量的节点定位方法的不足，本发明提供基于toa测距和多普勒效应的水下传感器节点定位方法。

本发明包括以下步骤：

1)信息预处理步骤；

2)最大似然定位步骤。

在步骤1)中，所述信息预处理是指待定位节点通过利用自身的速度将不同测量时刻上的实际信息与其在定位周期初始时刻上的位置关联起来；所述待定位节点的速度可由imu传感器测得，并且速度测量的时间间隔需要足够小；不同锚节点的定位信标不能同步到达待定位节点，即测量信息的时刻是异步的；同一个锚节点的测量信息为节点间距离和多普勒频移两种。

在步骤2)中，所述最大似然定位是指运用信息预处理所得到的关系式和测量到的信息构造最大似然函数，然后根据所述最大似然函数计算出待定位节点在定位周期初始时刻上的位置，最后结合待定位节点的速度估计出待定位节点在定位周期内的运动轨迹。

本发明通过利用待定位节点的速度将不同测量时刻上的实际信息与待定位节点在定位周期初始时刻上的位置关联起来，然后运用信息预处理所得到的关系式和测量信息构造最大似然函数，最后估计出待定位节点在定位周期内的运动轨迹。

本发明的优点如下：

(1)在定位过程中，本发明没有假设不同锚节点的定位信标是同步到达待定位节点的，而是根据待定位节点的速度将不同测量时刻上的实际信息与其在定位周期初始时刻上的位置关联起来，然后运用信息预处理所得到的关系式和测量信息构造最大似然函数，因此本发明能够适用于任何速度(甚至静止)的水下传感器移动节点的定位。

(2)本发明采用节点间距离和多普勒频移信息来估计待定位节点的位置，比单独采用节点间距离的节点定位方法更加精确、高效。

附图说明

图1是本发明实施例的水下传感器网络模型示意图。

图2是本发明实施例的某一测量时刻待定位节点与锚节点的位置关系示意图。在图2中，标记●为锚节点，■为待定节点。

图3是本发明实施例的试验场景示意图。

图4是本发明实施例的不同节点定位方法的性能对比图。

具体实施方式

为使本发明的目的、方案和优点更加清楚明白，以下结合具体实施，并参照附图，对本发明作进一步说明。

本发明包括以下步骤：

1)信息预处理步骤；所述信息预处理是指待定位节点通过利用自身的速度将不同测量时刻上的实际信息与其在定位周期初始时刻上的位置关联起来；所述待定位节点的速度可由imu传感器测得，并且速度测量的时间间隔需要足够小；不同锚节点的定位信标不能同步到达待定位节点，即测量信息的时刻是异步的；同一个锚节点的测量信息为节点间距离和多普勒频移两种。

2)最大似然定位步骤，所述最大似然定位是指运用信息预处理所得到的关系式和测量到的信息构造最大似然函数，然后根据所述最大似然函数计算出待定位节点在定位周期初始时刻上的位置，最后结合待定位节点的速度估计出待定位节点在定位周期内的运动轨迹。

以下给出具体实施例。

假设水下传感器网络中有ns个锚节点和一个待定位节点，具体如图1所示。在一个定位周期内，待定位节点可以接收到n(2≤n≤ns)个锚节点发射的定位信标，并由定位信标测量到相应的节点间距离和多普勒频移信息。下面以定位周期(t0,t0+t)为例，介绍待定位节点在此周期内可以获取的测量值。假设第n(n＝1,2,…,n)个锚节点的位置为sn(sn,x,sn,y,sn,z)，其定位信标到达待定位节点的时间是tn(t0≤tn≤t0+t)。在tn时刻，所测量到的节点间距离和多普勒频移分别为和待定位节点的位置为具体如图2所示。此外，在该定位周期内，待定位节点可以通过imu传感器获得m组速度测量，测量的时间间隔为δt，则第m组速度测量发生的时刻为t0+m·δt，表示为vm。因为δt很小，所以认为tn时刻待定位节点的速度为ln为(tn-t0)/δt的整数部分。

需要特别注意的是，上述测量值都包含测量误差。一般认为测量误差服从参数已知的高斯分布，因此有：

式中，分别是实际的节点间距离、多普勒频移，nd,n、nf,n分别是服从均值为0，方差为的高斯分布。

为了书写简便，将式(1)写成矢量表达式：

其中，

由于待定位节点是运动的，各个锚节点的定位信标到达待定位节点的时间是不一致的。因此，在最大似然定位前需进行信息预处理，即待定位节点通过利用自身的速度将不同测量时刻上的实际信息与其在定位周期初始时刻上的位置关联起来。以tn时刻上的位置为例，若已知(t0,t0+t)时间间隔内待定位节点的所有速度测量，则和之间具有以下关系：

在tn时刻待定位节点与锚节点sn(sn,x,sn,y,sn,z)之间的相对位置为：

上式中除了是未知的之外，其他参数都是已知的，因此有：

因此，可以把估计待定位节点在定位周期(t0,t0+t)内的运动轨迹问题转换为估计待定位节点在t0时刻上的位置。然后，在已知(t0,t0+t)时间间隔内待定位节点的所有速度测量的基础上，把待定位节点在t0时刻上的位置换算成任一时刻上的位置。

假设同一个锚节点的不同信息测量是相互独立的，而且不同锚节点间的相同信息测量也是相互独立的。由于和信息的测量误差分别是服从均值为0，方差为的高斯分布，则待定位节点的未知位置p(px,py,pz)与该定位周期内获得的所有测量值的联合似然函数可以表示为：

式中，是的测量误差协方差矩阵。

为了简化计算，一般对上式两端取对数，得到对数似然函数如下式所示：

求解式(8)的最大值，相当于求的最小值，所以该节点定位方法的目标函数为：

接下来对上述节点定位方法的crame-rao下界进行推导。令由于的最大似然估计是无偏估计，所以有：

对式(10)做求导运算(关于)，则有：

因为所以由式(11)可得：

由于所以式(12)可以重新写成以下形式：

根据schwarz不等式可以得到：

式(14)可重新写成以下形式：

即：

因此该节点定位方法的crame-rao下界c^-1的具体表达式为：

将代入式(17)，则有：

式(18)中，c称为fisher信息矩阵，对其进行求逆运算即可得到相应的crame-rao下界。由于所以式(18)可以展开为：

式中，

为了验证上述节点定位方法的性能，下面将通过matlab进行仿真实验。仿真实验中各锚节点的部署和待定位节点的初始位置如图3所示，锚节点1的位置为(-1000,0,0)，锚节点2的位置为(0,0,1000)，锚节点3的位置为(1000,0,0)，待定位节点的初始位置为(0,-4000,0)。假设待定位节点沿着y轴的正方向做速度为2m/s的匀速直线运动；定位周期t为3s；各锚节点的定位信标到达待定位节点的顺序为锚节点1、锚节点2、锚节点3，时间间隔为1s；锚节点1～3的定位信标的频率是已知的，分别为10khz、12khz、14khz；节点间距离测量误差的标准差为(σd,1,σd,2,σd,3)＝(0.8,0.8,0.8)，多普勒频移测量误差的标准差为(σf,1,σf,2,σf,3)＝(1,1,1)；独立实验次数为100。在上述实验条件下，不同节点定位方法的性能对比图如图4所示。图4中，iml(improvedmaximumlikelihood)定位方法表示本发明公开的节点定位方法；iml-crlb表示本发明公开的节点定位方法的crame-rao下界；tml(traditionalmaximumlikelihood)定位方法表示传统最大似然定位方法。

基于toa测距和多普勒效应的水下传感器节点定位方法的流程如下：

在一个定位周期内，待定位节点接收到n个锚节点发射的定位信标，并由这些定位信标测量到相应的节点间距离和多普勒频移信息。另外，在该定位周期内，待定位节点可以通过imu传感器获得多组自身的速度测量。在各种测量信息已知的基础上，待定位节点先利用自身的速度将不同测量时刻上的实际信息与其在定位周期初始时刻上的位置关联起来，然后运用信息预处理所得到的关系式和测量信息构造最大似然函数，最后估计出待定位节点在定位周期内的运动轨迹。

本发明提出的一种基于toa测距和多普勒效应的水下传感器网络移动节点定位方法，能够适用于任何速度(甚至静止)的水下传感器移动节点的定位。另外，由于采用节点间距离和多普勒频移信息来估计待定位节点的位置，比单独采用节点间距离的节点定位方法更加精确、高效。