本發(fā)明涉及移動(dòng)通信
技術(shù)領(lǐng)域：
，具體地，涉及一種移動(dòng)自組織網(wǎng)絡(luò)中高效協(xié)作定位方法。
背景技術(shù)：
：移動(dòng)自組織網(wǎng)絡(luò)由于其自組織、不依賴于基礎(chǔ)設(shè)施等特性而被廣泛應(yīng)用在緊急救援、人員位置管理等領(lǐng)域。其中，對(duì)于組網(wǎng)對(duì)象節(jié)點(diǎn)(以下簡(jiǎn)稱節(jié)點(diǎn))的準(zhǔn)確定位是促成這些應(yīng)用的關(guān)鍵，因而移動(dòng)自組織網(wǎng)絡(luò)中節(jié)點(diǎn)的高精度定位問(wèn)題得到了越來(lái)越多的關(guān)注與研究。在移動(dòng)自組織網(wǎng)絡(luò)中，基于距離測(cè)量的定位方案能夠獲得更高的定位精度，在這樣的方案中，網(wǎng)絡(luò)中的節(jié)點(diǎn)被分為錨節(jié)點(diǎn)與目標(biāo)節(jié)點(diǎn)兩種角色，其中錨節(jié)點(diǎn)的準(zhǔn)確位置已知，且在所有節(jié)點(diǎn)中僅占較小的比例；目標(biāo)節(jié)點(diǎn)位置未知，需要通過(guò)與錨節(jié)點(diǎn)進(jìn)行距離測(cè)量進(jìn)而對(duì)自身位置進(jìn)行估計(jì)。相較于傳統(tǒng)的非協(xié)作定位方案中目標(biāo)節(jié)點(diǎn)僅可與其通信范圍內(nèi)的錨節(jié)點(diǎn)進(jìn)行距離測(cè)量通信，協(xié)作定位方案還允許目標(biāo)節(jié)點(diǎn)與其通信范圍內(nèi)的其他目標(biāo)節(jié)點(diǎn)進(jìn)行協(xié)作，從而可以利用目標(biāo)節(jié)點(diǎn)之間的距離測(cè)量信息來(lái)降低每個(gè)目標(biāo)節(jié)點(diǎn)位置估計(jì)的模糊性，可以提高定位過(guò)程所能達(dá)到的定位精度，并增大網(wǎng)絡(luò)中可被定位目標(biāo)節(jié)點(diǎn)(能夠解算出唯一估計(jì)位置的目標(biāo)節(jié)點(diǎn))的比例，并且協(xié)作定位方案可以應(yīng)用于錨節(jié)點(diǎn)數(shù)量較少且在網(wǎng)絡(luò)中稀疏分布的情況，具有很好的應(yīng)用前景。非參數(shù)化置信傳播算法是一種被廣泛研究的協(xié)作定位算法，具有高定位精度、適用于非高斯型不確定度及分布式計(jì)算等優(yōu)點(diǎn)。該算法是一種基于采樣與信息傳遞的迭代算法，在目標(biāo)節(jié)點(diǎn)定位迭代過(guò)程的每次迭代中，每個(gè)參與該目標(biāo)節(jié)點(diǎn)定位過(guò)程的錨節(jié)點(diǎn)利用自身的置信度(即節(jié)點(diǎn)位置的后驗(yàn)分布)及自身與目標(biāo)節(jié)點(diǎn)之間的距離測(cè)量結(jié)果，計(jì)算出傳遞給目標(biāo)節(jié)點(diǎn)的信息(即對(duì)目標(biāo)節(jié)點(diǎn)位置的一定數(shù)目的估計(jì)樣本)，目標(biāo)節(jié)點(diǎn)可以利用這樣的信息對(duì)自身的置信度進(jìn)行計(jì)算，并在連續(xù)兩次迭代過(guò)程中其置信度變化滿足迭代過(guò)程終止條件時(shí)，獲得自身的最終估計(jì)位置。然而，在移動(dòng)自組織網(wǎng)絡(luò)(尤其是節(jié)點(diǎn)規(guī)模大、部署密集的情況)中，應(yīng)用非參數(shù)化置信傳播算法時(shí)，其所帶來(lái)的信息傳遞路徑過(guò)多及傳遞路徑存在環(huán)路等問(wèn)題為目標(biāo)節(jié)點(diǎn)的位置估計(jì)過(guò)程引入了較高的計(jì)算復(fù)雜度及網(wǎng)絡(luò)通信負(fù)載，同時(shí)節(jié)點(diǎn)的移動(dòng)性進(jìn)一步地惡化了這一情況。若要實(shí)現(xiàn)非參數(shù)化置信傳播算法在實(shí)際中的應(yīng)用，必須改進(jìn)該算法以降低定位過(guò)程中的計(jì)算復(fù)雜度。經(jīng)過(guò)對(duì)現(xiàn)有的技術(shù)檢索發(fā)現(xiàn)，目前關(guān)于降低非參數(shù)化置信傳播算法中計(jì)算復(fù)雜度的方案主要包括通過(guò)最小生成樹算法避免信息傳遞過(guò)程中出現(xiàn)環(huán)路、通過(guò)使用分層信息傳播機(jī)制減少計(jì)算復(fù)雜度等，但是這些方法均做出了一些簡(jiǎn)化性的假設(shè)，如假設(shè)網(wǎng)絡(luò)中節(jié)點(diǎn)均靜止、假設(shè)錨節(jié)點(diǎn)靜止以及選用簡(jiǎn)化的測(cè)距誤差模型等，從而難以保證在移動(dòng)自組織網(wǎng)絡(luò)中的實(shí)際應(yīng)用過(guò)程中依然可以保持其高效性。技術(shù)實(shí)現(xiàn)要素：針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種移動(dòng)自組織網(wǎng)絡(luò)中高效協(xié)作定位方法。根據(jù)本發(fā)明提供的移動(dòng)自組織網(wǎng)絡(luò)中高效協(xié)作定位方法，包括如下步驟：步驟A：針對(duì)當(dāng)前的目標(biāo)節(jié)點(diǎn)，根據(jù)目標(biāo)節(jié)點(diǎn)的通信范圍確定對(duì)應(yīng)的參考節(jié)點(diǎn)，所述參考節(jié)點(diǎn)包括：錨節(jié)點(diǎn)與已定位的目標(biāo)節(jié)點(diǎn)；并將當(dāng)前的目標(biāo)節(jié)點(diǎn)與對(duì)應(yīng)參考節(jié)點(diǎn)進(jìn)行測(cè)距通信；初始化每個(gè)參考節(jié)點(diǎn)對(duì)應(yīng)的目標(biāo)節(jié)點(diǎn)，生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍；步驟B：將每個(gè)參考節(jié)點(diǎn)與當(dāng)前目標(biāo)節(jié)點(diǎn)之間的距離測(cè)量值、測(cè)距誤差模型隨機(jī)生成的關(guān)于目標(biāo)節(jié)點(diǎn)位置的若干位置估計(jì)樣本，以及參考節(jié)點(diǎn)自身的位置信息一起發(fā)送給當(dāng)前目標(biāo)節(jié)點(diǎn)；步驟C：更新計(jì)算關(guān)于目標(biāo)節(jié)點(diǎn)位置的若干位置估計(jì)樣本所對(duì)應(yīng)的權(quán)重值；并根據(jù)權(quán)重值對(duì)每個(gè)參考節(jié)點(diǎn)生成的位置估計(jì)樣本分別進(jìn)行篩選，通過(guò)每個(gè)參考節(jié)點(diǎn)對(duì)應(yīng)的被保留的位置估計(jì)樣本得到該參考節(jié)點(diǎn)在下一次迭代時(shí)針對(duì)當(dāng)前目標(biāo)節(jié)點(diǎn)生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍；當(dāng)前目標(biāo)節(jié)點(diǎn)歸一化所有被保留的位置估計(jì)樣本的權(quán)重值之后，將所述被保留的位置估計(jì)樣本作為本次迭代得到的自身置信度，并計(jì)算出本次迭代中目標(biāo)節(jié)點(diǎn)自身的估計(jì)位置；步驟D：判斷當(dāng)前目標(biāo)節(jié)點(diǎn)的迭代過(guò)程是否滿足收斂或達(dá)到最大迭代次數(shù)，若滿足，則終止迭代過(guò)程，且將最后一次迭代得到的估計(jì)位置作為該目標(biāo)節(jié)點(diǎn)的最終估計(jì)位置。優(yōu)選地，所述步驟A包括如下步驟：步驟A1：若當(dāng)前目標(biāo)節(jié)點(diǎn)nt與網(wǎng)絡(luò)中某個(gè)節(jié)點(diǎn)nt′之間的距離dtt′不大于nt的最大通信距離R，則nt與nt′互為鄰近節(jié)點(diǎn)，其中，nt′表示第t′個(gè)節(jié)點(diǎn)(可以為目標(biāo)節(jié)點(diǎn)、錨節(jié)點(diǎn))；進(jìn)而得到nt的鄰近節(jié)點(diǎn)集合Γt；步驟A2：處于Γt中的錨節(jié)點(diǎn)或者已定位的目標(biāo)節(jié)點(diǎn)即為nt在協(xié)作定位過(guò)程中所需要參考的參考節(jié)點(diǎn)，這些節(jié)點(diǎn)組成nt的參考節(jié)點(diǎn)集合步驟A3：將中的每個(gè)參考節(jié)點(diǎn)針對(duì)nt生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍初始化為[0,2π]，其中表示中參考節(jié)點(diǎn)的數(shù)目，與分別為第1次迭代時(shí)針對(duì)nt生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍的最小值與最大值；另外，將網(wǎng)絡(luò)中任一個(gè)節(jié)點(diǎn)ni的二維位置表示為xi＝[xi,yi]T；步驟A4：進(jìn)入目標(biāo)節(jié)點(diǎn)位置估計(jì)迭代過(guò)程，設(shè)定最大迭代次數(shù)為L(zhǎng)。優(yōu)選地，所述步驟B包括如下步驟：步驟B1：在第l次迭代中，當(dāng)前目標(biāo)節(jié)點(diǎn)nt的鄰近參考節(jié)點(diǎn)集合中每個(gè)參考節(jié)點(diǎn)根據(jù)當(dāng)前目標(biāo)節(jié)點(diǎn)nt與nt之間的距離測(cè)量值對(duì)nt的位置進(jìn)行估計(jì)，并得到M個(gè)位置估計(jì)樣本其中：1≤l≤L；xrit(lj)=xri+drit(lj)·[sin(θrit(lj)),cos(θrit(lj))]T,j=1,...,M,]]>式中，為隨機(jī)方向值，并服從均勻分布與分別為第l次迭代時(shí)針對(duì)nt生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍的最小值與最大值；表示的二維位置坐標(biāo)，ri表示第ri個(gè)參考節(jié)點(diǎn)，下標(biāo)i的取值范圍為下標(biāo)t表示當(dāng)前時(shí)刻，表示與nt之間的一個(gè)帶噪聲的距離測(cè)量值，即drit(lj)=||xri-xt||+vrit(lj),]]>其中，為與nt之間的實(shí)際距離，xt表示nt的二維位置坐標(biāo)；為距離測(cè)量誤差，分布服從pv為測(cè)距誤差分布模型；步驟B2：將產(chǎn)生的每個(gè)位置估計(jì)樣本對(duì)應(yīng)的權(quán)重值初始化為1/M，并將對(duì)應(yīng)的隨機(jī)方向值連同及所對(duì)應(yīng)的權(quán)重值一起組合為權(quán)重樣本步驟B3：將產(chǎn)生的所有權(quán)重樣本連同的位置作為信息發(fā)送給nt，其中j＝1,...,M。優(yōu)選地，所述步驟C包括如下步驟：步驟C1：當(dāng)前目標(biāo)節(jié)點(diǎn)nt對(duì)收到每一個(gè)權(quán)重樣本進(jìn)行權(quán)重值更新計(jì)算ωrit(lj)=ωrit(lj)Πnrj∈Γtr\nripv(drjt′,drjt′-drjt),]]>其中，為與參考節(jié)點(diǎn)之間的實(shí)際距離，且為nt與之間帶噪聲的距離測(cè)量值；為了評(píng)估與nt的實(shí)際位置xt之間的偏差，將假設(shè)為nt與之間的實(shí)際距離，并假設(shè)為nt的實(shí)際位置，則作為與nt之間的一個(gè)帶噪聲的距離測(cè)量值，即為的距離測(cè)量誤差值，進(jìn)而體現(xiàn)了從的角度對(duì)與xt之間偏差程度的估計(jì)；步驟C2：nt根據(jù)已更新的樣本權(quán)重值，將每個(gè)參考節(jié)點(diǎn)發(fā)送的樣本分別進(jìn)行篩選：針對(duì)由參考節(jié)點(diǎn)產(chǎn)生的M個(gè)權(quán)重樣本，選擇出個(gè)具有最大權(quán)重值的樣本，其中為的向下取整值；若則需要在某一個(gè)參考節(jié)點(diǎn)產(chǎn)生的樣本中額外保留出個(gè)樣本，記錄相應(yīng)被保留的樣本中隨機(jī)方向值，得到這些隨機(jī)方向值對(duì)應(yīng)的范圍Sθ＝[θmin,θmax]，并將在下一次迭代時(shí)針對(duì)nt生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍設(shè)為Sθ；步驟C3：針對(duì)nt，將nt保留的M個(gè)位置估計(jì)樣本，即進(jìn)行權(quán)重值歸一化處理，其中：k＝1,...,M，表示第k個(gè)位置估計(jì)樣本的二維位置坐標(biāo)，表示第k個(gè)位置估計(jì)樣本對(duì)應(yīng)的隨機(jī)方向值，表示第k個(gè)位置估計(jì)樣本對(duì)應(yīng)的權(quán)重值；歸一化公式如下：ωt(lk)=ωt(lj)Σk=1Mωt(lk);]]>步驟C4：針對(duì)目標(biāo)節(jié)點(diǎn)nt，對(duì)目標(biāo)節(jié)點(diǎn)nt自身的置信度進(jìn)行更新計(jì)算，并計(jì)算在當(dāng)前迭代中的估計(jì)位置計(jì)算公式如下：x^t(l)=Σk=1Mxt(lk)ωt(lk);]]>式中：表示第l次迭代中得到的對(duì)nt的估計(jì)位置。優(yōu)選地，所述步驟D包括如下步驟：步驟D1：若1＜l＜L，判斷當(dāng)前目標(biāo)節(jié)點(diǎn)nt在連續(xù)兩次迭代中的位置估計(jì)變化情況是否滿足迭代終止條件||x^t(l)-x^t(l-1)||≤ϵ]]>其中，ε為預(yù)設(shè)的迭代終止閾值，表示第l-1次迭代中得到的對(duì)nt的估計(jì)位置；若在第l次迭代中，nt的估計(jì)位置滿足了迭代終止條件，則迭代過(guò)程停止，即為nt的最終估計(jì)位置，成為已定位的目標(biāo)節(jié)點(diǎn)，進(jìn)入步驟D2繼續(xù)執(zhí)行；若l等于L，即達(dá)到了最大迭代次數(shù)，則終止迭代過(guò)程，并將第l次迭代中nt的估計(jì)位置作為其最終估計(jì)位置，流程結(jié)束；步驟D2：設(shè)定l自增1，返回步驟B繼續(xù)執(zhí)行。與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：1、本發(fā)明提出的高效協(xié)作定位方法中每個(gè)位置估計(jì)樣本的隨機(jī)方向服從均勻分布，且隨機(jī)方向的取值范圍逐漸縮小，因此本發(fā)明提出的方法需要較少的樣本數(shù)目即可滿足目標(biāo)節(jié)點(diǎn)的定位需求，因而能夠降低目標(biāo)節(jié)點(diǎn)定位過(guò)程的計(jì)算復(fù)雜度，實(shí)現(xiàn)對(duì)目標(biāo)節(jié)點(diǎn)的高效協(xié)作定位，同時(shí)能夠保證較高的定位精度。2、本發(fā)明提出的方法中隨著當(dāng)前目標(biāo)節(jié)點(diǎn)協(xié)作定位迭代過(guò)程的進(jìn)行能夠針對(duì)某一參考節(jié)點(diǎn)對(duì)當(dāng)前目標(biāo)節(jié)點(diǎn)生成的位置估計(jì)樣本，利用了其他參考節(jié)點(diǎn)對(duì)這些樣本與該目標(biāo)節(jié)點(diǎn)實(shí)際位置的偏差程度進(jìn)行評(píng)估，進(jìn)而可以獲得每個(gè)樣本的合理權(quán)重值，從而有助于篩選出針對(duì)該目標(biāo)節(jié)點(diǎn)的合理位置估計(jì)樣本，即可以使得每個(gè)參考節(jié)點(diǎn)針對(duì)該目標(biāo)節(jié)點(diǎn)生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍快速縮小，進(jìn)而使得參考節(jié)點(diǎn)的估計(jì)位置快速地向真實(shí)位置靠攏，在滿足收斂條件時(shí)終止針對(duì)該目標(biāo)節(jié)點(diǎn)的協(xié)作定位迭代過(guò)程并獲得對(duì)該目標(biāo)節(jié)點(diǎn)的最終估計(jì)位置，同時(shí)該目標(biāo)節(jié)點(diǎn)成為已定位目標(biāo)節(jié)點(diǎn)，能夠成為其他待被定位目標(biāo)節(jié)點(diǎn)的參考節(jié)點(diǎn)。附圖說(shuō)明通過(guò)閱讀參照以下附圖對(duì)非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、目的和優(yōu)點(diǎn)將會(huì)變得更明顯：圖1為移動(dòng)自組織網(wǎng)絡(luò)中高效協(xié)作定位方法的總體架構(gòu)示意圖；圖2為移動(dòng)自組織網(wǎng)絡(luò)中高效協(xié)作定位方法與非參數(shù)化置信傳播算法在不同樣本數(shù)目條件下定位誤差方面結(jié)果對(duì)比圖；圖3為移動(dòng)自組織網(wǎng)絡(luò)中高效協(xié)作定位方法與非參數(shù)化置信傳播算法在計(jì)算時(shí)間消耗方面結(jié)果對(duì)比圖。具體實(shí)施方式下面結(jié)合具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。以下實(shí)施例將有助于本領(lǐng)域的技術(shù)人員進(jìn)一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對(duì)本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變化和改進(jìn)。這些都屬于本發(fā)明的保護(hù)范圍。根據(jù)本發(fā)明提供的移動(dòng)自組織網(wǎng)絡(luò)中高效協(xié)作定位方法，針對(duì)每個(gè)目標(biāo)節(jié)點(diǎn)的協(xié)作定位過(guò)程為迭代過(guò)程，其中每次迭代包括當(dāng)前目標(biāo)節(jié)點(diǎn)每個(gè)參考節(jié)點(diǎn)(可以為錨節(jié)點(diǎn)或其他已定位目標(biāo)節(jié)點(diǎn))與目標(biāo)節(jié)點(diǎn)之間距離測(cè)量信息以及參考節(jié)點(diǎn)自身的位置計(jì)算出參考節(jié)點(diǎn)針對(duì)當(dāng)前目標(biāo)節(jié)點(diǎn)的位置估計(jì)樣本，并作為信息發(fā)送給該目標(biāo)節(jié)點(diǎn)；當(dāng)前目標(biāo)節(jié)點(diǎn)根據(jù)所接收到的信息，對(duì)其中包含的樣本對(duì)應(yīng)權(quán)重信息進(jìn)行更新計(jì)算；針對(duì)每個(gè)參考節(jié)點(diǎn)產(chǎn)生的樣本，依據(jù)樣本的新權(quán)重值進(jìn)行篩選，并根據(jù)每個(gè)參考節(jié)點(diǎn)對(duì)應(yīng)保留的樣本確定在下一次迭代中該參考節(jié)點(diǎn)針對(duì)當(dāng)前目標(biāo)節(jié)點(diǎn)生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍；當(dāng)前目標(biāo)節(jié)點(diǎn)歸一化所有保留樣本的權(quán)重值，并更新當(dāng)前迭代中自身的置信度情況及對(duì)應(yīng)的估計(jì)位置；在連續(xù)兩次迭代中，當(dāng)前目標(biāo)節(jié)點(diǎn)判斷自身位置估計(jì)變化情況是否滿足迭代收斂條件，在迭代收斂條件被滿足時(shí)，該目標(biāo)節(jié)點(diǎn)成為已定位目標(biāo)節(jié)點(diǎn)并終止自身定位迭代過(guò)程，進(jìn)而可以成為其他待定位目標(biāo)節(jié)點(diǎn)的參考節(jié)點(diǎn)；若當(dāng)前目標(biāo)節(jié)點(diǎn)的定位迭代過(guò)程達(dá)到最大迭代次數(shù)，該目標(biāo)節(jié)點(diǎn)的定位迭代過(guò)程同樣終止并以最后一次迭代得到的位置估計(jì)作為其最終估計(jì)位置。本發(fā)明中提出方法能夠使各個(gè)參考節(jié)點(diǎn)每次迭代過(guò)程中生成樣本時(shí)的隨機(jī)方向取值范圍快速縮小，從而使得目標(biāo)節(jié)點(diǎn)定位迭代過(guò)程能夠快速收斂，并能夠以較少的樣本數(shù)取得較高的定位精度，同時(shí)降低計(jì)算復(fù)雜度。具體地，包括如下步驟：步驟A：針對(duì)當(dāng)前的目標(biāo)節(jié)點(diǎn)，根據(jù)其的通信范圍，確定其參考節(jié)點(diǎn)(包括錨節(jié)點(diǎn)與已定位的目標(biāo)節(jié)點(diǎn))集合，并與其參考節(jié)點(diǎn)進(jìn)行測(cè)距通信；初始化每個(gè)參考節(jié)點(diǎn)針對(duì)該目標(biāo)節(jié)點(diǎn)生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍；并在至此之后開始當(dāng)前目標(biāo)節(jié)點(diǎn)的定位迭代過(guò)程；步驟B：每個(gè)參考節(jié)點(diǎn)依據(jù)其與當(dāng)前目標(biāo)節(jié)點(diǎn)之間的距離測(cè)量值，以及測(cè)距誤差模型隨機(jī)生成一定數(shù)目的對(duì)目標(biāo)節(jié)點(diǎn)位置的估計(jì)樣本，連同參考節(jié)點(diǎn)自身的位置信息一起作為信息發(fā)送給當(dāng)前目標(biāo)節(jié)點(diǎn)；步驟C：當(dāng)前目標(biāo)節(jié)點(diǎn)對(duì)所接收到信息中的位置估計(jì)樣本對(duì)應(yīng)的權(quán)重值分別進(jìn)行更新計(jì)算，并根據(jù)權(quán)重值對(duì)每個(gè)參考節(jié)點(diǎn)生成的位置估計(jì)樣本分別進(jìn)行篩選，并利用每個(gè)參考節(jié)點(diǎn)對(duì)應(yīng)被保留的樣本，得到該參考節(jié)點(diǎn)在下一次迭代時(shí)針對(duì)當(dāng)前目標(biāo)節(jié)點(diǎn)生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍；當(dāng)前目標(biāo)節(jié)點(diǎn)歸一化所有被保留樣本的權(quán)重值之后，將這些樣本作為本次迭代得到的自身置信度，并計(jì)算出本次迭代中自身估計(jì)位置；步驟D：判斷當(dāng)前目標(biāo)節(jié)點(diǎn)的迭代過(guò)程是否收斂或達(dá)到最大迭代次數(shù)，若二者滿足其一，則終止迭代過(guò)程，且將最后一次迭代得到的估計(jì)位置作為該目標(biāo)節(jié)點(diǎn)的最終估計(jì)位置。特別地，若目標(biāo)節(jié)點(diǎn)的迭代過(guò)程收斂，則說(shuō)明其被很好地定位，則可以成為其他待被定位目標(biāo)節(jié)點(diǎn)的參考節(jié)點(diǎn)。所述的步驟A包括如下步驟：步驟A1：若當(dāng)前目標(biāo)節(jié)點(diǎn)nt與網(wǎng)絡(luò)中某個(gè)節(jié)點(diǎn)nt′之間的距離dtt′不大于nt的最大通信距離R，則nt與nt′互為鄰近節(jié)點(diǎn)，進(jìn)而可以得到nt的鄰近節(jié)點(diǎn)集合Γt；步驟A2：處于Γt中的錨節(jié)點(diǎn)或者已定位的目標(biāo)節(jié)點(diǎn)即為nt在協(xié)作定位過(guò)程中所需要參考的參考節(jié)點(diǎn)，這些節(jié)點(diǎn)組成nt的參考節(jié)點(diǎn)集合步驟A3：將中的每個(gè)參考節(jié)點(diǎn)針對(duì)nt生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍初始化為[0,2π]，其中表示中參考節(jié)點(diǎn)的數(shù)目；與分別為第1次迭代時(shí)針對(duì)nt生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍的最小值與最大值；另外，將網(wǎng)絡(luò)中任一個(gè)節(jié)點(diǎn)ni的二維位置表示為xi＝[xi,yi]T；步驟A4：進(jìn)入目標(biāo)節(jié)點(diǎn)位置估計(jì)迭代過(guò)程，設(shè)定最大迭代次數(shù)為L(zhǎng)。所述的步驟B包括如下步驟：步驟B1：在第l(1≤l≤L)次迭代中，當(dāng)前目標(biāo)節(jié)點(diǎn)nt的鄰近參考節(jié)點(diǎn)集合中每個(gè)參考節(jié)點(diǎn)根據(jù)其與nt之間的距離測(cè)量值對(duì)nt的位置進(jìn)行估計(jì)，并得到M個(gè)位置估計(jì)樣本xrit(lj)=xri+drit(lj)·[sin(θrit(lj)),cos(θrit(lj))]T,j=1,...,M,]]>其中，為隨機(jī)方向值，并服從均勻分布與分別為第l次迭代時(shí)針對(duì)nt生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍的最小值與最大值；表示與nt之間的一個(gè)帶噪聲的距離測(cè)量值，即drit(lj)=||xri-xt||+vrit(lj),]]>其中，為與nt之間的實(shí)際距離；為距離測(cè)量誤差，其分布服從pv為測(cè)距誤差分布模型；步驟B2：將產(chǎn)生的每個(gè)位置估計(jì)樣本對(duì)應(yīng)的權(quán)重值初始化為1/M，并將對(duì)應(yīng)的隨機(jī)方向值連同及其權(quán)重值一起組合為權(quán)重樣本步驟B3：將產(chǎn)生的所有權(quán)重樣本連同的位置作為信息發(fā)送給nt。所述的步驟C包括如下步驟：步驟C1：當(dāng)前目標(biāo)節(jié)點(diǎn)nt對(duì)其收到的信息中每一個(gè)權(quán)重樣本進(jìn)行權(quán)重值更新計(jì)算ωrit(lj)=ωrit(lj)Πnrj∈Γtr\nripv(drjt′,drjt′-drjt),]]>其中，為與參考節(jié)點(diǎn)之間的實(shí)際距離；為nt與之間帶噪聲的距離測(cè)量值；為了評(píng)估與nt的實(shí)際位置xt之間的偏差，將假設(shè)為nt與之間的實(shí)際距離，然后假設(shè)為nt的實(shí)際位置，則可看作與nt之間的一個(gè)帶噪聲的距離測(cè)量值，因而即為的距離測(cè)量誤差值，進(jìn)而即體現(xiàn)了從的角度對(duì)與xt之間偏差程度的估計(jì)；步驟C2：nt根據(jù)已更新的樣本權(quán)重值，將每個(gè)參考節(jié)點(diǎn)發(fā)送的樣本分別進(jìn)行篩選：針對(duì)由參考節(jié)點(diǎn)產(chǎn)生的M個(gè)權(quán)重樣本，選擇出個(gè)具有最大權(quán)重值的樣本，其中為的向下取整值(若則需要在某一個(gè)參考節(jié)點(diǎn)產(chǎn)生的樣本中額外保留出個(gè)樣本)，記錄相應(yīng)被保留的樣本中隨機(jī)方向值，可以得到這些隨機(jī)方向值對(duì)應(yīng)的范圍Sθ＝[θmin,θmax]，并將在下一次迭代時(shí)針對(duì)nt生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍設(shè)為Sθ；步驟C3：針對(duì)nt，將其保留的M個(gè)位置估計(jì)樣本(所有參考節(jié)點(diǎn)對(duì)應(yīng)被保留樣本的集合)即進(jìn)行權(quán)重值歸一化處理，即ωt(lk)=ωt(lj)Σk=1Mωt(lk);]]>步驟C4：針對(duì)目標(biāo)節(jié)點(diǎn)nt，對(duì)其自身的置信度進(jìn)行更新計(jì)算，并計(jì)算其在當(dāng)前迭代中的估計(jì)位置x^t(l)=Σk=1Mxt(lk)ωt(lk).]]>所述的步驟D包括如下步驟：步驟D1：若1＜l＜L，判斷當(dāng)前目標(biāo)節(jié)點(diǎn)nt在連續(xù)兩次迭代中的位置估計(jì)變化情況是否滿足迭代終止條件||x^t(l)-x^t(l-1)||≤ϵ,]]>其中，ε為預(yù)設(shè)的迭代終止閾值；若在第l次迭代中，nt的估計(jì)位置滿足了迭代終止條件，則迭代過(guò)程停止，即為nt的最終估計(jì)位置，同時(shí)也說(shuō)明nt在本次協(xié)作定位過(guò)程中被很好地定位，成為已定位的目標(biāo)節(jié)點(diǎn)，并在接下來(lái)的迭代過(guò)程中可以作為其他未被定位目標(biāo)節(jié)點(diǎn)的參考節(jié)點(diǎn)；若l等于L，即達(dá)到了最大迭代次數(shù)，則終止迭代過(guò)程，并將第l次迭代中nt的估計(jì)位置作為其最終估計(jì)位置，同時(shí)說(shuō)明nt在本次定位過(guò)程中未被很好地定位；步驟D2：設(shè)定l＝l+1，重復(fù)執(zhí)行步驟B-步驟D。圖1示意了本發(fā)明的總體流程圖。本發(fā)明所考慮的移動(dòng)自組織網(wǎng)絡(luò)中，錨節(jié)點(diǎn)分布已確定。針對(duì)網(wǎng)絡(luò)中每一個(gè)目標(biāo)節(jié)點(diǎn)的協(xié)作定位迭代過(guò)程中，首先當(dāng)前目標(biāo)節(jié)點(diǎn)的每個(gè)參考節(jié)點(diǎn)根據(jù)其與該目標(biāo)節(jié)點(diǎn)之間的距離測(cè)量信息計(jì)算出發(fā)送給該目標(biāo)節(jié)點(diǎn)的信息(包括帶權(quán)重的位置估計(jì)樣本集合及參考節(jié)點(diǎn)自身的位置信息)；然后，當(dāng)前目標(biāo)節(jié)點(diǎn)對(duì)所接到信息中的位置估計(jì)樣本的權(quán)重進(jìn)行更新計(jì)算，并對(duì)每個(gè)參考節(jié)點(diǎn)所生成的樣本依據(jù)權(quán)重值分別進(jìn)行篩選，進(jìn)而對(duì)各個(gè)參考節(jié)點(diǎn)被保留的樣本對(duì)應(yīng)隨機(jī)方向值進(jìn)行記錄以得到該參考節(jié)點(diǎn)在下一次迭代中針對(duì)該目標(biāo)節(jié)點(diǎn)生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍；最后，當(dāng)前目標(biāo)節(jié)點(diǎn)通過(guò)歸一化所有被保留樣本的權(quán)重值，對(duì)當(dāng)前迭代中自身置信度進(jìn)行更新，并計(jì)算相應(yīng)的估計(jì)位置；在迭代過(guò)程達(dá)到最大迭代次數(shù)或滿足收斂條件時(shí)，當(dāng)前目標(biāo)節(jié)點(diǎn)的協(xié)作定位迭代過(guò)程終止，并以最后一次迭代得到的估計(jì)位置作為其最終估計(jì)位置；特別地，在滿足迭代條件的情況下，當(dāng)前目標(biāo)節(jié)點(diǎn)成為已定位目標(biāo)節(jié)點(diǎn)，并成為其他待被定位目標(biāo)節(jié)點(diǎn)的參考節(jié)點(diǎn)。更為具體地，在本發(fā)明的一個(gè)優(yōu)選例中，本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括以下步驟：第一步：執(zhí)行移動(dòng)自組織網(wǎng)絡(luò)中目標(biāo)節(jié)點(diǎn)的協(xié)作定位迭代過(guò)程相關(guān)初始化操作。本優(yōu)選例中，移動(dòng)自組織網(wǎng)絡(luò)由150個(gè)節(jié)點(diǎn)構(gòu)成，其中包括18個(gè)錨節(jié)點(diǎn)與132個(gè)目標(biāo)節(jié)點(diǎn)，節(jié)點(diǎn)部署區(qū)域?yàn)?00m×100m正方形區(qū)域，并選擇部署區(qū)域內(nèi)選擇近似均勻分布的18個(gè)節(jié)點(diǎn)作為錨節(jié)點(diǎn)；設(shè)定網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)的最大通信距離為30m，進(jìn)而根據(jù)網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)之間的距離，可以獲得每個(gè)目標(biāo)節(jié)點(diǎn)的初始參考節(jié)點(diǎn)集合(參考節(jié)點(diǎn)可以為錨節(jié)點(diǎn)或已定位目標(biāo)節(jié)點(diǎn)，初始時(shí)僅包括錨節(jié)點(diǎn))；初始化每個(gè)參考節(jié)點(diǎn)針對(duì)目標(biāo)節(jié)點(diǎn)生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍為[0,2π]；設(shè)置每個(gè)目標(biāo)節(jié)點(diǎn)協(xié)作定位迭代過(guò)程的最大迭代次數(shù)為10次，開始針對(duì)每個(gè)目標(biāo)節(jié)點(diǎn)的協(xié)作定位迭代過(guò)程。對(duì)于網(wǎng)絡(luò)內(nèi)每一個(gè)目標(biāo)節(jié)點(diǎn)，其協(xié)作定位迭代過(guò)程是一致的，因而在下面步驟中僅針對(duì)一個(gè)目標(biāo)節(jié)點(diǎn)的協(xié)作定位迭代過(guò)程進(jìn)行說(shuō)明。第二步：當(dāng)前目標(biāo)節(jié)點(diǎn)的參考節(jié)點(diǎn)根據(jù)其與該目標(biāo)節(jié)點(diǎn)之間的距離測(cè)量信息，計(jì)算出發(fā)送給該目標(biāo)節(jié)點(diǎn)的信息即一定數(shù)目的位置估計(jì)樣本與參考節(jié)點(diǎn)自身的位置信息；為了評(píng)估每個(gè)參考節(jié)點(diǎn)針對(duì)目標(biāo)節(jié)點(diǎn)產(chǎn)生的位置估計(jì)樣本數(shù)目對(duì)本發(fā)明提出方法的影響，本優(yōu)選例中分別選用了50、100、200與500等數(shù)值作為樣本數(shù)目。第三步：當(dāng)前目標(biāo)節(jié)點(diǎn)在接收到其所有參考節(jié)點(diǎn)發(fā)送的信息之后，對(duì)其中包含的位置估計(jì)樣本的權(quán)重信息進(jìn)行更新，其中采用的測(cè)距誤差模型為文獻(xiàn)“Newefficientindoorcooperativelocalizationalgorithmwithempiricalrang-ingerrormodel”中提出的一種非對(duì)稱雙指數(shù)模型(根據(jù)實(shí)際定位系統(tǒng)中測(cè)距數(shù)據(jù)獲得的測(cè)距誤差模型)，即pv(r,x)=1λP(r)+λN(r)exλN(r),x≤0,1λP(r)+λN(r)e-xλP(r),x>0,]]>λP(r)＝aP·r+bP,λN(r)＝aN·r+bN,其中，r為節(jié)點(diǎn)之間的距離測(cè)量值；x為該測(cè)量值對(duì)應(yīng)的誤差值；aP,bP,aN,bN為定位環(huán)境相關(guān)的參數(shù)，在本優(yōu)選例中選擇與該文獻(xiàn)中一致的參數(shù)，即aP＝0.058，bP＝0.01，aN＝0.19，bN＝0.21。然后該目標(biāo)節(jié)點(diǎn)針對(duì)每個(gè)參考節(jié)點(diǎn)發(fā)送的樣本根據(jù)其權(quán)重值分別進(jìn)行篩選，并利用這些被保留樣本，對(duì)每個(gè)參考節(jié)點(diǎn)在下一次迭代針對(duì)該目標(biāo)節(jié)點(diǎn)生成位置估計(jì)樣本時(shí)的隨機(jī)方向取值范圍進(jìn)行更新；另外，該目標(biāo)節(jié)點(diǎn)根據(jù)所有被保留的樣本計(jì)算當(dāng)前迭代時(shí)自身的置信度及對(duì)應(yīng)的估計(jì)位置。第四步：首先判斷當(dāng)前目標(biāo)節(jié)點(diǎn)的定位迭代過(guò)程是否達(dá)到了最大迭代次數(shù)，若達(dá)到則終止迭代過(guò)程，并將最后一次迭代得到的估計(jì)位置作為對(duì)該目標(biāo)節(jié)點(diǎn)的最終估計(jì)位置，同時(shí)說(shuō)明該目標(biāo)節(jié)點(diǎn)并未被很好地定位；否則，判斷該目標(biāo)節(jié)點(diǎn)協(xié)作定位迭代過(guò)程的收斂條件是否被滿足，若滿足收斂條件則終止迭代過(guò)程，并將最后一次迭代得到的估計(jì)位置作為對(duì)該目標(biāo)節(jié)點(diǎn)的最終估計(jì)位置，同時(shí)說(shuō)明該目標(biāo)節(jié)點(diǎn)被很好地定位，可以成為其他待被定位的目標(biāo)節(jié)點(diǎn)的參考節(jié)點(diǎn)。最后，為了評(píng)估本發(fā)明提出的移動(dòng)自組織網(wǎng)絡(luò)中高效協(xié)作定位方法的性能，在本優(yōu)選例中在不同樣本數(shù)目(50、100、200及500)的情況下，將其與非參數(shù)化置信傳播算法在定位誤差方面進(jìn)行了比較，其中，定位誤差由均方根誤差(rootmeansquareerror,RMSE)進(jìn)行表示，RMSE的定義為RMSE=Σnt∈St||xt-x^t||Nt2,]]>其中，Nt為網(wǎng)絡(luò)中目標(biāo)節(jié)點(diǎn)的數(shù)目；St為網(wǎng)絡(luò)中目標(biāo)節(jié)點(diǎn)的集合；xt為目標(biāo)節(jié)點(diǎn)nt的實(shí)際位置；為目標(biāo)節(jié)點(diǎn)nt協(xié)作定位過(guò)程獲得的最終估計(jì)位置。圖2列舉了在樣本數(shù)目為100、200及500的情況下，本發(fā)明提出的方法(圖2中簡(jiǎn)稱為本發(fā)明方法)與非參數(shù)化置信傳播算法(圖2中簡(jiǎn)稱為NBP)在定位誤差(RMSE)方面的累積分布(cumulativedistributionfunction,CDF)情況，從圖中可以看出在相同的樣本數(shù)目情況下，本發(fā)明提出的方法能夠取得比非參數(shù)化置信傳播算法更低的定位誤差，并且樣本數(shù)目的變化對(duì)本發(fā)明提出的方法在定位誤差方面所造成的影響遠(yuǎn)小于其對(duì)非參數(shù)化置信傳播算法造成的影響。另外，圖2還列舉了在樣本數(shù)目為50的情況下，本發(fā)明提出的方法在定位誤差方面的表現(xiàn)，結(jié)合其他曲線，可以看出本發(fā)明提出方法在樣本數(shù)目較少的情況下取得的定位誤差表現(xiàn)比非參數(shù)化置信傳播算法在樣本數(shù)目較多的情況下的定位誤差表現(xiàn)更好，進(jìn)而也說(shuō)明了本發(fā)明提出的方法的高效性與高定位精度性能。進(jìn)一步地，在本優(yōu)選例中，對(duì)本發(fā)明提出的方法與非參數(shù)化置信傳播算法在計(jì)算時(shí)間消耗方面的性能進(jìn)行了評(píng)估，并以歸一化的中央處理器(centralprocessingunit,CPU)運(yùn)行時(shí)間作為評(píng)價(jià)標(biāo)準(zhǔn)。圖3列舉了在不同樣本數(shù)目情況下，兩種方法(相應(yīng)的簡(jiǎn)稱同圖2)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)中所有目標(biāo)節(jié)點(diǎn)進(jìn)行定位所需的歸一化CPU運(yùn)行時(shí)間情況，可以看出本發(fā)明提出方法的計(jì)算時(shí)間消耗遠(yuǎn)低于非參數(shù)化置信傳播算法，這一結(jié)果也更加證實(shí)了本發(fā)明提出方法的高效性。以上對(duì)本發(fā)明的具體實(shí)施例進(jìn)行了描述。需要理解的是，本發(fā)明并不局限于上述特定實(shí)施方式，本領(lǐng)域技術(shù)人員可以在權(quán)利要求的范圍內(nèi)做出各種變化或修改，這并不影響本發(fā)明的實(shí)質(zhì)內(nèi)容。在不沖突的情況下，本申請(qǐng)的實(shí)施例和實(shí)施例中的特征可以任意相互組合。當(dāng)前第1頁(yè)1 2 3