一種基于粒子輔助隨機搜索的無線網絡定位技術的制作方法
【技術領域】
[0001] 本發明涉及無線網絡定位，特別涉及到無線定位中非線性非高斯下非凸非凹目標 函數的優化方法。
【背景技術】
[0002] 非凸非凹目標函數的優化在無線網絡定位、統計信號處理、無線移動通信、計算機 科學乃至基礎數學領域都是一個非常重要的、公開的問題。在信號與通信應用領域中，許多 問題都可以轉化為參數估計及優化問題，比如，信號檢測、時變信道估計、頻偏估計、稀疏信 號重構、自適應濾波、譯碼、無線定位和跟蹤等。然而，由于非理想系統因素（如系統函數的 非線性、高斯/非高斯環境噪聲、參考變量的不確定性等）的存在，使得目標函數通常是非 凸非凹的，甚至沒有閉合表達式，這給信號估計帶來了嚴重的困難，很難找到全局最優的信 號估計。
[0003] 圍繞非凸非凹函數的優化問題，國內外展開了大量的研究工作，并已經取得了很 多研究成果。
[0004] 首先，針對觀測系統的非線性問題，2000年和2002年，M.Arulampalam等人分別在 文南犬"Atutorialonparticlefiltersforonlinenonlinear/non-GaussianBayesian tracking.'，SignalProcessing,IEEETransactionson, 2002, 50. 2:174-188 和文南犬 "Comparisonoftheparticlefilterwithrangeparameterizedandmodifiedpolar EKFsforangle-onlytracking. "Proc.Spie.Vol. 4048. 2000 中，系統總結了一種對于 非線性系統方程進行的基于一階泰勒展開式的線性化方法，進而根據線性高斯濾波系統原 理，來對目標變量進行估計/濾波跟蹤。該方法能夠簡化系統函數的非線性函數，然后當系 統存在非高斯干擾或者系統函數嚴重非線性的時候，近似誤差會使得該方法發散。
[0005] 其次，對于復雜目標函數中非高斯概率密度函數的處理，C.Taylor團隊在2006 年的文南犬"Simultaneouslocalization,calibration,andtrackinginanad-hoc sensornetwork.Proceedingsofthe5thinternationalconferenceonInformation processinginsensornetworks.ACM, 2006中提出了采用拉普拉斯近似的方法來近似目 標函數中的非高斯概率密度函數，使得目標函數的優化變得簡單一些。同樣地，2010年Karl Friston團隊在文南犬"VariationalfreeenergyandtheLaplaceapproximationNeu ro-Image. "ELSEVIER,vol. 34,no. 1，2006,pp. 220-234 中也提出了采用拉普拉斯近似的方 法，并對其進行了總結和分析。另外，2002年，Μ·Arulampalam等人在文獻"Atutorialon particlefiltersforonlinenonlinear/non-GaussianBayesiantracking.'，Signal Processing,IEEETransactionson, 2002, 50. 2:174-188 中針對目標函數沒有閉合表達 式的問題，提出了采用重要性采用的方法，用以近似干擾噪聲的非高斯概率密度函數，對 目標函數進行近似處理。國內的王剛等人在2011年的文獻"Anewapproachtosensor nodelocalizationusingRSSmeasurementsinwirelesssensornetworks.'，IEEE TransactionsonWirelessCommunications, 10.5(2011):1389-1395 中提出了米用基于 無味變換的方法，采用一組Sigma點集來對非高斯概率密度函數的一階及二階中心距進行 近似，來簡化處理復雜的目標函數表示。
[0006] 另外，在統計信息誘導的目標函數的優化問題中，對于參考變量的不確定 性引起的目標函數不存在閉合表達式問題，2009年，M.Vemula等人在文獻"Sensor Self-localizationwithBeaconPositionUncertainty.'，SignalProcessing, vol. 89,no. 6, 2009,pp. 1144-1154中提出了采用重要性采用的方法，使得復雜的目標函數 中的積分轉化為簡單易處理的有限項和。同樣是針對目標函數沒有閉合表達式的問題， 變分推斷提供了另一種思路，它利用一組相互獨立的、虛擬的概率分布來逼近復雜后驗概 率目標函數，通過最小化虛擬概率分布的聯合分布與目標概率密度函數之間的奇異度來 找到目標函數的最佳逼近的表達式，從而把復雜的目標函數分解為幾個獨立的、易處理的 虛擬概率分布。比如，2008 年D.G.Tzikas等人在文獻"TheVariationalApproximation forBayesianInference,'，IEEESignalProcessingMagazine,Vol. 25,No. 6, 2008, pp. 131-146中提出了變分貝葉斯解決復雜后驗概率密度函數下的貝葉斯推斷問題的方 法。同樣地，C.W.Fox等人在 2012 年的文獻"ATutorialonVariationalBayesian Inference，"ArtificialIntelligenceReviewVol. 38,No. 2, 2012,ρρ· 85-95.中系統總 結和分析了變分推斷的原理和方法。
[0007] 再者，針對目標函數的非凸非凹問題，0.Wentao等人在2010年的文獻 "ReceivedSignalStrength-basedWirelessLocalizationviaSemi-definite Programming:Non-cooperativeandCooperativeschemes.VehicularTechnology,IEEE Transactionson.vol. 59,no. 3, 2010,pp. 1307-1318 中，針對協作與非協作定位問題，提 出了采用半正定優化的方法，將非凸非凹的目標函數松弛為一個凸函數。Kulkarni等人 在2011年的文獻"Particleswarmoptimizationinwireless-sensornetworks:A briefsurvey. ^Systems,Man,andCybernetics,PartC:ApplicationsandReviews,IEEE Transactionson, 41. 2(2011) :262-267中，采用粒子群優化的思想，采用一組隨機粒子來 搜索全局最優。同樣，T.Stoyanova等人在2014年的文獻"RSS-basedlocalizationfor wirelesssensornetworksinpractice. 'Troc.of2014 9thInternationalSymposium onCommunicationSystems,Networks&DigitalSignalProcessing(CSNDSP)，2014 中米用 了類似的思想，然而由于其搜索粒子的局部搜索只依賴于其搜索粒子的歷史軌跡，因而當 搜索粒子的初始分布沒有覆蓋全局最優的時候，其算法只能收斂到該初始覆蓋范圍的局部 最佳，而不是全局最優。
[0008] 綜合分析國內外目前圍繞復雜的非凸非凹目標函數的優化及參數估計問題的研 究成果，目前已有大量成果可以借鑒；然而，目前研究成果大都只針對特定情況下的某一問 題，沒有綜合解決系統非線性、參考不確定性、非高斯干擾等對優化問題的影響，進而沒有 提出一個系統的、可靠的解決該問題的框架，以期望搜索到全局最優解，并給出目標變量的 最優估計，從而提尚定位精度和可靠性。
【發明內容】
[0009] 鑒于現有技術的以上不足，本發明的目的是在無線定位中采用基于粒子輔助的 隨機搜索思想，提出了找到復雜的非凸非凹目標函數的全局最優解的框架，用以提高定位 精度和魯棒性。
[0010] 本發明解決其技術問題所采用的技術方案如下：
[0011] -種基于粒子輔助隨機搜索的無線網絡定位技術，用于對被定位目標接收來自 于各個參考節點的接受信號能量參數和其坐標位置參數后建立的、用于定位其自身位置、 并與被定位目標位置相關的定位總目標函數進行最優化處理，以提高定位精度和魯棒性， 包括如下順序執行步驟：
[0012] (1)首先，定位