專利名稱：基于隱馬氏模型的分布式運動節點的定位方法
技術領域：
本發明涉及移動通信網絡中用戶節點的定位方法，特別涉及一種基于隱馬氏模型的分布式運動節點的定位方法，屬于網絡通信技術領域。
背景技術：
移動通信網絡中用戶節點的定位方法是一項已被廣泛研究的技術，其具有廣泛的應用場景，是非常重要的應用技術。現有的定位技術大體可以劃分為兩大類別:基于測距的方式和基于連通性的方式。基于測距的定位方法需要測量各個節點間的相對距離，而且對測量的精度要求較高，主要的測量方式是基于RSS(即受到的信號強度)、到達信號的角度、信號到達時間的差別等等；相反，基于連通性的定位方法利用的是節點之間的連通性，從而避免了高代價的高精準度測量要求，因此該類定位方法能夠適應各種場景。當下所使用的基于連通性的定位方法需要強密度的節點環境，然而如今很多的移動網絡環境由于網絡區域過大，用戶節點移動性過強，網絡拓撲非常容易變化，因此在現實場景中都只具有相對較低的連通性。這給節點在移動網絡中進行定位帶來了很大的困難，現有移動網絡中的定位方法最有建設性意義的是MCL (即蒙特卡洛定位算法)，不過MCL非常依賴于高密度的固定節點，因此很難適應在移動網絡場景中的實際應用。通過對歷史數據集的分析，我們發現了這樣一個現象，用戶節點的移動性表現出了很強的時空相關的規律性，更重要的是，用戶節點的移動性與用戶節點的相遇者之間有很強的相關性。基于這個規律，本發明提出了一種適應于稀疏移動性網絡的定位方法。
發明內容
本發明的目的是克服現有技術過于依賴高密度的固定節點環境的不足，提供一種基于隱馬氏模型的分布式運動節點的定位方法，針對用戶節點密度相對較為稀疏，而且與只有處在通訊半徑以內的其他用戶節點才能通訊的場景，應用隱馬爾可夫鏈模型來實現對本用戶節點的定位。本發明是采用下述技術方案來達到上述目的的:一種基于隱馬氏模型的分布式運動節點的定位方法，用于移動網絡中對用戶節點的定位，其特征在于，包括以下步驟:(I)系統初始化，設定通訊半徑和時間間隔，統計位置信息并生成對于不同用戶節點的分別的位置轉移概率矩陣，統計相遇信息并生成在每個位置上與其他用戶節點的相遇概率；(2)所述用戶節點通過WiFi訪問AP獲得其與其他用戶節點相遇的信息，所述的用戶節點與其他用戶節點相遇是指:該用戶節點與其他用戶節點在同一時間間隔內訪問該AP或處于該AP通訊半徑范圍內的AP ;(3)所述用戶節點通過訪問固定的AP或者與固定的其他用戶節點相遇獲得其本身所處位置，所述的固定的AP和固定的其他用戶節點具有已知位置；(4)根據當前已有的已知位置劃分出若干子段，在該子段的每一時間間隔內只有相遇信息而無已知位置，各子段的開始和末尾具有固定的已知位置；(5)將步驟⑷所得的各子段的開始和末尾的已知位置，使用隱馬爾可夫鏈模型，利用Viterbi向前向后算法結合動態規劃算法確定對開始和末尾位置固定而內部未知路徑的最大概率估計。所述的對開始和末尾位置固定而內部未知路徑的最大概率估計的確定步驟如下:(I)通過歷史信息統計，初始設置位置轉移概率矩陣A和與其他用戶節點的相遇概率B ;(2)從初 始位置g開始，在下一時間間隔所述用戶節點與其他用戶節點的相遇信息記為et,而在該時刻可能移動到所有i的概率為S i,利用位置轉移矩陣A和已知相遇信息計算出來(3)令t=t+l，在下一時間間隔內該用戶節點與其他用戶節點的相遇信息記為et，而在下一時間間隔內移動到所有j的概率為利用，并記錄arg max 6,- * Aij * Bie^ ；(4)重復步驟(3)直至t超過尾部時間；(5)設h是尾部已知的所處位置，由前4個步驟已知到達尾部之前處于位置j的未知路徑的最大概率S」，設從位置j出發，利用~ = 5.^ A ^丨、.' ’并記錄arg max Sj-承 Ajh 率 B把；
j 1(6)根據每步搜索并記錄下來的最優路徑，逆推出擁有最大概率的路徑T。本發明利用所能直接觀察的相遇信息，使用隱馬爾可夫鏈模型來計算最有可能的路徑位置，從而實現對用戶節點的定位。本發明的優點在于:(I)本發明所述的定位方法可以適應大區域的移動網絡，適用于很強的用戶節點移動性，即使網絡拓撲發生變化，本發明的定位誤差不會有很大變化，同時本發明適用于現實生活中的分布比較稀疏的網絡場景，相對于MCL方法對網絡環境做出的強假設有更強的適應能力。(2)本發明是分布式的定位方法，而不是由控制中心進行控制的路由方法，用戶節點只需在自己的通訊半徑之內，統計與自己相遇的其他節點少量的通信就可以，而不需要每對用戶節點之間進行通訊，降低了能耗和通訊的開支。(3)本發明利用所能直接觀察的相遇信息，使用隱馬氏模型來計算最有可能的路徑位置，能夠達到更高的定位精度。
具體實施例方式本發明所述基于隱馬氏模型的分布式運動節點的定位方法基于連通性方式，充分利用移動性和相遇用戶節點之間的相互關系，在獲取用戶節點所記錄下來的與通訊范圍內其他用戶節點的歷史相遇信息的基礎上，建立隱馬氏模型，計算出最有可能的路徑位置來達到用戶節點定位的目的。所述方法特別適用于用戶節點稀疏的移動網絡場景。下面對本發明的各個步驟做進一步的詳細說明:所述的基于隱馬氏模型的分布式運動節點的定位方法用于移動網絡中對用戶節點的定位，其包括以下步驟:(I)系統初始化，設定通訊半徑和時間間隔，統計位置信息，生成對于不同用戶節點的分別的位置轉移概率矩陣，即用戶節點前一時刻所處的位置在下一時刻所處位置的狀態轉移矩陣，統計相遇信息，生成在每個位置上的與其他用戶節點的相遇概率，即該時刻在這個位置上同時與其他用戶節點集合相遇的概率。(2)所述用戶節點通過WiFi訪問AP，而在同一時間間隔內有訪問該AP中的其他用戶節點，即為該用戶節點與其他用戶節點相遇；若有訪問和該AP在通訊距離范圍內的AP的其他用戶節點，也為這些其他用戶節點與該用戶節點相遇。換言之，用戶節點通過WiFi訪問AP獲得其與其他用戶節點相遇的信息，所述的用戶節點與其他用戶節點相遇是指:該用戶節點與其他用戶節點在同一時間間隔內訪問該AP或處于該AP通訊半徑范圍內的AP。(3)某些AP的位置，因此所述用戶節點在通過WiFi訪問該AP時，就能得到當前位置，或者某些用戶節點是固定不動的且其所處位置已知，則所述用戶節點訪問該固定的AP或者與固定的用戶節點相遇即知道該時刻所處位置。換言之，所述用戶節點通過訪問固定的AP或者與固定的其他用戶節點相遇獲得其本身所處位置，所述的固定的AP和固定的其他用戶節點具有已知位置。(4)根據當前已有的已知位置劃分出若干子段，在該子段的每個時間間隔內只有相遇信息，沒有已知的位置，即該子段中沒有與任何固定不動的節點相遇過，各子段的開始和末尾都具有固定的已知位置，即在各子段的開頭和結尾都與已知的固定節點相遇。(5)將步驟(4)所得的各子段`的固定開始和末尾的已知位置，使用隱馬爾可夫鏈模型，利用Viterbi向前向后算法結合動態規劃算法的有關步驟確定對開始和末尾位置固定而內部未知路徑的最大概率估計。所述的對開始和末尾位置固定而內部未知路徑的最大概率估計的確定步驟如下:(I)初始設置位置轉移概率矩陣A，這個狀態轉移矩陣是通過歷史信息統計出來的，設置在這個位置上同時與其他用戶節點集合相遇的概率矩陣B，這個矩陣也是通過歷史信息統計出來的；(2)從初始位置g開始，由歷史信息統計出來的在下一時間間隔所述用戶節點與其他用戶節點的相遇信息記為et，而在該時刻可能移動到所有i的概率為8 ,，利用位置轉移矩陣A和已知相遇信息計算出來5, 二 A,;, ^ Bh.；(3)令t=t+l，在下一時間間隔內該用戶節點與其他用戶節點相遇信息記為et，而在下一時間間隔內移動到所有j的概率為利用，其中i表示前一
時刻在位置i而在下一時間間隔時移動到j的概率，在求出概率最大的S j的同時記錄下
arg max 6.^ Aij ^ Bie ；
i(4)重復步驟(3)直至t超過尾部時間，即計算到下一時間間隔就是該子段的末尾；(5)設h是尾部已知的所處位置，由前4個步驟已知到達尾部之前處于位置j的未知路徑的最大概率Sj，設從位置j出發，利用’并記錄arg max S, * A;h * Bjc ；
j(6)根據每步搜索并記錄下來的最優路徑，即使得概率最大化的前一個位置，沿著每前一步概率最大化的參數，逆推出擁有最大概率的路徑T。以下為本發明的偽代碼實現，即源程序:
權利要求
1.一種基于隱馬氏模型的分布式運動節點的定位方法，用于移動網絡中對用戶節點的定位，其特征在于，包括以下步驟: (1)系統初始化，設定通訊半徑和時間間隔，統計位置信息并生成對于不同用戶節點的分別的位置轉移概率矩陣，統計相遇信息并生成在每個位置上與其他用戶節點的相遇概率； (2)所述用戶節點通過WiFi 訪問AP獲得其與其他用戶節點相遇的信息，所述的用戶節點與其他用戶節點相遇是指:該用戶節點與其他用戶節點在同一時間間隔內訪問該AP或處于該AP通訊半徑范圍內的AP ; (3)所述用戶節點通過訪問固定的AP或者與固定的其他用戶節點相遇獲得其本身所處位置，所述的固定的AP和固定的其他用戶節點具有已知位置； (4)根據當前已有的已知位置劃分出若干子段，在該子段的每一時間間隔內只有相遇信息而無已知位置，各子段的開始和末尾具有固定的已知位置； (5)將步驟(4)所得的各子段的開始和末尾的已知位置，使用隱馬爾可夫鏈模型，利用Viterbi向前向后算法結合動態規劃算法確定對開始和末尾位置固定而內部未知路徑的最大概率估計。
2.根據權利要求1所述的基于隱馬氏模型的分布式運動節點的定位方法，其特征在于，所述的對開始和末尾位置固定而內部未知路徑的最大概率估計的確定步驟如下: (1)通過歷史信息統計，初始設置位置轉移概率矩陣A和與其他用戶節點的相遇概率B ； (2)從初始位置g開始，在下一時間間隔所述用戶節點與其他用戶節點的相遇信息記為et，而在該時刻可能移動到所有i的概率為8 i，利用位置轉移矩陣A和已知相遇信息計算出來5, ^ a^K,; (3)令t=t+l，在下一時間間隔內該用戶節點與其他用戶節點的相遇信息記為et，而在下一時間間隔內移動到所有j的概率為\σ_，利用σ,_=maXσ*A*B，并記錄arg max σ,*A*B； (4)重復步驟(3)直至t超過尾部時間； (5)設h是尾部已知的所處位置，由前4個步驟已知到達尾部之前處于位置j的未知路徑的最大概率Sj，設從位置j出發，利用5;.=max5;*0/4,，并記錄σ,_=maXσ*A*B (6)根據每步搜索并記錄下來的最優路徑，逆推出擁有最大概率的路徑T。
全文摘要
一種基于隱馬氏模型的分布式運動節點的定位方法，包括如下步驟首先，設定一定的時間間隔，統計位置信息，生成對于不同用戶的分別的位置轉移的概率矩陣，統計相遇信息，生成在每個位置上的與其他用戶節點相遇的概率；然后，根據當前已有的位置劃分出若干子段，在該子段的每個時間間隔只有相遇信息，沒有已知的位置，該子段的開始和末尾都已知位置；再后，利用所得的各子段的固定首尾的已知位置，使用隱馬爾可夫鏈模型，利用Viterbi向前向后算法結合動態規劃算法確定對固定首尾位置內部未知路徑的最大概率估計。本發明達到了更高的定位精度，適用于用戶移動性很強的大區域的移動網絡，特別適用于現實生活中的分布比較稀疏的網絡場景。
文檔編號H04W64/00GK103079168SQ20131000936
公開日2013年5月1日 申請日期2013年1月10日 優先權日2013年1月10日
發明者趙俊博, 丁冬冬, 朱燕民 申請人:上海交通大學