一种基于时延和多普勒的分布式自适应粒子滤波直接跟踪定位方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107367710A(43)申请公布日2017.11.21(21)申请号201710584073.3(22)申请日2017.07.18(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人夏威王岩岩朱菊蕾(74)专利代理机构电子科技大学专利中心51203代理人甘茂(51)Int.Cl.G01S5/06(2006.01)权利要求书3页说明书7页附图2页(54)发明名称能。一种基于时延和多普勒的分布式自适应粒子滤波直接跟踪定位方法(57)摘要本发明属于信号处理领域，特别是涉及基于时差和频差的无源定位系统中分布式自适应跟踪定位方法；首先在接收机个数为N的无线传感器网络当中，局部GPF从局部重要函数中随机采M个随机预测粒子；然后进行接收机与邻居接收机的接收信号交换，接收机更新每个预测粒子所对应的权重值再更新其局部中间状态估计值ψl,k以及相应的协方差Pl,k；再然后进行接收机与邻居接收机的ψl,k交换，计算得发射机位置的局部估计值根据和Pl,k构造高斯分布，再对条件概率密度函数进行采样生成下一时刻的预测粒子，并计算接收机上的均值和方差构建近似局部预测分布：本发明基于分布式定CN107367710A位方法，大大提高粒子滤波跟踪定位方法的性CN107367710A权利要求书1/3页1.一种基于时延和多普勒的分布式自适应粒子滤波直接跟踪定位方法，其特征在于，包括以下步骤：步骤1：在接收机个数为N的无线传感器网络当中，局部GPF从局部重要函数中随机采M个随机预测粒子，k时刻具体为：其中，选取重要函数为其初始分布为为预设向量、为预设对角矩阵；为状态向量，xk,yk表示发射机的位置信息，表示发射机的速度信息，Zl,1:k表示观测信息；步骤:2：第一次数据交换，接收机l将接收信号传输给自己的邻居接收机，同时接收邻居接收机传来的接收信号；步骤3：接收机l更新每个预测粒子所对应的权重值：每个预测粒子所对应的权重值计算为求解如下局部似然函数：k时刻，接收机l的观测值即为接收信号rl,k：rl,k＝bl,kAl,kFl,ksk+ul,k其中，sk为k时刻的发射信号，ul,k为零均值高斯白噪声，bl,k表示信号衰减，Aj,k和Fj,k分别表示多普勒频移和时延；则上述局部似然函数表达为将局部似然估计按比例表示为：其中，表示零均值高斯白噪声ul,k的功率大小，表示包含自身接收机l在内的所有的邻居接收机；令利用最大后验估计(MAP)求解得到θk的估计值因此，的估计变为：其中，C′和C″分别是两个常数，且：关于bj,k求导，令方程等于零，使得最小化，求解出2CN107367710A权利要求书2/3页将带入进一步得到：将上式转换为求最大值问题：HHH其中，定义Ql,k＝Vl,k(Vl,k)、Ql,k为N×N的赫尔米特矩阵，Vl,k＝[(Fj,k)(Aj,k)rj,k],j∈Nl、Vl,k为N×L维矩阵、L为集合中元素数量；上述求最大值的问题等价于求Ql,k的最大特征值λmax(Ql,k)，而Ql,k的最大特征值和L×L矩阵的的最大特征值大小一样，即：最后对粒子权重进行归一化，计算得到每个粒子的归一化权重：步骤4：接收机l更新它的局部中间状态估计值ψl,k以及相应的协方差Pl,k：步骤5：第二次数据交换，接收机l将步骤3计算得到的局部中间状态估计值ψl,k传输给自己的邻居接收机，同时接收邻居接收机传来的结果；步骤6：结合，接收机l计算得到k时刻发射机位置的局部估计值其中，ajl为预设非负加权系数，满足条件：当时，ajl＝0；步骤7：利用局部估计值和局部中间状态估计值的协方差Pl,k构造高斯分布且用以近似后验概率分布p(xk|Zl,1:k)：接收机l通过上述后验概率分布采样生成M个更新粒子步骤8：对条件概率密度函数进行采样生成k+1时刻的预测粒子具体为条件概率密度函数为：xk+1＝φxk+nk，φ为转移矩阵，nk为零均值高斯白噪声；步骤9：计算k+1时刻接收机l上的均值和方差3CN107367710A权利要求书3/3页构建高斯模型的近似局部预测分布：步骤10：当连续50次的迭代值的差值均小于设定阈值δ时，即认为跟踪到了发射机的位置，4CN107367710A说明书1/7页一种基于时延和多普勒的分布式自适应粒子滤波直接跟踪定位方法技术领域[0001]本发明属于信号处理领域，特别是涉及基于时差和频差的无源定位系统中分布式自适应跟踪定位方法，具体为一种基于时延和多普勒的分布式自适应粒子滤波直接跟踪定位方法。背景技术[0002]目前，基于时差的无源定位技术根据是否需要显式计算时差值而分为两大类：经典的两步定位方法和新兴的直接定位方法；两步定位方法首先第一步通