定位算法文獻(xiàn)綜述

定位算法文獻(xiàn)綜述隨著普適計算和分布式通信技術(shù)的深入研究，無線網(wǎng)絡(luò)、通信等技術(shù)得到了迅速普及，同時，位置效勞已滲透到人們生活中的方方面面?；诘凸?、自組織、信息感知的無線傳感器網(wǎng)絡(luò)，其監(jiān)測的事件與物理位置戚戚相關(guān)。對于大多數(shù)應(yīng)用，不知道傳感器位置而感知的數(shù)據(jù)是沒有意義的[1]，因此確定信息的位置成為眾多應(yīng)用的迫切需求和關(guān)鍵性問題，有著重要的意義[2，3]?，F(xiàn)代定位技術(shù)最早出現(xiàn)在軍事領(lǐng)域，以提供精確制導(dǎo)、戰(zhàn)場監(jiān)控和單兵作戰(zhàn)系統(tǒng)保障，如全球定位系統(tǒng)(GlobalPositioningSystem，GPS)作為目前應(yīng)用最成功的定位技術(shù)，但是，對于室內(nèi)近距離定位，GPS的精度遠(yuǎn)遠(yuǎn)達(dá)不到要求?；谖恢眯诘木W(wǎng)絡(luò)有多種，如WSN、GPS、Wi-Fi等，每種定位技術(shù)有著各自的優(yōu)缺點，定位的適用場景、定位精度、實時性、功耗、使用本錢也各不相同。如何進(jìn)行網(wǎng)絡(luò)間的協(xié)作定位成為了解決室內(nèi)定位問題的一大選擇。本文首先介紹無線傳感器網(wǎng)絡(luò)的各種定位算法，介紹每種網(wǎng)絡(luò)的信號特點，然后描述算法的評價標(biāo)準(zhǔn)，最后對所有文章進(jìn)行總結(jié)，提出多模信號融合的室內(nèi)定位算法的研究思路。1.定位算法的性能評價標(biāo)準(zhǔn)定位算法的性能直接影響到它的定位精度以及在實際中的應(yīng)用可行性，如何評價它的性能是一個需要深入研究的問題，下面討論幾個常用的性能評價標(biāo)準(zhǔn)[8]?！?〕定位精度。定位技術(shù)首要的評價指標(biāo)就是定位精度，一般用誤差值與節(jié)點無線射程的比例表示，例如，定位精度為20％表示定位誤差相當(dāng)于節(jié)點無線射程的20％．也有局部定位系統(tǒng)將二維網(wǎng)絡(luò)部署區(qū)域劃分為網(wǎng)格，其定位結(jié)果的精度也就是網(wǎng)格的大小，如微軟的RADAR[9]，WirelessCorporationRadioCamerat等?！?〕規(guī)模。不同的定位系統(tǒng)或算法也許可在園區(qū)內(nèi)、建筑物內(nèi)、一層建筑物或僅僅是一個房間內(nèi)實現(xiàn)定位．另外，給定一定數(shù)量的根底設(shè)施或在一段時間內(nèi)，一種技術(shù)可以定位多少目標(biāo)也是一個重要的評價指標(biāo)．例如，RADAR[8]系統(tǒng)僅可在建筑物的一層內(nèi)實現(xiàn)目標(biāo)定位，劍橋的ActiveOffice定位系統(tǒng)[10]每200ms定位一個節(jié)點?！?〕錨節(jié)點密度。錨節(jié)點定位通常依賴人工部署或GPS實現(xiàn)．人工部署錨節(jié)點的方式不僅受網(wǎng)絡(luò)部署環(huán)境的限制，還嚴(yán)重制約了網(wǎng)絡(luò)和應(yīng)用的可擴(kuò)展性．而使用GPS定位，錨節(jié)點的費用會比普通節(jié)點高兩個數(shù)量級[11]，這意味著即使僅有10％的節(jié)點是錨節(jié)點，整個網(wǎng)絡(luò)的價格也將增加10倍．因此，錨節(jié)點密度也是評價定位系統(tǒng)和算法性能的重要指標(biāo)之一。〔4〕節(jié)點密度。在WSN中，節(jié)點密度增大不僅意味著網(wǎng)絡(luò)部署費用的增加，而且會因為節(jié)點間的通信沖突問題帶來有限帶寬的阻塞．節(jié)點密度通常以網(wǎng)絡(luò)的平均連通度來表示．許多定位算法的精度受節(jié)點密度的影響，如DV-Hop[12，13]算法僅可在節(jié)點密集部署的情況下合理地估算節(jié)點位置?！?〕容錯性和自適應(yīng)性。通常，定位系統(tǒng)和算法都需要比擬理想的無線通信環(huán)境和可靠的網(wǎng)絡(luò)節(jié)點設(shè)備．但在真實應(yīng)用場合中常會有諸如以下的問題：外界環(huán)境中存在嚴(yán)重的多徑傳播、衰減、非視距(non．1ine．of-sight，簡稱NLOS)、通信盲點等問題；網(wǎng)絡(luò)節(jié)點由于周圍環(huán)境或自身原因(如電池耗盡、物理損傷)而出現(xiàn)失效的問題；外界影響和節(jié)點硬件精度限制造成節(jié)點間點到點的距離或角度測量誤差增大的問題．由于環(huán)境、能耗和其他原因，物理地維護(hù)或替換傳感器節(jié)點或使用其他高精度的測量手段常常是十分困難或不可行的．因此，定位系統(tǒng)和算法的軟、硬件必須具有很強(qiáng)的容錯性和自適應(yīng)性，能夠通過自動調(diào)整或重構(gòu)糾正錯誤、適應(yīng)環(huán)境、減小各種誤差的影響，以提高定位精度?！?〕功耗。功耗是對WSN的設(shè)計和實現(xiàn)影響最大的因素之一．由于傳感器節(jié)點電池能量有限，因此在保證定位精度的前提下，與功耗密切相關(guān)的定位所需的計算量、通信開銷、存儲開銷、時間復(fù)雜性是一組關(guān)鍵性指標(biāo)。〔7〕代價。定位系統(tǒng)或算法的代價可從幾個不同方面來評價．時間代價包括一個系統(tǒng)的安裝時間、配置時間、定位所需時間．空間代價包括一個定位系統(tǒng)或算法所需的根底設(shè)施和網(wǎng)絡(luò)節(jié)點的數(shù)量、硬件尺寸等．資金代價那么包括實現(xiàn)一種定位系統(tǒng)或算法的根底設(shè)施、節(jié)點設(shè)備的總費用。上述7個性能指標(biāo)不僅是評價WSN自身定位系統(tǒng)和算法的標(biāo)準(zhǔn)，也是其設(shè)計和實現(xiàn)的優(yōu)化目標(biāo)．為了實現(xiàn)這些目標(biāo)的優(yōu)化，有大量的研究工作需要完成。同時，這些性能指標(biāo)是相互關(guān)聯(lián)的，因此，要提高移動節(jié)點定位算法的精度必須根據(jù)應(yīng)用的具體需求對以上7個性能指標(biāo)進(jìn)行權(quán)衡[14]，以選擇和設(shè)計適宜的定位技術(shù)。2.室內(nèi)無線定位可進(jìn)行定位的信號是多種多樣的，所以定位系統(tǒng)種類繁多。如利用衛(wèi)星無線RF信號的GPS、利用紅外和激光的光學(xué)定位、利用超聲和聲納的聲音定位、利用圖像處理和計算機(jī)視覺的視覺定位、利用陀螺原理的相對定位等等。其中，GPS是目前應(yīng)用最成功的定位技術(shù)，但是對室內(nèi)近距離定位，GPS的精度遠(yuǎn)遠(yuǎn)達(dá)不到要求。目前室內(nèi)無線定位技術(shù)的研究相對集中在基于RF信號，并結(jié)合各種無線網(wǎng)絡(luò)技術(shù)如ZigBee，超寬帶(Ultra-WideBand，UWB)，Wi-Fi，藍(lán)牙，射頻識別(Radio-frequencyIdentification，RFID)等定位技術(shù)的研究。2.1基于ZigBee的定位技術(shù)研究基于ZigBee的定位技術(shù)主要是采用接收信號強(qiáng)度指示(ReceivedSignalStrengthIndicator，RSSI)來實現(xiàn)，目前ZigBee已經(jīng)廣泛地應(yīng)用于工業(yè)、農(nóng)業(yè)、軍事、醫(yī)療等領(lǐng)域[7]。最初由國外科研人員通過實際測量、仿真評估[8，9]，建立了無線RF信號的RSSI傳播模型[10]，由于單純的使用RSSI的ZigBee定位系統(tǒng)精度有限，HyunggiCho等人通過在此根底上使用最大似然估計方法提高定位精度[11]。目前在國內(nèi)已經(jīng)商業(yè)化的定位系統(tǒng)有成都無線龍通訊科技開發(fā)的“ZigBee無線網(wǎng)絡(luò)定位標(biāo)準(zhǔn)開發(fā)系統(tǒng)〞，它使用Chipcon公司(已被TI公司收購)的CC2431和CC2430開發(fā)的可實現(xiàn)最大區(qū)域為64*64米空間的定位[12]。由于CC2431的RSSI定位引擎的分辨率為0.25米[13]，因此，“ZigBee無線網(wǎng)絡(luò)定位標(biāo)準(zhǔn)開發(fā)系統(tǒng)〞的定位精度不高，一般在3~5米。2.2基于UWB的定位技術(shù)研究根據(jù)FCC的定義，只要信號在-10dB處的絕對帶寬大于0.5GHz或者相對帶寬大于20%，并且中心頻率大于500MHz，那么這一信號就是超寬帶(Ultra-wideband，UWB)?；赨WB的定位主要是通過到達(dá)時間(TimeofArrival，TOA)或者到達(dá)時間差(TimeDifferenceofArrival，TDOA)來實現(xiàn)的。基于UWB的TDOA方法，RobertJ.Fontanat等人[14，15]早在2003年就成功地開發(fā)出可產(chǎn)品化的，用于財物定位的PAL650定位系統(tǒng)，如圖1所示，定位精度可到15厘米以內(nèi)。另外，Ubisense公司開發(fā)基于UWB的UbisenseSystem定位系統(tǒng)也能實現(xiàn)精度為15厘米的三維定位，目前該系統(tǒng)[16]已應(yīng)用于人員定位，倉儲物流，軍事，安防預(yù)警等。國內(nèi)的南京唐恩科技資訊Ubisense公司的一些硬件產(chǎn)品，并在此根底上與南京大學(xué)、南京航天航空大學(xué)、東南大學(xué)合作自主研發(fā)了基于UWB的iLocate定位系統(tǒng)，能夠?qū)崿F(xiàn)2D/3D的人員及物品定位[17]。由于時間脈沖持續(xù)的時間很短(大約10~100ps)，大大降低了發(fā)射信號所需的功率，所以UWB的發(fā)射功率很小，同時這一性能也決定了其具有精確定位的功能。UWB定位在一定程度上代表著當(dāng)前室內(nèi)或者局部區(qū)域范圍三維定位的一個趨勢[18]，因此目前國內(nèi)外針對UWB的位置估計[19]、減小NLOS誤差[20，21]及求精的算法研究很多[22]。圖1PAL650定位系統(tǒng)(UWB接收器的數(shù)字處理局部，定位系統(tǒng)架構(gòu)連接圖)2.3基于RFID的定位技術(shù)研究基于RFID〔RadioFrequencyIDentification〕的定位技術(shù)是通過射頻識別標(biāo)簽〔tags〕或者無線收發(fā)器(Transponders)來存儲和非接觸地發(fā)送數(shù)據(jù)來進(jìn)行自動身份識別的技術(shù)。RFID應(yīng)用于定位主要分為兩種方式：一種是位置感知方式，一種是基于RSSI方式。HenrikLj?godtMoen等人[23]提出的基于城市無線網(wǎng)絡(luò)定位的效勞以及TeruhiroHaga[24]等人的2維定位與角度測量研究都是基于這一方式;在位置感知方式下，可以通過對跟蹤對象安裝RFID標(biāo)簽，然后將RFID標(biāo)簽讀取器放置在位置的地方，當(dāng)跟蹤對象進(jìn)入到感知范圍內(nèi)時，就可以檢測到跟蹤對象的位置了?；赗SSI的RFID定位在一定程度上與ZigBee的定位方法類似。目前RFID廣泛地應(yīng)用于田徑比賽時間檢測[25]、運輸倉儲、圖書館導(dǎo)游交互[26]、室內(nèi)位置感知、人員跟蹤系統(tǒng)[27]等等。廣為人知的SpotON系統(tǒng)[28]就是基于RSSI對主動型RFID標(biāo)簽進(jìn)行定位的系統(tǒng);香港科技大學(xué)的LANDMARC系統(tǒng)[29]采用RFID技術(shù)思想，用活性參考標(biāo)簽代替離散數(shù)據(jù)采集，其動態(tài)參考信息能更好的適應(yīng)室內(nèi)環(huán)境波動，提高定位精度(50th-1m，最大誤差2m)，但是系統(tǒng)需要調(diào)節(jié)目標(biāo)發(fā)射功率級別來估計距離遠(yuǎn)近，該過程不僅影響精度，而且造成一定時滯。AbdelmoulaBekkali等人[27]通過使用參考標(biāo)簽形成RFID地圖，并結(jié)合Kalman濾波可得到很高的定位精度。由于RSSI定位精度的問題，有很多人對這一方法的可行性提出了質(zhì)疑。SergioPolito等人[30]對基于RF能量的，主動型RFID的定位性能做了評估，指出:僅在算法上的改良，在室內(nèi)環(huán)境下能夠到達(dá)的定位精度仍然有限;為了到達(dá)更高的精度，需要大量的參考點和檢測天線，同時不同的環(huán)境對無線能量傳播的影響是必須考慮的因素，在定位算法中還存在著不容易確定的參數(shù)。國內(nèi)有很多采用RFID技術(shù)應(yīng)用的例子，如國家大劇院已應(yīng)用WLAN和RFID定位的設(shè)備。2.4其它的無線定位技術(shù)Wi-Fi(IEEE802.11)[31]和藍(lán)牙[32]是目前較為常用的兩種無線網(wǎng)絡(luò)協(xié)議?；赪i-Fi和藍(lán)牙的無線定位也主要是根據(jù)接收信號強(qiáng)度來實現(xiàn)的，這里就不做詳細(xì)介紹了。由于采用這一方案的種種問題，很多研究是對基于接收信號強(qiáng)度的定位方法進(jìn)行改良。為了得到更高的精度，很多研究人員研究了必要的精確校準(zhǔn)方法[33]。另外，有一些定位系統(tǒng)是將RF與其它的無線傳輸結(jié)合起來實現(xiàn)定位。麻省理工學(xué)院的Cricket系統(tǒng)[34]就是通過信標(biāo)節(jié)點同時發(fā)出無線射頻信號與超聲波信號，由于超聲波傳播較慢，接收端接收的兩種信號會形成時間差，由此可以計算得到信標(biāo)節(jié)點與接收端的距離。在使用多個信標(biāo)節(jié)點之后，Cricket就可以實現(xiàn)對接收端的定位。3定位算法3.1應(yīng)用型定位算法XiaoyanLi等人提出了一種基于應(yīng)用的RSS定位算法[15]。傳感器定位系統(tǒng)在現(xiàn)實的運用中，越來越多的需要考慮到環(huán)境對RSS影響造成的定位誤差問題。例如：基于RSS定位的某一超市，如果某一盜賊在偷取物品時利用某些金屬盒影響了傳感器的RSS值，超市的定位系統(tǒng)就會出現(xiàn)故障，那么盜賊很容易將物品帶出，而超市卻不知道物品的具體位置。文章研究在對所有信標(biāo)節(jié)點采取同樣信號攻擊的前提下，保證定位精確度的問題。首先是建立獲取同樣信號攻擊的模型。第一種方式：將節(jié)點放入錫罐中；第二種方式：通過編程的方式，將節(jié)點的信號強(qiáng)度減小。其次，確立魯棒的信號強(qiáng)度參數(shù)。文章認(rèn)為兩個節(jié)點之間的相對信號強(qiáng)度是不變的。信號發(fā)生變化前相對信號強(qiáng)度，當(dāng)信號發(fā)生變化后，相對信號強(qiáng)度。最后，利用其它比擬成熟的定位算法，使用相對信號強(qiáng)度這一不變參數(shù)對待定位節(jié)點進(jìn)行定位。文章在80ft*70ft的實驗室進(jìn)行了實驗。在實驗室中布置了5個錨節(jié)點，總共有20個采樣的位置。RSS值是通過獲取100個數(shù)據(jù)包的平均值求得。實驗數(shù)據(jù)，都是通過錫罐覆蓋的方式改變RSS的值。以RSM作為衡量參數(shù)進(jìn)行定位的原那么分別運用到兩種定位算法中：最小二乘法定位和指紋定位。通過實驗比對原始定位算法和改良后算法的定位性能。從實驗仿真數(shù)據(jù)可以看出，兩種算法改良后對于RSS攻擊的敏感性更小，定位精度更高。對于每個采樣位置的精確度分析也顯示改良后的算法魯棒性更高。3.2針對固定節(jié)點的定位算法3.2.1指紋定位算法2023年DanLiu等人提出了基于指紋定位算法，找出含有最有用信息的一組參考節(jié)點給待定位節(jié)點定位，提高定位精度的算法[16]。首先通過模糊聚類選取最有用的一組參考節(jié)點；其次利用jffrey&Matusita公式給參考節(jié)點分配不同的權(quán)值。文章利用TI生產(chǎn)的CC2431節(jié)點，在5*13.5的長方形房間布置8個錨節(jié)點進(jìn)行實驗。仿真將本文提出的算法和CC2431自帶的定位算法進(jìn)行比照。結(jié)果顯示文章提出的定位算法誤差不到1m，比原始的指紋定位算法誤差更小。2023年P(guān)anaratCherntanomwong等人提出利用指紋庫中所有的采樣數(shù)據(jù)進(jìn)行定位，減小定位誤差[17]。首先，建立網(wǎng)格中每個格點收到參考節(jié)點RSS值的指紋庫。其次，利用歐幾里得距離公式和指紋庫中的所有信息計算待定位節(jié)點的位置。文章利用Xbee-24ZB節(jié)點，4個或者6個參考節(jié)點，36個指紋庫信息進(jìn)行仿真。仿真結(jié)果顯示4個參考節(jié)點時定位誤差為0.56m，6個參考節(jié)點時定位誤差為0.44m。PanaratCherntanomwong等人于同一年，提出基于指紋定位算法的改良算法。通過選取指紋庫中最有用采樣數(shù)據(jù)進(jìn)行定位，提高定位精度[18]。首先建立網(wǎng)格中每個格點收到參考節(jié)點RSS值的指紋庫；其次，利用模糊C-Means聚類算法找出含有最有用信息的節(jié)點，再根據(jù)歐幾里得距離公式計算待定位節(jié)點的坐標(biāo)。通過聚類的方式，減小了與待定位節(jié)點無關(guān)的節(jié)點信息引起的定位誤差，提高了定位的精確度。3.2.2壓縮感知定位算法奈奎斯特采樣定理是信號處理領(lǐng)域信號采樣和重構(gòu)的重要理論根底，它指出，采樣速率需到達(dá)信號帶寬兩倍以上是防止混疊、精確重構(gòu)信號的必要條件[19l。近年來由Candès、Romberg、Ta。和Donoho等人提出了一種新穎的理論，即壓縮感知理論(CompressiveSensing，CS)[20-22]。不同于傳統(tǒng)的奈氏采樣定理，CS指出，對于可壓縮或在某個變換域內(nèi)稀疏的信號，可從遠(yuǎn)比奈氏采樣速率低的采樣或測量中以高概率得到無損恢復(fù)[6]。其具體實現(xiàn)可通過一個與變換基不相關(guān)的感知矩陣將變換所得高維信號投影到一個低維空間，并通過優(yōu)化問題的求解從這些低維的投影信號中以高概率重構(gòu)原始信號。由于實際信號在某一特定域下(如空域、頻域、小波域等)往往具有一定的可壓縮性，因而該理論為壓縮采樣、信號重構(gòu)領(lǐng)域帶來了一次新的革命。3.2.3目標(biāo)跟蹤定位算法2023年MajdiMansouri等人文章提出了量化目標(biāo)跟蹤的遺傳優(yōu)化算法[27]。算法的具體流程如下列圖所示：圖3遺傳優(yōu)化算法首先t-1時刻選取的簇頭利用量化近似觀測模型〔QuantizedProximityObservationModel，QPOM〕獲取t-1時刻待定位節(jié)點的坐標(biāo)；其次t-1時刻利用t-1時刻之前待定位節(jié)點的所有坐標(biāo)信息和量化變?yōu)V波算法〔QuantizedVariationalFilter，QVF〕算法計算出t時刻的簇頭；再次，t-1時刻的簇頭利用t-1時刻待定位節(jié)點的坐標(biāo)選取最優(yōu)的一組傳感節(jié)點，并計算出最優(yōu)的量化級；接著，利用最優(yōu)量化級對選取的一組最優(yōu)傳感節(jié)點的感知數(shù)據(jù)進(jìn)行量化；最后t時刻簇頭利用量化的觀測數(shù)據(jù)計算t時刻待定位節(jié)點的坐標(biāo)。文章在100個傳感節(jié)點，采樣100次，節(jié)點的傳輸半徑是10m的環(huán)境下進(jìn)行了仿真。通過定位精確度、均方差、執(zhí)行時間和整個定位跟蹤的能耗四個方面進(jìn)行了仿真分析。首先，將本文提出的Optimized-QVF算法和QVF-R算法，QPF算法從定位精確度，均方差和執(zhí)行時間上進(jìn)行了比照。實驗數(shù)據(jù)說明，本文提出的優(yōu)化-QVF算法在各個評價指標(biāo)上都有顯著的優(yōu)勢。其次，三個算法定位誤差都隨著節(jié)點密度的增加而減小，隨著節(jié)點噪聲的增加而增加，隨著節(jié)點傳輸功率的增加而減小。2023年馮辰等人在壓縮感知定位算法的根底上，提出了基于卡爾曼濾波的壓縮感知室內(nèi)目標(biāo)跟蹤定位算法[28]。算法的具體流程如下列圖所示：圖4壓縮感知跟蹤定位算法首先，需要預(yù)先設(shè)定要節(jié)點的目標(biāo)位置和行走路徑。其次，通過壓縮感知定位算法計算出節(jié)點的位置。再次，粗定位和卡爾曼濾波同時進(jìn)行，分別選出最適合定位的簇，如果兩者匹配，那么將選定的簇用于精確定位。最后，導(dǎo)航功能是利用目標(biāo)節(jié)點的位置和路徑進(jìn)行匹配，如果和哪個位置匹配成功，那么驅(qū)動相應(yīng)的聲控命令。文章的實驗在加拿大盲人研究院的二樓進(jìn)行。面積為18m*36m，128個參考節(jié)點。每個參考節(jié)點在4個方向上分別采樣50次。移動速度為0.34m/s，通過4條不同的測試路線進(jìn)行實驗。利用c#做的測試界面。移動設(shè)備使用HPiPAQhx2750PDA。文章的實驗將提出的壓縮感知定位算法和RADAR算法，Horus定位算法，Kernel-based定位算法進(jìn)行比照。實驗結(jié)果顯示，本文提出的壓縮感知定位算法在不同的未知位置下，定位誤差都優(yōu)于其它定位算法。當(dāng)未知位置設(shè)置為14個時，本文提出的壓縮感知定位算法90%的誤差都小于3.2m，優(yōu)于其它三種定位算法。在目標(biāo)跟蹤系統(tǒng)測試中，壓縮感知定位算法90%定位誤差都小于2.9m優(yōu)于其它三種算法。針對導(dǎo)航系統(tǒng)的測試，數(shù)據(jù)顯示運用導(dǎo)航行走的時間為485.5s，大于正常速度到達(dá)的時間367.3s。3.2.4無線傳感網(wǎng)絡(luò)可定位性分析的算法2023年TaoChen，ZhengYang，YunhaoLiu等人提出了LAL_Basic和LAL_Heuristic算法對網(wǎng)絡(luò)可定為性進(jìn)行分析[29]。在通信開銷最小的情況下，有效的調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)，使整個網(wǎng)絡(luò)都是可定位的。算法的具體流程如下列圖所示：圖5網(wǎng)絡(luò)可定為性算法首先初始化網(wǎng)絡(luò)配置；其次，通過網(wǎng)絡(luò)流算法和卵石博弈算法，計算節(jié)點的可定位性，進(jìn)行可定位性測試；再次，通過深度優(yōu)先搜索，將網(wǎng)絡(luò)分為多個2連通的組件，進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)分析；再次，利用文章提出的LAL_Basic算法和LAL_Heuristic將網(wǎng)絡(luò)調(diào)整為可定位的網(wǎng)絡(luò)。最后利用定位算法對網(wǎng)絡(luò)中的待定位節(jié)點進(jìn)行定位。文章的實驗環(huán)境為，單位正方形面積上，不規(guī)那么的隨機(jī)擺放400個節(jié)點，有3個錨節(jié)點，節(jié)點的通信距離從0.06以0.02的增速變至0.98。實驗的數(shù)據(jù)是通過100個網(wǎng)絡(luò)實例集成所得。通過Anderson等提出的普通調(diào)整方法IND和本文提出的LAL_Basic算法和LAL_Heuristic算法進(jìn)行仿真分析，從參加邊的數(shù)量、邊的總數(shù)和可定位節(jié)點數(shù)量三個方面進(jìn)行評測。實驗數(shù)據(jù)顯示，文章提出的兩種算法在添加邊的數(shù)量上都少于IND算法。2023年RyoSugihara和RajeshK.Gupta提出了提出一種在多種網(wǎng)絡(luò)模型下，可準(zhǔn)確判定節(jié)點的可定位性，以及定位誤差上限的semidefiniteprogramming(SDP)算法[30]。文章首先提出了剛性原理對網(wǎng)絡(luò)可定位性分析的局限性，其次提出SDP算法對網(wǎng)絡(luò)的可定位性進(jìn)行分析，彌補(bǔ)了剛性原理的缺陷，最后利用SDP算法計算待定位節(jié)點的位置。4.總結(jié)文章通過對無線傳感器網(wǎng)絡(luò)定位算法的研究，引出一系列定位算法以及定位誤差的優(yōu)化算法。從基于應(yīng)用型的定位算法，固定節(jié)點的定位算法，移動目標(biāo)跟蹤定位算法到網(wǎng)絡(luò)性能分析算法四個方面提出了提高節(jié)點定位的方法。本文就是將室內(nèi)可能存在的網(wǎng)絡(luò)信號進(jìn)行分析，然后利用可利用的信號資源進(jìn)行融合定位的。經(jīng)過分析得知，WSN、Wi-Fi、GPS均為室內(nèi)外常見網(wǎng)絡(luò)，且低本錢，高精度，適用于室內(nèi)環(huán)境的優(yōu)勢，已成為室內(nèi)定位的研究熱點，同時，三種信號的融合定位算法易擴(kuò)展到室外。參考文獻(xiàn)[1]RabacyJJ，AmmerMJ，daSilvaJr．JL，PatelD，RoundyS．Picorodiosupportsadhocultra-lowpowerwirelessnetworking．Computer，2000，33(7)：42-48．[2]BolengJ，CampT.Adaptivelocationaidedmobileadhocnetworkrouting.In:ProceedingsoftheIEEEInternationalConferenceonPerformance，Computing，andCommunications，Phoenix，Arizona，USA，2004.423-432[3]HarterA，HopperA，StegglesP，etal.Theanatomyofacontext-awareapplication.In:Proceedingsofthe5thAnnualInternationalConferenceonMobileComputingandNetworking.SeattleWashington，USA，1999.59-68[4]JiYM，BiazS，PandeyS，.ARIANDNE:Adynamicindoorsignalmapconstructionandlocalizationsystems，ApplicationsandServices[C].NewYork，NJ，USA:ACM，2006.151-164.[5]CandesE，RombergJ，TaoT.Robustuncertaintyprinciples:exactsignalreconstructionfromhighlyincompletefrequencyinformation.IEEETransactionsonInformationTheory，2006，52(2):489—509[6]DonohoDL.Compressedsensing.IEEETransactionsonInformationTheory，2006，52(4):1289—1306[7]CandesE.Compressivesampling.In:ProceedingsofInternationalCongressofMathematicians.Madrid，Spain:EuropeanMathematicalSocietyPublishingHouse，2006.1433—1452[8]王福豹，史龍，任豐原，無線傳感器網(wǎng)絡(luò)中的自身定位系統(tǒng)和算法。軟件學(xué)報2005年第16卷第5期.[9]BahlP，PadmanabhanVN．RADAR：Anin-buildingRF-baseduserlocationandtrackingsystem．In：Proc．oftheIEEEINFOCOM2000．V01．2，TelAviv：IEEEComputerandCommunicationsSocieties，2000．775—784．[10]GoodsteinL.LocationBasedService:AnalysisofCarrierSpending.Subscribers，DevicesandApplicationsforHandset-basedandTelematicsServices[R].NewYork:ABIResearch，2004.[11]BahlP，PadmanabhanVN.RADAR:Anin-buildingRF-baseduserlocationandtrackingsystem[A].Proceedingsofthe9thAnnualJointConferenceoftheIEEEComputerandCommunicationsSocieties[C].Piscataway，NJ，USA:IEEE，2000.775-784.[12]JiYM，BiazS，PandeyS，.ARIANDNE:Adynamicindoorsignalmapconstructionandlocalizationsystems，ApplicationsandServices[C].NewYork，NJ，USA:ACM，2006.151-164.[13]ZarubaGV，HuberM，KamangarFA.MonteCarlosamplingbasedin-homelocationtrackingwithminimalRFinfrastructurerequirements[A].ProceedingsoftheIEEEGlobalTelecommunicationsConference[C].Piscataway，NJ，USA:IEEE，2004.3624-3629.[14]MadiganD，ElnhrawyE，MartinRP.Bayesianindoorpositioningsystem[A].Proceedingsofthe24thAnnualJointConferenceoftheIEEEcomputerandCommunicationsSocieties[C].Piscataway，NJ，USA:IEEE，2005.1217-1227.[15]LimH，KungLC，HouJC.Zero-configuration，robustindoorlocalization:Theoryandexperimentation[A].Proceedingsofthe25thIEEEinternationalConferenceonComputerCommunications[C].Piscataway，NJ，USA:IEEE，2006.1633-1644.[16]PahlavanK，LiX，MakelaJP.Indoorgeolocationscienceandtechnology[J].IEEECommunicationsMagazine，2002，40(2):112-118.[17]MarkNorris，“Locationmonitoringwithlow-costZigBeedevices〞，Wireless，F(xiàn)ebruary，2006，pp51-53.[18]ShinsukeHara，DapengZhao，KentaroYanagihara，JumpeiTaketsugu，KiyoshiFukui，ShigeruFukunagaandKen-ichiKitayama，“PropagationCharacteristicsofIEEE802.15.4RadioSignalandTheirApplicationforLocationEstimation〞，VehicularTechnologyConference，2005，IEEE61st，Vol.130，June2005，pp97-101.[19]DimitriosLymberopoulos，QuentinLindsey，andAndreasSavvides，“AnEmpiricalCharacterizationofRadioSignalStrengthVariabilityin3-DIEEE802.15.4NetworksUsingMonopoleAntennas〞，ProceedingsofThirdEuropeanWorkshoponWirelessSensorNetworks，SpringerBerlin，Heidelberg，Jan.2006，pp.326-341.[20]HyunggiCho，MyungseokKang，JonghyukPark，ByungsungParkandHagbaeKim，“PerformanceAnalysisofLocationestimationalgorithminZigBeenetworksusingreceivedsignalstrength〞，21stInternationalConferenceonAdvancedInformationNetworkingandApplicationsWorkshops/Symposia，AINAW'07，2007，pp302-306.[21]RobertJ.FontanaandStevenJ.Gunderson“Ultra-widebandprecisionassetlocationsystem，〞2002IEEEConferenceonUltraWidebandSystemsandTechnologies，May2002，Baltimore，MD.[22]RobertJ.Fontana，EdwardRichleyandJoAnnBarney，“CommercializationofAnUltraWidebandPrecisionAssetLocationSystem〞，2003IEEEConferenceonUltraWidebandSystemsandTechnologies，November2003，Reston，VA.[23]Chia-ChinChong，F(xiàn)ujioWatanabe，andHiroshiInamura，“PotentialofUWBtechnologyforthenextgenerationwirelesscommunications〞，IEEE9thInternationalSymposiumonSpreadSpectrumSymposiumonSpreadSpectrumTechniquesandApplications，Proceedings，2006，pp422-429.[24]A?ngelaHerna?ndez，Rube?nBadorrey，JuanCho?liz，IgnacioAlastrueyandAntonioValdovinos，“AccurateindoorwirelesslocationwithIRUWBsystems:aperformanceevaluationofjointreceiverstructuresandTOAbasedmechanism〞，ConsumerElectronics，IEEETransactionson，May2023，Vol.54，Issue:2，pp381–389.[25]Chin-DerWannandChih-ShengHsueh，“NLOSmitigationwithbiasedKalmanfiltersforrangeestimationinUWBsystems〞，TENCON2007IEEERegion10Conference，Oct.30-Nov.2，2007，pp1-4.[26]TeruhiroHaga，YamatoHorikoshi，SosukeTsukamoto，andHiroshiHoshino，“Two-dimensionalLocationandDirectionEstimatingMethod〞，6thInternationalSpecialTopicConferenceonITAB，2007，Tokyo，pp296-297.[27]HyungSooLim，ByoungSukChoiandJangMyungLee，“AnEfficientLocalizationAlgorithmforMobileRobotsbasedonRFIDSystem〞，SICE-ICASEInternationalJointConference2006Oct.18-21，2006，Bexco，Busan，Korea.[28]A.R.Al-Ali，F(xiàn)adiA.Aloul，NadaR.Aji，AminA.Al-ZarouniandNassarH.Fakhro，“MobileRFIDTrackingSystem〞，3rdInternationalConferenceonInformationandCommunicationTechnologies:FromTheorytoApplications，2023.April7-11，2023，pp1-4.[29]AbdelmoulaBekkali，HoracioSansonandMitsujiMatsumoto，“RFIDIndoorPositioningBasedonProbabilisticRFIDMapandKalmanFiltering〞，2007.ThirdIEEEInternationalConferenceonWirelessandMobileComputing，NetworkingandCommunications，Oct.8-10，2007，pp21-27.[30]JeffreyHightower，ChrisVakili，GaetanoBorriello，andRoyWant，“DesignandCalibrationoftheSpotONLocationSensingSystem〞，Seattle，WA，August2001.[31]LionelMN，LiuYH，LauYC.LANDMARC:IndoorlocationsensingusingactiveRFID[J].WirelessNetworks.2004，10(6):701