(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210713276.9 (22)申请日 2022.06.22 (71)申请人 杭州电子科技大 学 地址 310018 浙江省杭州市下沙高教园区2 号大街 (72)发明人 彭冬亮　翁一鸣　陈志坤　 (74)专利代理 机构 杭州君度专利代理事务所 (特殊普通 合伙) 33240 专利代理师 朱亚冠 (51)Int.Cl. H04W 4/02(2018.01) H04W 64/00(2009.01) G06F 30/18(2020.01) G06F 17/16(2006.01) G06F 17/18(2006.01)G06F 30/20(2020.01) G06K 9/62(2022.01) G06N 3/00(2006.01) (54)发明名称 一种基于传感器网络的分布式直接定位方 法 (57)摘要 本发明公开了一种基于传感器网络的分布 式直接定位方法。 目前的分布式直接定位算法低 信噪比下定位精度较低的问题。 为提高分布式直 接定位精度， 本发明采用如下方案： 一、 推导了基 于子空间数据融合算法的高分辨率直接定位分 布式优化模型。 二、 针对目标位置初始值求解的 问题， 采用基于向量评估的粒子群算法得到目标 位置迭代初始值的粗估计， 然后利用传统聚类算 法得到目标位置迭代初始值， 避免了传统两步定 位算法参数匹配的问题。 三、 引入分布式优化领 域中的精确一阶算法， 通过两步梯度信息迭代求 解达到集中式直接定位的精度， 解决分布式处理 导致定位精度损失的问题。 权利要求书4页 说明书9页 附图6页 CN 115119142 A 2022.09.27 CN 115119142 A 1.一种基于传感器网络的分布式直接 定位方法， 其特 征在于包括以下步骤： 步骤(1)、 根据仿真定位场景产生辐射源多阵列信号： 根据预设的辐射源目标数Q、 快拍数N、 载波频率fc、 调频率u、 采样率fs， 产生线性调频 信号的离 散形式sq(n)， n＝1,...,N， q＝1,. ..,Q； 预设传感器阵元数M、 阵元间距d， 得第m个阵元向量 其中， m ＝1,...,M， T表示 转置； 根据传感器位置pr、 辐射源目标位置pq、 信号波长λ， 得到波数向量信息 其中， ||·||为取模符号， Δ dist表示传感 器位置距辐射源目标位置的距离向量， u表示辐射源目标距传感器的单位方向 向量； 将阵元向量、 波数向量相结合组成传感器r阵列导向矢量： 其中j表示虚数； 调用randn()函数并设定合适的信噪比参数SNR来加入噪声wr(n)， 则传感器r阵列接收 信号为如下形式: 其中， sq(n)表示辐射源目标q信号的离 散形式； 为便于计算， 设传感器r的N个快拍阵列 接收信号矩阵Zr＝[zr(1),...,zr(N)]， 传感器r 的Q个辐射源目标的阵列 导向矢量矩阵Ar＝[ar(p1),...,ar(pQ)]， Q个辐射源目标离散信号 矩阵Sr＝[s1,...,sQ]T， 其中sq＝[sq(1),...,sq(N)]T， 传感器r阵列接收噪声信号矩阵， Wr＝ [wr(1),..,wr(n)]； 将传感器r阵列接收信号模型转 化为矩阵形式： Zr＝ArSr+Wr (3) 步骤(2)、 各传感器计算阵列接收信号的协方差矩阵， 构建子空间代价函数Jr(p)； 具体 是： 根据传感器r的阵列接收信号， 得到阵列接收信号的协方差矩阵： 其中Zr表示传感器r的阵列接收信号， 符号H表示共 轭转置运 算； 由公式(4)进行 特征值分解， 得到 M个特征值eig及其对应的M个特 征向量x； 上述特征值按大小排序满足如下关系： eig1 eig2 eigQ eigQ+1＝eigM (5) 取M‑Q个较小特征值对应 的特征向量构成噪声子空间 根据MUSIC空 间谱估计算法原理， 构造传感器r的子空间代价 函数为：权　利　要　求　书 1/4 页 2 CN 115119142 A 2其中p为目标可能存在的位置， ar(p)表示位置p对应的阵列导向矢量， 当p＝pq时， 子空 间代价函数取得极小值； 步骤(3)、 结合传感器网络结构， 构建 分布式直接 定位局部代价 函数J′r(p)； 具体是： 各传感器与相邻传感器交换子空间代价函数信 息， 构建分布式直接定位局部代价函数 为： 其中 其中Cr表示传感器r与相邻 传感器构成的传感器集合， 记作传 感器簇， Dr表示传感器簇Cr内传感器数量， Jl(p)表示传感器l的子空间代 价信息， l为传感器 r对应的传感器簇 Cr中可能取到的传感器； 步骤(4)、 采用基于向量评估的粒子群优化 算法估计目标位置迭代初始值 粗估计； 步骤(5)、 基于聚类优化 算法估计目标位置迭代初始值； 步骤(6)、 基于精确一阶算法优化目标定位结果。 2.根据权利要求1所述的一种基于传感器网络的分布式直接定位方法， 其特征在于步 骤(4)是以各传感器为独立的智能体， 每一个智能体以局部直接定位代价函数为适应度函 数， 创建一个粒子群,并行计算估计目标位置， 其具体如下： 4‑1定义并初始化各传感器粒子群算法粒子数Np， 迭代次数Niter1， 传感器簇中最佳粒子 位置 每个传感器中粒子群的最优粒子位置pg[r]， 粒子群中粒子i历史最优位置pi， 粒 子群中粒子i当前位置xoyi； 4‑2更新各粒子i历史最优位置： 如果Jr(xoyi)<Jr(pi)， 令pi＝xoyi， 反之则不更新； 其中， J ′r(xoyi)表示分布式直接定位 局部代价函数J ′r(p)， p取xoyi时的值， J ′r(pi)表示分布式直接定位局部代价函数J ′r(p)， p 取pi时的值； 4‑3更新各粒子群最优粒子位置： 如果Jr(pi)<Jr(pg[r])， 令pg[r]＝pi， 反之则不更新； 其中， J ′r(pg[r])表示分布式直接定位 代价函数J′r(p)， p取pg[r]时的值； 4‑4更新传感器簇中最佳 粒子位置： 随机取传感器簇中传感器l的粒子群的最优粒子位置， 即传感器的任一最优粒子位置 pg[l],l∈Cr赋值给该传感器所在 传感器簇最佳 粒子位置 4‑5更新各粒子速度状态： 其中， vi为第i个粒子的速度， xoyi为第i个粒子当前位置， χ表示缩放系数， 与 分别表示在 与 范围内生成的随机向量， 表示向量 点乘运算符； 4‑6更新各粒子当前位置状态：权　利　要　求　书 2/4 页 3 CN 115119142 A 3