基于RSS的多目标节点定位算法
摘要：为节约成本、提高算法实用性和准确性，提出一种新颖的基于RSS的多目标节点定位算法。通过一个移动信标节点采集RSS信号及其相应位置坐标，构成已知条件，结合高斯混合模型和贝叶斯信息准则等统计模型设计实现多目标高斯混合模型定位算法。仿真实验和实测实验均表明该算法在不预先假设一定区域内传感器节点数量的情况下，能够同时估计传感器节点的数量和位置，具有较好的实用性和准确性。
本文引用地址：http://www.amcfsurvey.com/article/164387.htm引言
无线传感器网络节点定位是传感器网络研究的热点，如何利用简单廉价的设备得到精确的定位结果一直是传感器节点定位研究的重点和难点。
在目前已有的定位算法中，基于RSS的节点定位算法与基于AOA、TOA或TDOA的节点定位算法相比，具有成本低、适用范围广等优点，但定位精度不高[1-2]。为此，研究人员利用统计模型提高定位算法的健壮性和精确度[3-8]。另外，很多定位算法假设待估节点数量已知，或者假设RSS发射节点的ID可识别，但在大多数情况下，上述假设都是不可预知的，很难在实际环境中使用，因而算法实用性不强。
为节约成本，提高算法实用性和精度，本文提出一种新颖的基于RSS的定位算法——多目标高斯混合模型定位算法(Multi-target Localization Based on Gaussian Mixture Model，MTL-GMM)，使用单一移动信标节点[8-9]采集信息，用最小化已知条件估算传感器节点的数量和位置信息。仿真实验和实测实验均证明了本文提出算法的有效性和准确性。
多目标高斯混合模型
基本假设
MTL-GMM算法用一个移动信标节点(RSS-collector，RC)采集信息做为已知条件。RC在定位区域内移动，采集周围传感器节点发射的RSS信号，并记录收到每个RSS时
信号传播的路径损耗模型描述了RSS取值和信号传播距离的关系，本文使用对数距离路径损耗模型[10]，如式(1)所示。
其中，r和t分别为接收和发射信号强度，单位为dB;d为信号收发节点间距离;l0为在参考距离d0处的路径损耗;γ为与环境相关的路径损耗指数，反应路径损耗随距离增长的速率; S为对数正态阴影。
评论