买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：宁波大学

摘要：本发明公开了一种基于消息传递算法的AOA与RSS联合定位方法，其通过对每个锚节点的RSS和AOA测量值进行建模，得到AOA与RSS联合定位问题，进而写出联合后验概率密度函数，并分解成多个局部函数相乘；将局部函数作为因子节点，将因子节点相关的各个变量作为变量节点，画出因子图；在迭代时，利用消息传递算法，并根据因子图中的RSS部分，计算锚节点的RSS测量值对应的测量模型相关的后向消息；根据AOA部分，计算锚节点的AOA测量值对应的测量模型相关的后向消息；迭代时更新了目标节点对应的变量节点的置信度，进而得到目标节点的位置估计值；在迭代结束后最后更新的目标节点对应的变量节点的置信度的期望作为位置的最终估计值；优点是计算复杂度低。

主权项：1.一种基于消息传递算法的AOA与RSS联合定位方法，其特征在于包括以下步骤：步骤1：在目标定位场景中，设定存在M个锚节点和一个目标节点，且M个锚节点的位置已知，而目标节点的位置未知；所有锚节点和目标节点工作状态下，目标节点发送信号，所有锚节点同时接收信号，且每个锚节点从其接收到的信号中提取出带测量噪声的RSS测量值和带测量噪声的AOA测量值，将第m个锚节点从其接收到的信号中提取出的带测量误差的RSS测量值和带测量误差的AOA测量值对应记为和然后利用对数路径损耗模型对每个锚节点的RSS测量值进行建模，将建模为：并利用三角函数对每个锚节点的AOA测量值进行建模，将建模为：其中，M≥3，m＝1,2,…,M，P0表示参考距离1米处的RSS真实值，γ表示路径损耗指数，“||||2”表示求2-范数，X0表示目标节点的位置，即X0＝x0,y0，Xm表示第m个锚节点的位置，即Xm＝xm,ym，x0表示目标节点的位置的x轴坐标值，y0表示目标节点的位置的y轴坐标值，xm表示第m个锚节点的位置的x轴坐标值，ym表示第m个锚节点的位置的y轴坐标值，表示第m个锚节点在RSS测量过程中不可避免地产生的测量误差，即的测量误差，服从方差为的零均值高斯分布，表示第m个锚节点在AOA测量过程中不可避免地产生的测量误差，即的测量误差，服从方差为的零均值高斯分布；步骤2：将AOA与RSS联合定位问题描述为：然后根据AOA与RSS联合定位问题写出联合后验概率密度函数，记为再考虑到中的各变量之间存在的相关性，将分解成多个局部函数相乘的形式，表示为：其中，P表示所有锚节点的RSS真实值构成的向量，θ表示所有锚节点的AOA真实值构成的向量，表示所有锚节点的RSS测量值构成的向量，表示所有锚节点的AOA测量值构成的向量，px0表示x0的先验概率，py0表示y0的先验概率，pP|x0,y0、pθ|x0,y0、pLm|x0,y0、pθm|x0,y0均为似然函数，并作为局部函数，Lm表示目标节点与第m个锚节点之间的欧氏距离的对数，Lm＝log10||x0,y0-xm,ym||，符号“||||”表示求欧氏距离，θm表示第m个锚节点的AOA真实值；步骤3：将分解得到的每个局部函数用一个因子表示，进而将重新表示为：其中，gmLm、fmθm、均为因子，exp表示以自然基数e为底的指数函数，δ表示狄拉克函数，步骤4：画出因子图：将每个锚节点对应的各个因子均作为因子节点，将所有因子节点相关的各个变量均作为变量节点，将一个因子节点相关的各个变量节点定义为该因子节点的参数变量节点，将每一个因子节点与其各个参数变量节点之间均以一条边连接，得到因子图，因子图包含RSS部分和AOA部分；步骤5：令bx0表示x0的置信度，令by0表示y0的置信度；然后初始化bx0和by0，令t表示迭代次数，t的初始值为1，令tmax表示最大迭代次数；其中，表示x0服从均值为且方差为ρ的高斯分布，表示y0服从均值为且方差为ρ的高斯分布，表示x0的随机初始值，表示y0的随机初始值，ρ为预设的正数；步骤6：在第t次迭代，利用消息传递算法，并根据因子图中的RSS部分，同时计算所有锚节点各自的RSS测量值对应的测量模型相关的后向消息，具体过程为：步骤6.1.1：针对第m个锚节点，计算从因子节点gm传递到变量节点Lm的消息，记为其中，表示Lm服从均值为且方差为的高斯分布，Pm表示第m个锚节点的RSS真实值；步骤6.1.2：针对第m个锚节点，计算从变量节点Lm传递到因子节点的消息，记为步骤6.1.3：针对第m个锚节点，计算从因子节点传递到变量节点x0的消息，记为其中，表示x0服从均值为且方差为的高斯分布，上标“T”表示转置，t＝1时为x0的随机初始值、为y0的随机初始值，t＞1时为第t-1次迭代得到的x0的估计值、为第t-1次迭代得到的y0的估计值；步骤6.1.4：针对第m个锚节点，计算从因子节点传递到变量节点y0的消息，记为其中，表示y0服从均值为且方差为的高斯分布，同时，在第t次迭代，利用消息传递算法，并根据因子图中的AOA部分，同时计算所有锚节点各自的AOA测量值对应的测量模型相关的后向消息，具体过程为：步骤6.2.1：针对第m个锚节点，计算从因子节点fm传递到变量节点θm的消息，记为其中，表示θm服从均值为且方差为的高斯分布；步骤6.2.2：针对第m个锚节点，计算从变量节点θm传递到因子节点的消息，记为步骤6.2.3：针对第m个锚节点，计算从因子节点传递到变量节点x0的消息，记为其中，表示x0服从均值为且方差为的高斯分布，步骤6.2.4：针对第m个锚节点，计算从因子节点传递到变量节点y0的消息，记为其中，表示y0服从均值为且方差为的高斯分布，步骤7：根据高斯函数乘积的性质，更新bx0和by0，得到第t次迭代的bx0和by0，然后令即将作为第t次迭代得到的x0的估计值，并令即将作为第t次迭代得到的y0的估计值，为第t次迭代得到的目标节点的位置估计值；其中，表示x0服从均值为且方差为的高斯分布，表示y0服从均值为且方差为的高斯分布，步骤8：判断t是否到达tmax或第t次迭代得到的目标节点的位置估计值与第t-1次迭代得到的目标节点的位置估计值的差的2范数是否小于设定阈值ζ，如果t未到达tmax且第t次迭代得到的目标节点的位置估计值与第t-1次迭代得到的目标节点的位置估计值的差的2范数大于或等于设定阈值ζ，则令t＝t+1，然后返回步骤6继续迭代；如果t到达tmax或第t次迭代得到的目标节点的位置估计值与第t-1次迭代得到的目标节点的位置估计值的差的2范数小于设定阈值ζ，则结束迭代过程，将第t次迭代更新得到的bx0和by0的期望作为目标节点的位置的最终估计值。

全文数据：

权利要求：

百度查询： 宁波大学 基于消息传递算法的AOA与RSS联合定位方法