![基于加权多维标度的无线信号定位理论与方法](https://wfqqreader-1252317822.image.myqcloud.com/cover/741/36511741/b_36511741.jpg)
6.3 基于加权多维标度的定位方法1
6.3.1 标量积矩阵的构造
这里的标量积矩阵与4.2.1节中的标量积矩阵相同,其表达式为
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_55.jpg?sign=1739290006-B6oZXIKkaGqERVFp4gEvo0RzecxpGg8R-0-28bd89509818fdf3fee3ce5c5b3210a9)
(6.16)
式中,为坐标矩阵,它由传感器和辐射源的位置向量构成,如下式所示:
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_57.jpg?sign=1739290006-HzkaSlNJ17FNYKudTXS7MBk1eiiw3bPY-0-345b871d397f15e114215e4d3b56cf32)
(6.17)
式中,[3]。
根据4.2.1节中的讨论可知,矩阵可以表示为
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_60.jpg?sign=1739290006-DSgyYZmuaX67DeGbUYmHYNDUb1D90z05-0-5d1ff28b13446bdd8ffb8bdba450d39a)
(6.18)
式中,。
6.3.2 一个重要的关系式
利用式(4.20)可以直接得到如下关系式:
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_62.jpg?sign=1739290006-AYkGjNEQAhUioZy2QUmijO3tZBueR93J-0-5ab54a06c990e673668ed04d15e35f80)
(6.19)
式中
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_63.jpg?sign=1739290006-17eShUYRnfIqDyG8F9eNkd2wgbKUvXcZ-0-6cf07ef1ceb56a71bc0876e90b741cbf)
(6.20)
式(6.19)建立了关于辐射源位置向量的伪线性等式,其中一共包含
个等式,而RSS观测量也为
个,因此观测信息并无损失。下面可以基于式(6.19)构建针对辐射源定位的估计准则。
6.3.3 定位原理与方法
1.一阶误差扰动分析
在实际定位过程中,标量积矩阵的真实值是未知的,因为其中的真实距离平方
应由其无偏估计值
来代替,这必然会引入误差。不妨将含有误差的标量积矩阵
记为
,于是根据式(6.16)可以将该矩阵表示为
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_72.jpg?sign=1739290006-SyfiNDCChrGIflx4OI2Eumlfykul1rrW-0-227576a08192089d798111ec6266bf01)
(6.21)
由于,于是可以定义如下误差向量:
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_74.jpg?sign=1739290006-n1HcBq9gRy0EqrPXG6vMsSLxMvcQ7xeV-0-88be12b6fc863db89bd51a38c4a2aa2d)
(6.22)
式中,表示
中的误差矩阵,即有
,它可以表示为
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_78.jpg?sign=1739290006-BeuIgHtfmpv35V5hpoXUiEDsgbxPKRij-0-7708ec0b5aea9be7d546fc933931c027)
(6.23)
将式(6.23)代入式(6.22)中可以将误差向量表示为关于误差
的线性函数,如下式所示:
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_81.jpg?sign=1739290006-A4VP3L6piRHmklkB8EEdUqInf6xp8LmD-0-0d9c5b1c148405889bc01ad587838b1e)
(6.24)
式中
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_82.jpg?sign=1739290006-ujVldg0nL2Og6BQ4Ykhtc0vljhSVTEFa-0-0d307438699152f93f126ba07e030942)
(6.25)
式(6.24)的推导见附录C.1。由式(6.24)可知,误差向量的均值为零,协方差矩阵为
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_84.jpg?sign=1739290006-214XlfdTh659XxnYMybZYzOWnlNTocGp-0-fd771c5dc92e2a69d7bb8860a98501c2)
(6.26)
2.定位优化模型及其求解方法
基于式(6.22)和式(6.26)可以构建估计辐射源位置向量的优化准则,如下式所示:
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_86.jpg?sign=1739290006-x1nToyjm2MCK9eUspLC6Fmv8s9Ack7A4-0-0307584ea901d9c4e5d913d6f1402481)
(6.27)
式中,可以看作加权矩阵,其作用在于抑制误差
的影响。不妨将矩阵
分块为
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_90.jpg?sign=1739290006-2L7wnSXErO33AESVhdU6sb2j48jSEVl9-0-a974674edf199d0b1a2f0595afd148ae)
(6.28)
于是可以将式(6.27)重新表示为
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_91.jpg?sign=1739290006-K2WZAqJg1vdUT2EpmSKMqlBHNfxK7APk-0-74bc6e5f9ee282f646a987f8f455d364)
(6.29)
根据命题2.13可知,式(6.29)的最优解为
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_92.jpg?sign=1739290006-MC40LJFqeHncJujRxZafTiEERIa4upt1-0-2f5c24b66b6e6dd2d07abc1cca4194da)
(6.30)
【注记6.2】由式(6.26)可知,加权矩阵与辐射源位置向量
有关。因此,严格来说,式(6.27)中的目标函数并不是关于向量
的二次函数,针对该问题,可以采用注记4.1中描述的方法进行处理。理论分析表明,在一阶误差分析理论框架下,加权矩阵
中的扰动误差并不会实质影响估计值
的统计性能。
图6.1给出了本章第1种加权多维标度定位方法的流程图。
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_98.jpg?sign=1739290006-nP3Sa085C1oabsi9v99Yw9MfNh5Zlxqu-0-169200e4df86104ba90e41e4a6a3d12c)
图6.1 本章第1种加权多维标度定位方法的流程图
6.3.4 理论性能分析
下面将利用4.2.4节中的结论直接给出估计值的均方误差矩阵,并将其与克拉美罗界进行比较,从而证明其渐近最优性。
首先将最优解的估计误差记为
,仿照4.2.4节中的理论性能分析可知,最优解
是关于向量
的渐近无偏估计值,并且其均方误差矩阵为
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_104.jpg?sign=1739290006-FX9leHKwQJPxOgUBOUzk1kxaQXfkW0MG-0-d67cd4c70b819d971d0802350147a312)
(6.31)
下面证明估计值具有渐近最优性,也就是证明其估计均方误差矩阵可以渐近逼近相应的克拉美罗界,具体可见如下命题。
【命题6.3】如果满足,则有
[4]。
【证明】首先根据命题3.1可知
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_109.jpg?sign=1739290006-g23wmTPpqv33bX5NB4Q0t7RN4qAZLXx9-0-da45be9c074806629da7a5e72b36de7a)
(6.32)
式中
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_110.jpg?sign=1739290006-lqtfd3nMQy0bgm8x855ByMlQdrBgQCwC-0-e243e790ed038127652a461f8ff6f507)
(6.33)
将式(6.33)代入式(6.32)中可得
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_111.jpg?sign=1739290006-JzmYC03K2NrxESxmJmjtiN2YNwMeJJCu-0-97f5c9969c3159cd22896b08332825a3)
(6.34)
另一方面,当时,满足
,将该近似等式代入式(6.26)中可得
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_114.jpg?sign=1739290006-kkiSGTKAzkdOJnZaqTzb6mKAItMmY2wC-0-97011d10c3ade5d3977bad5b52aac7e5)
(6.35)
再将式(6.35)代入式(6.31)中可得
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_115.jpg?sign=1739290006-hSZCsDXNgRKRmvFIIiyI6665kpa5GuK9-0-95b85155d9b9338b705863b349ecdd6b)
(6.36)
考虑等式,将该等式两边对向量
求导可得
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_118.jpg?sign=1739290006-9BoSFlM48VlWVjiOKR2HW6lxQL3yNCmW-0-c55b4c2b7c356ed5ebf1dc6e40c19f1f)
(6.37)
式中
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_119.jpg?sign=1739290006-ItGvIAfW31musfUEtDg4MsUZ8jnTQP3W-0-7b4b813b15dc7365a18bc179beb8ae57)
(6.38)
结合式(6.37)和式(6.38)可得
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_120.jpg?sign=1739290006-oYIm7gfp0Egx7XSuxSOvA7N15mq4MYxr-0-6718c14a34b892bd7546c0021567c9eb)
(6.39)
最后将式(6.39)代入式(6.36)中可得
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_121.jpg?sign=1739290006-w2S2VyRBdFqV9vDJldUCG1allRzVD6ct-0-0423cdb6c5e419de0d6ee952bc457353)
(6.40)
证毕。
6.3.5 仿真实验
假设利用9个传感器获得的RSS信息对辐射源进行定位,传感器二维位置坐标如表6.1所示,阴影衰落服从均值为零、协方差矩阵为
的高斯分布。
表6.1 传感器二维位置坐标 (单位:m)
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_124.jpg?sign=1739290006-mTadd9cyNyfM8EIVdO7xaaQwsoWIxILX-0-a66b31f6ed51ebbf0757dcaf016dd85c)
首先将辐射源位置向量设为(m),将标准差设为
,将路径损耗因子
设为
,图6.2给出了定位结果散布图与定位误差椭圆曲线;图6.3给出了定位结果散布图与误差概率圆环曲线。
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_129.jpg?sign=1739290006-Qh2TQmVW9bssta8hYhPBPe7yZ2vyIsUQ-0-7332a848c8bfc590bca2c531ebad2de3)
图6.2 定位结果散布图与定位误差椭圆曲线
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_130.jpg?sign=1739290006-eXB14zMfjVpjsQvZPTbglAcFHiZdF5q9-0-1679bc8aab6ce649f80bbfa8091a01bb)
图6.3 定位结果散布图与误差概率圆环曲线
然后将辐射源坐标设为两种情形:第1种是近场源,其位置向量为(m);第2种是远场源,其位置向量为
(m),将路径损耗因子
设为
。改变标准差
的数值,图6.4给出了辐射源位置估计均方根误差随着标准差
的变化曲线;图6.5给出了辐射源定位成功概率随着标准差
的变化曲线(图中的理论值是根据式(3.29)和式(3.36)计算得出的,其中
m)。
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_139.jpg?sign=1739290006-hHMlB6wL16RQU67VGyqJNzt1JX1vi7j0-0-c217bf8b14862a1ec83e460624231ce7)
图6.4 辐射源位置估计均方根误差随着标准差σt的变化曲线
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_140.jpg?sign=1739290006-oKZQybIUFi2NpejIRHwhjDBKSu8T5HPk-0-596c757b5ee429b8cfd185b09449893b)
图6.5 辐射源定位成功概率随着标准差σt的变化曲线
接着将标准差设为两种情形:第1种是
;第2种是
,将路径损耗因子
设为
,将辐射源位置向量设为
(m)[5]。改变参数
的数值,图6.6给出了辐射源位置估计均方根误差随着参数
的变化曲线;图6.7给出了辐射源定位成功概率随着参数
的变化曲线(图中的理论值是根据式(3.29)和式(3.36)计算得出的,其中
m)。
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_152.jpg?sign=1739290006-hYj3T504ulyAIa4hfHAl7QwSONaNubMX-0-25db5d6aebb30202df14b96a6cec475c)
图6.6 辐射源位置估计均方根误差随着参数k的变化曲线
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_153.jpg?sign=1739290006-uJ3yNY4ep2VK8b4DOmQ8J2CdsLka6hIS-0-ceb2747afb08e1c0d2112b7edaf34298)
图6.7 辐射源定位成功概率随着参数k的变化曲线
最后将标准差设为两种情形:第1种是
;第2种是
,将辐射源位置向量设为
(m)。改变路径损耗因子
的数值,图6.8给出了辐射源位置估计均方根误差随着路径损耗因子
的变化曲线;图6.9给出了辐射源定位成功概率随着路径损耗因子
的变化曲线(图中的理论值是根据式(3.29)和式(3.36)计算得出的,其中
m)。
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_162.jpg?sign=1739290006-07m2klIcSOSeqjW3l27k709cfMMTvvAo-0-46227495538032847324257b7b25c9cb)
图6.8 辐射源位置估计均方根误差随着路径损耗因子α的变化曲线
从图6.4~图6.9中可以看出:(1)基于加权多维标度的定位方法1的辐射源位置估计均方根误差可以达到克拉美罗界(见图6.4、图6.6及图6.8),这验证了6.3.4节理论性能分析的有效性;(2)随着辐射源与传感器距离的增加,其定位精度会逐渐降低(见图6.6和图6.7),其对近场源的定位精度要高于对远场源的定位精度(见图6.4和图6.5);(3)随着路径损耗因子的增加,辐射源定位精度会逐渐提高(见图6.8和图6.9);(4)两类定位成功概率的理论值和仿真值相互吻合,并且在相同条件下第2类定位成功概率高于第1类定位成功概率(见图6.5、图6.7及图6.9),这验证了3.2节理论性能分析的有效性。
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_164.jpg?sign=1739290006-gUJHFtYmWGbdvH2b2HWKu5lmgYKnFNjD-0-38b8630340bd44a8ec1e04964cd9e564)
图6.9 辐射源定位成功概率随着路径损耗因子α的变化曲线