![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=1739235480-Ej3UOG6Iq3b7327LEfkE7ellx5m6fR52-0-17f489edc8f710438761f1b6b07200ab)
(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=1739235480-Bl7mYbW6etBYcI3y5ubvYrIV6N7ik3me-0-40d7e7989940b13e2029be9777fb178f)
(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=1739235480-O4wJ26roKSBuzU7tDitVptms3ARyLjGr-0-093daa55d5df061eaf6de48b4df36e90)
(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=1739235480-fOmxLf254aGjiYNlsRcyciXxRuuX75sp-0-a9f42f6536d137507713c0a003ce77e8)
(6.19)
式中
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_63.jpg?sign=1739235480-d1hmdzNmFourGyYfoska95PvhS7U7yF2-0-4a168ccf10792976f5ccfe909105746a)
(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=1739235480-uzPWZeE3fGVL4q8OW6weUefryTi2bca8-0-cefd48ad8b83c5ea712905cb01b8e98c)
(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=1739235480-V5H0WvHhyWhtjuYx34PhDt1U3SZebyqg-0-c80d3db39bea200265d677de6e7879f4)
(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=1739235480-M3timHq1o3EpsZ6U9dgIgC6bBtzABu76-0-1bff1d60d2988c284761a0b6ce538db2)
(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=1739235480-JgNPr5SBNUX86Buqk75bFlhWyjq5PApK-0-0ba90919d1c99ae173738a44cb01dd0b)
(6.24)
式中
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_82.jpg?sign=1739235480-vDW56C40c0QOz9iCl4gT4CL9VkrGOL09-0-cb0b08d3aa60b49002acc8031d9eedd8)
(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=1739235480-FlUHqaPRVfAYmTkQt7lOQCvAkvn2S9mN-0-949fe611f9d234c5553d990a68fda720)
(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=1739235480-ygyZcK2w919k06Y8435Yuqs9ETrzNqgg-0-2755826ff72e1fc34cb2ccbe19e84f03)
(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=1739235480-uznI8soq6jyvxtIDqY07S2rvpCSKs5HQ-0-305af5070272c126a60429e6cf77f561)
(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=1739235480-LhzF0EwWnEeJ9DOrL7oqGKc7celmDazA-0-e870ae10157facc8d7d423f6d6cbfc73)
(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=1739235480-hNeH1IhcMpYBOfm7GvZ1QKwXJ7fasTDU-0-79dd4f04bacaa4006a7ab92d62e3b5cd)
(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=1739235480-X12FyrmMLogFy4ruTwDRsl3tUzgnfGol-0-67a9f59a2987d4e95ec29bf678137f73)
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=1739235480-RIXZYXDYRioiQgBYUg1r98viCQu1GcNx-0-485dd5bbd9aa78582edcb46bc714dd29)
(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=1739235480-Sf5Gpk6SGOI2PW0XGKxUtGSdUEpqaFKr-0-381ab59ab0710ffd8a02acffea4fd348)
(6.32)
式中
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_110.jpg?sign=1739235480-dFYTsQEuxphmCBBRgq2h6rX2AnltxzcP-0-f1cc6764c24cc37bce0678f5b8256d3d)
(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=1739235480-NDUWaW3544HLPrAxznNkJsbAzVjstaH5-0-03cf24c4ba86ffa2f62ac1c0d71fea28)
(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=1739235480-yA0xRAcxpgDd6TRC8S1YFdfmyyp6Vn4Y-0-ab6c30f4f73ecf57ab844ab7fc070eb7)
(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=1739235480-L38na3ZePSjwEwEMIep4iGSlTfZ4FAsK-0-8dfe13943c0acdcf645c8eaa39e19bd5)
(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=1739235480-YlkSkh5WrtsRaHjPYmbVmenGjUQO2Nyf-0-6272f48d7f001b3835fc8ec339338a4e)
(6.37)
式中
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_119.jpg?sign=1739235480-bEWZhPjyJ1f4jjjb9RmPBiGexHf7krMZ-0-48d1317b76299c563b5ae00bc2b56e45)
(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=1739235480-XJjDIha9WFHFGW2Ml28VaweEW7NdMKAw-0-9f4b0de16053ec0d4a38f7a803ea6447)
(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=1739235480-nT9msPbHwlHtY8dUxN8T6nl8bQ9y5Mfw-0-27ae9e0be34d5f96db4e8cd36808d76d)
(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=1739235480-yPe1xQTcdnOTUpFzlroXpVOkS6lI0eLA-0-e88735b3b5420c0ded49dd4820c7606d)
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=1739235480-Q6LyqFac8TeWxoxGNtIaoZzUbJoOJ099-0-b76e4b04373366ba464e5617d8dc61fe)
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=1739235480-ao1WS6CCsjSH8A1hTezDZSj9kem0Ahnz-0-139f49380989c01c9d75cdc2ad044e96)
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=1739235480-e7p49JpjWeyqIrLHyVZwppaJBpqw6CXm-0-063d03a1ed32625cd3d32032654a2005)
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=1739235480-zRhvIvUZwTXcr6bzsADDJlK8yVCK2JB0-0-1cf1893d240cce592adb1b2fe63a8f1b)
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=1739235480-nxawLHuFVtQaT0B9HJooOq0mHsJG2Uyj-0-37e870d33e5afb895cd43080db8003eb)
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=1739235480-zrIEzqBFQt2Li6Lm5Nonim27B6l1cDmA-0-ec6569f801bba356b881414443480e35)
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=1739235480-iBp6R4ClqdFIn6hekPn8wWKDgW9sMoEh-0-3d41710b11e5b6d7d736e2e89978c673)
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=1739235480-d6lekpqyVL9acEaYz4dZOxSxqO9iiK2J-0-6b9d31fada0cfb6625991abb159b79dc)
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