基于加权多维标度的无线信号定位理论与方法
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人

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

(6.16)

式中,img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

(6.17)

式中,img[3]

根据4.2.1节中的讨论可知,矩阵img可以表示为

img

(6.18)

式中,img

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

(6.19)

式中

img

(6.20)

式(6.19)建立了关于辐射源位置向量img的伪线性等式,其中一共包含img个等式,而RSS观测量也为img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img的真实值是未知的,因为其中的真实距离平方img应由其无偏估计值img来代替,这必然会引入误差。不妨将含有误差的标量积矩阵img记为img,于是根据式(6.16)可以将该矩阵表示为

img

(6.21)

由于img,于是可以定义如下误差向量:

img

(6.22)

式中,img表示img中的误差矩阵,即有img,它可以表示为

img

(6.23)

将式(6.23)代入式(6.22)中可以将误差向量img表示为关于误差img的线性函数,如下式所示:

img

(6.24)

式中

img

(6.25)

式(6.24)的推导见附录C.1。由式(6.24)可知,误差向量img的均值为零,协方差矩阵为

img

(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img的优化准则,如下式所示:

img

(6.27)

式中,img可以看作加权矩阵,其作用在于抑制误差img的影响。不妨将矩阵img分块为

img

(6.28)

于是可以将式(6.27)重新表示为

img

(6.29)

根据命题2.13可知,式(6.29)的最优解为

img

(6.30)

【注记6.2】由式(6.26)可知,加权矩阵img与辐射源位置向量img有关。因此,严格来说,式(6.27)中的目标函数并不是关于向量img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img中的扰动误差并不会实质影响估计值img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

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img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img的估计误差记为img,仿照4.2.4节中的理论性能分析可知,最优解img是关于向量img的渐近无偏估计值,并且其均方误差矩阵为

img

(6.31)

下面证明估计值img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img,则有imgimg[4]

【证明】首先根据命题3.1可知

img

(6.32)

式中

img

(6.33)

将式(6.33)代入式(6.32)中可得

img

(6.34)

另一方面,当img时,满足img,将该近似等式代入式(6.26)中可得

img

(6.35)

再将式(6.35)代入式(6.31)中可得

img

(6.36)

考虑等式img,将该等式两边对向量img求导可得

img

(6.37)

式中

img

(6.38)

结合式(6.37)和式(6.38)可得

img

(6.39)

最后将式(6.39)代入式(6.36)中可得

img

(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img服从均值为零、协方差矩阵为img的高斯分布。

表6.1 传感器二维位置坐标 (单位:m)

img

首先将辐射源位置向量设为img(m),将标准差设为img,将路径损耗因子img设为img,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

图6.2 定位结果散布图与定位误差椭圆曲线

img

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img(m);第2种是远场源,其位置向量为img(m),将路径损耗因子img设为img。改变标准差img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img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img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imgm)。

img

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

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img设为两种情形:第1种是img;第2种是img,将路径损耗因子img设为img,将辐射源位置向量设为imgimg(m)[5]。改变参数img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img的变化曲线;图6.7给出了辐射源定位成功概率随着参数img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imgm)。

img

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

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img设为两种情形:第1种是img;第2种是img,将辐射源位置向量设为img(m)。改变路径损耗因子img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img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img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imgm)。

img

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img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

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