![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=1738888747-nyFB3Hr2SpuCNVThzSXtlCmidLzb3d5h-0-20a7c8f91c94482d0aed7c91e351ddf1)
(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=1738888747-XN6fTcSfaOt4aWM20PpOTb55CGtMIGtO-0-6537f5be535b5ccd4a30ea1c136f8a95)
(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=1738888747-6z08VQfde2uB5qZJ86EqojAskzbsiTNj-0-34e77d1cc616f1133e13793b407f1fcd)
(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=1738888747-RUo0Oz8uJgC94tJZmSX8QsZTW8PYduzz-0-e62a81002774f169221575a033f68585)
(6.19)
式中
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_63.jpg?sign=1738888747-DAtueHc3bkRHiWllk4LEqKnHbG49Erzk-0-e9230a5699ceceaed81306f44de54c8e)
(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=1738888747-w7n8hri895rEIMBdqx9tuRskY4J2aRLy-0-a67b6786f4aab9a11f3f0cee0a0a7ef5)
(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=1738888747-5YklS0ALpsthcoEyAlibAKiyixbmxiMr-0-e4126038c3cff1484176528ca5b82aac)
(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=1738888747-uh6ePClRdcV4TxI48V59Cvod6wQGnsbh-0-2572016278cf28b2f4baaebafcd86321)
(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=1738888747-OpXn1bcnWYhvB0fLDreMnFZcTXib29dI-0-51df3d6867cd3e29ca069eb01d7b9282)
(6.24)
式中
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_82.jpg?sign=1738888747-BgPHzRAvUZanHBiykm8kSK8Z9AuiiTJt-0-bfab29efc97eee20594da2cbe708025a)
(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=1738888747-Tr127x9tB7NIaHWNRIAlkjQYUid4rBqe-0-f0068d532da8675574ecdde2a8febd3b)
(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=1738888747-SEGj76ru7ecwAz7Qs8IDjmgTThVhSXTV-0-c5bc4910018eb208480e1dc063c42a80)
(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=1738888747-Bkkx698O8zYhK5yfwTzXRtv8ZagZs67o-0-f68de0198214739ddbafdbc398cf59f6)
(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=1738888747-bcN1KCu4Dc1DsOQwtqNj337yoDQiGkax-0-26234a22d63588f5060f9d364a27f4ad)
(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=1738888747-HzOrLAB3QSuudk3GwUAvoRYMr194HzoL-0-ac76bbfc49a433e44dac2a9b33239630)
(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=1738888747-CC4yFMsAoMf3cDlG5ZwMj3CztRjqdVYU-0-4c632b4519dbe0d3ae269913723be7b1)
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=1738888747-ITeDp9HuGNaU4ctIviFKKOVKWKCQbVvl-0-4a73ee0eff2416fc766430911afa6f6f)
(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=1738888747-486BWKwIN4i9ARJIxOBC9Cgh7xwnHHlI-0-dfceb19aca99cc2f9c10606953b01258)
(6.32)
式中
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_110.jpg?sign=1738888747-QN0QyaA0A5Sqpdyq1VpPSpjMwGHwkMnw-0-33c26973abbd9a4c2bd0f8a085355d0e)
(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=1738888747-67FcYhU2TwBEBv9qNltCsfMrw02YOnz9-0-faea7181349dcacd61a8d26709d1b3c3)
(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=1738888747-xixqIPf1ZCEG3L7dPR8nXeBwj1q2OYP1-0-1a8f3ddb3ef98fef6351598419908575)
(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=1738888747-NGwo8RC8u2faPkPxKRRh8lCByH2ixvfo-0-4e86b2885cba560b6b351f4f8b55c722)
(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=1738888747-DJbvAY7IUkt2EbvHjaPKd1q0BL7Tu4cv-0-c177a0a907ffffc2ef1c176cfe1ff378)
(6.37)
式中
![img](https://epubservercos.yuewen.com/B0258D/19391577301344706/epubprivate/OEBPS/Images/txt008_119.jpg?sign=1738888747-CXfnUJKkHtnrAbOdWWuFILL3jIloBbyq-0-708d77152aeadedc0154b67ef12179b4)
(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=1738888747-0Yy3khgAYPXt9mReAku511IU6XieV0IX-0-952968db7447ecd80d992e01c2fefbeb)
(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=1738888747-jKO4P7Z6FdDx5ZDtBAPS5LQc268LTiE4-0-a09df66252593ac2d852f9335b3b1068)
(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=1738888747-mh1SSJtcdCIeJxNtDnP5a4dTuiQMkCvR-0-7061268aab2f8f84790047ff3a02739c)
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=1738888747-15oC4OjNdL1iNXbLt7CtYV9w4IhDe1AA-0-4a97dc1fa1e5bc2466e53bd78d8636c1)
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=1738888747-Y8GcGAAx3yowYvvP0KIKfOa0OWwsLsom-0-a5a2da722635ee9848d601cad6b1eec9)
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=1738888747-imvz4xLIMMAEdJ2GwpxO4PZRlcXeRbkX-0-3c8fd37def9cc6dcbb70cc238bca2179)
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=1738888747-zcEmVVkxhQOkyRC9qd6SxjbVHEkQ7ktf-0-ada3bb127ffefba66d8b6dbcd8f88d2b)
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=1738888747-GRaAxFM8sEZBzlIuldaR4L8jbkjaDmvx-0-fb0995d28fe34f27c4fedb752258a09e)
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=1738888747-UB643cXojq4YW05MvWSTvpmcx0mmH1zs-0-8985d4689bb22b132e2026bd2bbe6f67)
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=1738888747-IXtEsS5WMFxSYUMtW98RQFXE2HwHlw3b-0-460c5c6399ee126dafd94d730cd5e895)
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=1738888747-PEeZnMCx9iWJW8BiwpyKttYI7o6U9txl-0-d4fe9ba128326a4a738f710ffb0bd6dc)
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