專(zhuān)利名稱：基于隱馬氏模型的分布式運(yùn)動(dòng)節(jié)點(diǎn)的定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及移動(dòng)通信網(wǎng)絡(luò)中用戶節(jié)點(diǎn)的定位方法，特別涉及一種基于隱馬氏模型的分布式運(yùn)動(dòng)節(jié)點(diǎn)的定位方法，屬于網(wǎng)絡(luò)通信技術(shù)領(lǐng)域。
背景技術(shù)：
移動(dòng)通信網(wǎng)絡(luò)中用戶節(jié)點(diǎn)的定位方法是一項(xiàng)已被廣泛研究的技術(shù)，其具有廣泛的應(yīng)用場(chǎng)景，是非常重要的應(yīng)用技術(shù)?，F(xiàn)有的定位技術(shù)大體可以劃分為兩大類(lèi)別:基于測(cè)距的方式和基于連通性的方式?；跍y(cè)距的定位方法需要測(cè)量各個(gè)節(jié)點(diǎn)間的相對(duì)距離，而且對(duì)測(cè)量的精度要求較高，主要的測(cè)量方式是基于RSS(即受到的信號(hào)強(qiáng)度)、到達(dá)信號(hào)的角度、信號(hào)到達(dá)時(shí)間的差別等等；相反，基于連通性的定位方法利用的是節(jié)點(diǎn)之間的連通性，從而避免了高代價(jià)的高精準(zhǔn)度測(cè)量要求，因此該類(lèi)定位方法能夠適應(yīng)各種場(chǎng)景。當(dāng)下所使用的基于連通性的定位方法需要強(qiáng)密度的節(jié)點(diǎn)環(huán)境，然而如今很多的移動(dòng)網(wǎng)絡(luò)環(huán)境由于網(wǎng)絡(luò)區(qū)域過(guò)大，用戶節(jié)點(diǎn)移動(dòng)性過(guò)強(qiáng)，網(wǎng)絡(luò)拓?fù)浞浅Ｈ菀鬃兓?，因此在現(xiàn)實(shí)場(chǎng)景中都只具有相對(duì)較低的連通性。這給節(jié)點(diǎn)在移動(dòng)網(wǎng)絡(luò)中進(jìn)行定位帶來(lái)了很大的困難，現(xiàn)有移動(dòng)網(wǎng)絡(luò)中的定位方法最有建設(shè)性意義的是MCL (即蒙特卡洛定位算法)，不過(guò)MCL非常依賴于高密度的固定節(jié)點(diǎn)，因此很難適應(yīng)在移動(dòng)網(wǎng)絡(luò)場(chǎng)景中的實(shí)際應(yīng)用。通過(guò)對(duì)歷史數(shù)據(jù)集的分析，我們發(fā)現(xiàn)了這樣一個(gè)現(xiàn)象，用戶節(jié)點(diǎn)的移動(dòng)性表現(xiàn)出了很強(qiáng)的時(shí)空相關(guān)的規(guī)律性，更重要的是，用戶節(jié)點(diǎn)的移動(dòng)性與用戶節(jié)點(diǎn)的相遇者之間有很強(qiáng)的相關(guān)性。基于這個(gè)規(guī)律，本發(fā)明提出了一種適應(yīng)于稀疏移動(dòng)性網(wǎng)絡(luò)的定位方法。

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術(shù)過(guò)于依賴高密度的固定節(jié)點(diǎn)環(huán)境的不足，提供一種基于隱馬氏模型的分布式運(yùn)動(dòng)節(jié)點(diǎn)的定位方法，針對(duì)用戶節(jié)點(diǎn)密度相對(duì)較為稀疏，而且與只有處在通訊半徑以內(nèi)的其他用戶節(jié)點(diǎn)才能通訊的場(chǎng)景，應(yīng)用隱馬爾可夫鏈模型來(lái)實(shí)現(xiàn)對(duì)本用戶節(jié)點(diǎn)的定位。本發(fā)明是采用下述技術(shù)方案來(lái)達(dá)到上述目的的:一種基于隱馬氏模型的分布式運(yùn)動(dòng)節(jié)點(diǎn)的定位方法，用于移動(dòng)網(wǎng)絡(luò)中對(duì)用戶節(jié)點(diǎn)的定位，其特征在于，包括以下步驟:(I)系統(tǒng)初始化，設(shè)定通訊半徑和時(shí)間間隔，統(tǒng)計(jì)位置信息并生成對(duì)于不同用戶節(jié)點(diǎn)的分別的位置轉(zhuǎn)移概率矩陣，統(tǒng)計(jì)相遇信息并生成在每個(gè)位置上與其他用戶節(jié)點(diǎn)的相遇概率；(2)所述用戶節(jié)點(diǎn)通過(guò)WiFi訪問(wèn)AP獲得其與其他用戶節(jié)點(diǎn)相遇的信息，所述的用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)相遇是指:該用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)在同一時(shí)間間隔內(nèi)訪問(wèn)該AP或處于該AP通訊半徑范圍內(nèi)的AP ;(3)所述用戶節(jié)點(diǎn)通過(guò)訪問(wèn)固定的AP或者與固定的其他用戶節(jié)點(diǎn)相遇獲得其本身所處位置，所述的固定的AP和固定的其他用戶節(jié)點(diǎn)具有已知位置；(4)根據(jù)當(dāng)前已有的已知位置劃分出若干子段，在該子段的每一時(shí)間間隔內(nèi)只有相遇信息而無(wú)已知位置，各子段的開(kāi)始和末尾具有固定的已知位置；(5)將步驟⑷所得的各子段的開(kāi)始和末尾的已知位置，使用隱馬爾可夫鏈模型，利用Viterbi向前向后算法結(jié)合動(dòng)態(tài)規(guī)劃算法確定對(duì)開(kāi)始和末尾位置固定而內(nèi)部未知路徑的最大概率估計(jì)。所述的對(duì)開(kāi)始和末尾位置固定而內(nèi)部未知路徑的最大概率估計(jì)的確定步驟如下:(I)通過(guò)歷史信息統(tǒng)計(jì)，初始設(shè)置位置轉(zhuǎn)移概率矩陣A和與其他用戶節(jié)點(diǎn)的相遇概率B ;(2)從初 始位置g開(kāi)始，在下一時(shí)間間隔所述用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)的相遇信息記為et,而在該時(shí)刻可能移動(dòng)到所有i的概率為S i,利用位置轉(zhuǎn)移矩陣A和已知相遇信息計(jì)算出來(lái)(3)令t=t+l，在下一時(shí)間間隔內(nèi)該用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)的相遇信息記為et，而在下一時(shí)間間隔內(nèi)移動(dòng)到所有j的概率為利用，并記錄arg max 6,- * Aij * Bie^ ；(4)重復(fù)步驟(3)直至t超過(guò)尾部時(shí)間；(5)設(shè)h是尾部已知的所處位置，由前4個(gè)步驟已知到達(dá)尾部之前處于位置j的未知路徑的最大概率S」，設(shè)從位置j出發(fā)，利用~ = 5.^ A ^丨、.' ’并記錄arg max Sj-承 Ajh 率 B把；
j 1(6)根據(jù)每步搜索并記錄下來(lái)的最優(yōu)路徑，逆推出擁有最大概率的路徑T。本發(fā)明利用所能直接觀察的相遇信息，使用隱馬爾可夫鏈模型來(lái)計(jì)算最有可能的路徑位置，從而實(shí)現(xiàn)對(duì)用戶節(jié)點(diǎn)的定位。本發(fā)明的優(yōu)點(diǎn)在于:(I)本發(fā)明所述的定位方法可以適應(yīng)大區(qū)域的移動(dòng)網(wǎng)絡(luò)，適用于很強(qiáng)的用戶節(jié)點(diǎn)移動(dòng)性，即使網(wǎng)絡(luò)拓?fù)浒l(fā)生變化，本發(fā)明的定位誤差不會(huì)有很大變化，同時(shí)本發(fā)明適用于現(xiàn)實(shí)生活中的分布比較稀疏的網(wǎng)絡(luò)場(chǎng)景，相對(duì)于MCL方法對(duì)網(wǎng)絡(luò)環(huán)境做出的強(qiáng)假設(shè)有更強(qiáng)的適應(yīng)能力。(2)本發(fā)明是分布式的定位方法，而不是由控制中心進(jìn)行控制的路由方法，用戶節(jié)點(diǎn)只需在自己的通訊半徑之內(nèi)，統(tǒng)計(jì)與自己相遇的其他節(jié)點(diǎn)少量的通信就可以，而不需要每對(duì)用戶節(jié)點(diǎn)之間進(jìn)行通訊，降低了能耗和通訊的開(kāi)支。(3)本發(fā)明利用所能直接觀察的相遇信息，使用隱馬氏模型來(lái)計(jì)算最有可能的路徑位置，能夠達(dá)到更高的定位精度。
具體實(shí)施例方式本發(fā)明所述基于隱馬氏模型的分布式運(yùn)動(dòng)節(jié)點(diǎn)的定位方法基于連通性方式，充分利用移動(dòng)性和相遇用戶節(jié)點(diǎn)之間的相互關(guān)系，在獲取用戶節(jié)點(diǎn)所記錄下來(lái)的與通訊范圍內(nèi)其他用戶節(jié)點(diǎn)的歷史相遇信息的基礎(chǔ)上，建立隱馬氏模型，計(jì)算出最有可能的路徑位置來(lái)達(dá)到用戶節(jié)點(diǎn)定位的目的。所述方法特別適用于用戶節(jié)點(diǎn)稀疏的移動(dòng)網(wǎng)絡(luò)場(chǎng)景。下面對(duì)本發(fā)明的各個(gè)步驟做進(jìn)一步的詳細(xì)說(shuō)明:所述的基于隱馬氏模型的分布式運(yùn)動(dòng)節(jié)點(diǎn)的定位方法用于移動(dòng)網(wǎng)絡(luò)中對(duì)用戶節(jié)點(diǎn)的定位，其包括以下步驟:(I)系統(tǒng)初始化，設(shè)定通訊半徑和時(shí)間間隔，統(tǒng)計(jì)位置信息，生成對(duì)于不同用戶節(jié)點(diǎn)的分別的位置轉(zhuǎn)移概率矩陣，即用戶節(jié)點(diǎn)前一時(shí)刻所處的位置在下一時(shí)刻所處位置的狀態(tài)轉(zhuǎn)移矩陣，統(tǒng)計(jì)相遇信息，生成在每個(gè)位置上的與其他用戶節(jié)點(diǎn)的相遇概率，即該時(shí)刻在這個(gè)位置上同時(shí)與其他用戶節(jié)點(diǎn)集合相遇的概率。(2)所述用戶節(jié)點(diǎn)通過(guò)WiFi訪問(wèn)AP，而在同一時(shí)間間隔內(nèi)有訪問(wèn)該AP中的其他用戶節(jié)點(diǎn)，即為該用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)相遇；若有訪問(wèn)和該AP在通訊距離范圍內(nèi)的AP的其他用戶節(jié)點(diǎn)，也為這些其他用戶節(jié)點(diǎn)與該用戶節(jié)點(diǎn)相遇。換言之，用戶節(jié)點(diǎn)通過(guò)WiFi訪問(wèn)AP獲得其與其他用戶節(jié)點(diǎn)相遇的信息，所述的用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)相遇是指:該用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)在同一時(shí)間間隔內(nèi)訪問(wèn)該AP或處于該AP通訊半徑范圍內(nèi)的AP。(3)某些AP的位置，因此所述用戶節(jié)點(diǎn)在通過(guò)WiFi訪問(wèn)該AP時(shí)，就能得到當(dāng)前位置，或者某些用戶節(jié)點(diǎn)是固定不動(dòng)的且其所處位置已知，則所述用戶節(jié)點(diǎn)訪問(wèn)該固定的AP或者與固定的用戶節(jié)點(diǎn)相遇即知道該時(shí)刻所處位置。換言之，所述用戶節(jié)點(diǎn)通過(guò)訪問(wèn)固定的AP或者與固定的其他用戶節(jié)點(diǎn)相遇獲得其本身所處位置，所述的固定的AP和固定的其他用戶節(jié)點(diǎn)具有已知位置。(4)根據(jù)當(dāng)前已有的已知位置劃分出若干子段，在該子段的每個(gè)時(shí)間間隔內(nèi)只有相遇信息，沒(méi)有已知的位置，即該子段中沒(méi)有與任何固定不動(dòng)的節(jié)點(diǎn)相遇過(guò)，各子段的開(kāi)始和末尾都具有固定的已知位置，即在各子段的開(kāi)頭和結(jié)尾都與已知的固定節(jié)點(diǎn)相遇。(5)將步驟(4)所得的各子段`的固定開(kāi)始和末尾的已知位置，使用隱馬爾可夫鏈模型，利用Viterbi向前向后算法結(jié)合動(dòng)態(tài)規(guī)劃算法的有關(guān)步驟確定對(duì)開(kāi)始和末尾位置固定而內(nèi)部未知路徑的最大概率估計(jì)。所述的對(duì)開(kāi)始和末尾位置固定而內(nèi)部未知路徑的最大概率估計(jì)的確定步驟如下:(I)初始設(shè)置位置轉(zhuǎn)移概率矩陣A，這個(gè)狀態(tài)轉(zhuǎn)移矩陣是通過(guò)歷史信息統(tǒng)計(jì)出來(lái)的，設(shè)置在這個(gè)位置上同時(shí)與其他用戶節(jié)點(diǎn)集合相遇的概率矩陣B，這個(gè)矩陣也是通過(guò)歷史信息統(tǒng)計(jì)出來(lái)的；(2)從初始位置g開(kāi)始，由歷史信息統(tǒng)計(jì)出來(lái)的在下一時(shí)間間隔所述用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)的相遇信息記為et，而在該時(shí)刻可能移動(dòng)到所有i的概率為8 ,，利用位置轉(zhuǎn)移矩陣A和已知相遇信息計(jì)算出來(lái)5, 二 A,;, ^ Bh.；(3)令t=t+l，在下一時(shí)間間隔內(nèi)該用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)相遇信息記為et，而在下一時(shí)間間隔內(nèi)移動(dòng)到所有j的概率為利用，其中i表示前一
時(shí)刻在位置i而在下一時(shí)間間隔時(shí)移動(dòng)到j(luò)的概率，在求出概率最大的S j的同時(shí)記錄下
arg max 6.^ Aij ^ Bie ；
i(4)重復(fù)步驟(3)直至t超過(guò)尾部時(shí)間，即計(jì)算到下一時(shí)間間隔就是該子段的末尾；(5)設(shè)h是尾部已知的所處位置，由前4個(gè)步驟已知到達(dá)尾部之前處于位置j的未知路徑的最大概率Sj，設(shè)從位置j出發(fā)，利用’并記錄arg max S, * A;h * Bjc ；
j(6)根據(jù)每步搜索并記錄下來(lái)的最優(yōu)路徑，即使得概率最大化的前一個(gè)位置，沿著每前一步概率最大化的參數(shù)，逆推出擁有最大概率的路徑T。以下為本發(fā)明的偽代碼實(shí)現(xiàn)，即源程序:
權(quán)利要求
1.一種基于隱馬氏模型的分布式運(yùn)動(dòng)節(jié)點(diǎn)的定位方法，用于移動(dòng)網(wǎng)絡(luò)中對(duì)用戶節(jié)點(diǎn)的定位，其特征在于，包括以下步驟: (1)系統(tǒng)初始化，設(shè)定通訊半徑和時(shí)間間隔，統(tǒng)計(jì)位置信息并生成對(duì)于不同用戶節(jié)點(diǎn)的分別的位置轉(zhuǎn)移概率矩陣，統(tǒng)計(jì)相遇信息并生成在每個(gè)位置上與其他用戶節(jié)點(diǎn)的相遇概率； (2)所述用戶節(jié)點(diǎn)通過(guò)WiFi 訪問(wèn)AP獲得其與其他用戶節(jié)點(diǎn)相遇的信息，所述的用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)相遇是指:該用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)在同一時(shí)間間隔內(nèi)訪問(wèn)該AP或處于該AP通訊半徑范圍內(nèi)的AP ; (3)所述用戶節(jié)點(diǎn)通過(guò)訪問(wèn)固定的AP或者與固定的其他用戶節(jié)點(diǎn)相遇獲得其本身所處位置，所述的固定的AP和固定的其他用戶節(jié)點(diǎn)具有已知位置； (4)根據(jù)當(dāng)前已有的已知位置劃分出若干子段，在該子段的每一時(shí)間間隔內(nèi)只有相遇信息而無(wú)已知位置，各子段的開(kāi)始和末尾具有固定的已知位置； (5)將步驟(4)所得的各子段的開(kāi)始和末尾的已知位置，使用隱馬爾可夫鏈模型，利用Viterbi向前向后算法結(jié)合動(dòng)態(tài)規(guī)劃算法確定對(duì)開(kāi)始和末尾位置固定而內(nèi)部未知路徑的最大概率估計(jì)。
2.根據(jù)權(quán)利要求1所述的基于隱馬氏模型的分布式運(yùn)動(dòng)節(jié)點(diǎn)的定位方法，其特征在于，所述的對(duì)開(kāi)始和末尾位置固定而內(nèi)部未知路徑的最大概率估計(jì)的確定步驟如下: (1)通過(guò)歷史信息統(tǒng)計(jì)，初始設(shè)置位置轉(zhuǎn)移概率矩陣A和與其他用戶節(jié)點(diǎn)的相遇概率B ； (2)從初始位置g開(kāi)始，在下一時(shí)間間隔所述用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)的相遇信息記為et，而在該時(shí)刻可能移動(dòng)到所有i的概率為8 i，利用位置轉(zhuǎn)移矩陣A和已知相遇信息計(jì)算出來(lái)5, ^ a^K,; (3)令t=t+l，在下一時(shí)間間隔內(nèi)該用戶節(jié)點(diǎn)與其他用戶節(jié)點(diǎn)的相遇信息記為et，而在下一時(shí)間間隔內(nèi)移動(dòng)到所有j的概率為\σ_，利用σ,_=maXσ*A*B，并記錄arg max σ,*A*B； (4)重復(fù)步驟(3)直至t超過(guò)尾部時(shí)間； (5)設(shè)h是尾部已知的所處位置，由前4個(gè)步驟已知到達(dá)尾部之前處于位置j的未知路徑的最大概率Sj，設(shè)從位置j出發(fā)，利用5;.=max5;*0/4,，并記錄σ,_=maXσ*A*B (6)根據(jù)每步搜索并記錄下來(lái)的最優(yōu)路徑，逆推出擁有最大概率的路徑T。
全文摘要
一種基于隱馬氏模型的分布式運(yùn)動(dòng)節(jié)點(diǎn)的定位方法，包括如下步驟首先，設(shè)定一定的時(shí)間間隔，統(tǒng)計(jì)位置信息，生成對(duì)于不同用戶的分別的位置轉(zhuǎn)移的概率矩陣，統(tǒng)計(jì)相遇信息，生成在每個(gè)位置上的與其他用戶節(jié)點(diǎn)相遇的概率；然后，根據(jù)當(dāng)前已有的位置劃分出若干子段，在該子段的每個(gè)時(shí)間間隔只有相遇信息，沒(méi)有已知的位置，該子段的開(kāi)始和末尾都已知位置；再后，利用所得的各子段的固定首尾的已知位置，使用隱馬爾可夫鏈模型，利用Viterbi向前向后算法結(jié)合動(dòng)態(tài)規(guī)劃算法確定對(duì)固定首尾位置內(nèi)部未知路徑的最大概率估計(jì)。本發(fā)明達(dá)到了更高的定位精度，適用于用戶移動(dòng)性很強(qiáng)的大區(qū)域的移動(dòng)網(wǎng)絡(luò)，特別適用于現(xiàn)實(shí)生活中的分布比較稀疏的網(wǎng)絡(luò)場(chǎng)景。
文檔編號(hào)H04W64/00GK103079168SQ20131000936
公開(kāi)日2013年5月1日 申請(qǐng)日期2013年1月10日 優(yōu)先權(quán)日2013年1月10日
發(fā)明者趙俊博, 丁冬冬, 朱燕民 申請(qǐng)人:上海交通大學(xué)