引用本文

游康勇, 杨立山, 郭文彬. 无线传感器网络下基于压缩感知的多目标分层贪婪匹配定位. 自动化学报, 2019, 45(3): 480-489. doi: 10.16383/j.aas.2018.c170237

YOU Kang-Yong, YANG Li-Shan, GUO Wen-Bin. Hierarchical Greedy Matching Pursuit for Multi-target Localization in Wireless Sensor Networks Using Compressive Sensing. ACTA AUTOMATICA SINICA, 2019, 45(3): 480-489. doi: 10.16383/j.aas.2018.c170237

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c170237

关键词

多目标定位，无线传感器网络，压缩感知，贪婪算法，层级算法 

摘要

针对基于压缩感知（Compressive sensing，CS）的多目标定位问题，通过分析多目标场景中的隐含结构信息，本文提出一种层级的贪婪匹配追踪定位算法.该算法首先获得多目标在网格化空间中的可能位置作为全局估计层，然后利用该全局估计信息作为稀疏恢复层的输入信息，在网格化空间中重构多目标位置矢量.本文证明了文献中广泛采用的基于正交化的预处理方式实质上降低了信噪比（Signal to noise ratio，SNR），从而降低了定位性能.本文通过全局估计，预先排除了不可能的位置，等效于从观测子空间中分离出信号子空间，从而降低了观测噪声的影响.通过理论分析与计算机仿真，表明所提算法具有线性复杂度且在相同信噪比下具有更高的定位正确率和定位精度.

文章导读

随着无线通信技术的进步以及无线传感器网络(Wireless sensor network, WSN)和物联网等的高速发展, 如何精确定位监控区域内的多个目标已经成为信号处理领域中极具挑战和实际意义的问题.多目标定位可以应用于诸多场景, 例如, WSN中传感器节点定位[1]、室内定位[2]、污染源定位[3]、无线电监控等.

传统的定位算法主要分为两类.一类是基于测距的定位算法, 典型算法有利用到达时间测距(Time of arrival, ToA)、利用到达时间差测距(Time difference of arrival, TDoA)、利用到达角度测距(Angle of arrival, AoA)和利用接收信号强度进行三边测距(Received signal strength indicator, RSSI)[4]; 一类是非测距的定位算法, 典型算法有DVhop定位[5]、基于信道感知定位[6]和RSSI指纹定位[7-8]等.然而这些方法都显示出一定的局限性.

近年来, 压缩感知(Compressive sensing, CS)理论的兴起[9]为我们提供了一种全新的视角去看待多目标定位问题.通过对感知区域的网格化, 目标位置在空间域上的稀疏性为压缩感知理论体系的应用提供了可能.研究表明[10-11], 基于压缩感知的多目标定位方法能够实现比传统的定位方法更好的定位性能. Cevher等[12-13]提出了WSN中多目标定位的估计框架, 提出只需少量的测量, 便可以将目标位置的稀疏向量通过传感矩阵进行恢复.在此之后, Feng等[10]开始将多目标定位问题建立在压缩感知欠定方程上, 并采取了基追踪(Basis pursuit, BP)和基追踪降噪(Basis pursuit denoising, BPDN)等恢复算法进行仿真测试及性能比较. Zhang等[11]使用贪婪匹配追踪(Greedy matching pursuit, GMP)算法替代传统的压缩感知恢复算法, 提高了恢复的准确性, 同时对传感矩阵是否满足有限等距特性(Restricted isometry property, RIP)[9]进行了证明. Lin等[14]通过融合两种网格下的恢复结果获得了分集增益, 提高了定位精度.

然而, 之前基于压缩感知定位的研究有诸多不足. 1)求解基于压缩感知的多目标定位问题时, 基于优化逼近的方法定位精度高但计算复杂, 基于贪婪恢复的方法计算简单却定位精度低; 2)简单使用一般的压缩感知恢复算法来实现定位, 忽略了多目标定位问题中丰富的结构信息, 无法有效提升定位性能; 3)为降低密集网格划分带来的强相关性, 文献中广泛采用的正交预处理方法[10]削弱了原始定位模型中的信噪比, 使得定位算法的抗噪性能大幅降低.

鉴于此, 本文针对多目标定位问题, 给出了明确的系统模型, 证明预处理方法削弱模型信噪比, 提出一种新颖的基于压缩感知的层级贪婪匹配追踪定位算法(Hierarchical greedy matching pursuit, HGMP).所提算法具有线性计算复杂度, 提供了一种利用多目标定位场景中的结构信息实现快速贪婪定位的层级架构, 提高了多目标定位系统的定位精度和抗噪声性能.

图 1  基于DTSG的三角网格划分

图 2  多目标定位中的团块模式

图 3  噪声对平均定位正确率的影响

本文给出了一种新颖的基于压缩感知的多目标分层贪婪匹配定位方法(HGMP), 并证明了文献中广泛采用的正交预处理操作降低定位信噪比.所提算法从观测子空间中分离出信号子空间, 利用原始传感矩阵和预处理传感矩阵进行联合迭代贪婪定位, 提供一种利用多目标定位问题中丰富的结构信息实现鲁棒性贪婪定位的层级架构.理论分析和计算仿真表明, HGMP定位算法具有渐进线性复杂度O(KMN).相同信噪比下, HGMP在不同网格划分上均展示出更好的定位性能.

作者简介

游康勇

北京邮电大学信息与通信工程学院博士研究生.2015年获得北京邮电大学学士学位.主要研究方向为压缩感知, 贝叶斯方法, 无线传感器网络.E-mail:ykyyiwang@bupt.edu.cn

杨立山   

北京邮电大学信息与通信工程学院博士研究生.主要研究方向为图信号处理.E-mail:yanglishan@bupt.edu.cn

郭文彬   

北京邮电大学信息与通信工程学院副教授.2005年获得北京邮电大学博士学位.主要研究方向为通信理论, 信号处理, 认知无线电及其关键技术.本文通信作者.E-mail:gwb@bupt.edu.cn