基于RSS的多目标节点定位算法

MTL-GMM算法

　　MTL-GMM算法将定位区域划分成大小相同的网格，首先粗略定位传感器节点所在的网格，根据粗略定位结果缩小定位区域和网格尺寸，迭代运行GridL(Grid Localization)算法，实现精确定位。具体步骤如下：

　　Step1：初始化定位区域;
　　Step2：定义网格尺寸;
　　Step3：运行GridL算法，若定位误差<=阈值，输出结果，若定位误差>阈值，转step4;
　　Step4：调整定位区域，转step2;

　　定位区域的计算

　　1)定位区域初始化

　　算法根据RC的路径坐标序列

　　GridL算法描述

　　图1给出了GridL算法的伪代码。表1给出了GridL算法使用的符号及其解释。MT-GMM算法嵌套了内外两层循环。外层循环即算法第4行到第29行，用来估计节点数量。假设节点数量M从1开始取值，并随循环逐次递增，根据(M-1)个节点坐标估计第M个节点坐标。当节点数量增加，但模型BIC取值不增加时，算法结束。内层循环即算法第11行到第20行，用来调整外层循环确定的M个节点的位置坐标。当模型BIC取值最大时，获得节点数量为M时的位置坐标。

　　算法第13行的函数findBIC(R,j)根据前j个节点的位置坐标，估计第(j+1)个节点的位置坐标。该函数分别假设第(j+1)个节点在定位区域内的每个网格中，并分别计算相应的BIC取值，BIC取值最大时对应的网格坐标就是第(j+1)个节点的坐标。

实验

　　本文用仿真实验和实测实验分别验证算法的有效性和准确性，使用Matlab 7.0来实现MTL-GMM算法。

　　实验使用的信道传播模型的参数取值如表2所示。实验用平均定位误差衡量算法的性能，如公式(6)所示。

　　仿真实验

　　我们用NCTUns v5.0^[14]模拟实验场景，将8个传感器分别放置在180m×300m的区域里，将一个可移动的传感器做为信标节点RC，如图2所示。图中叉号表示传感器节点所在的位置，曲线表示RC的移动路径，圆圈表示估计的传感器位置。传感器节点的通信半径设为100米。RC采集的RSS序列长度为300。