摘要:
水声传感网(underwater acoustic sensor networks,UASNs)是水下物联网的主要技术,为海洋生态环境监测和水下搜救等应用提供了较好的技术手段和信息感知平台.在UASNs应用中定位至关重要,因为没有精确位置信息的数据收集将无利用价值.然而,由于存在路径损耗、吸收损耗、设备发射功率不确定以及水下环境参数未知等不利因素,使得在复杂动态海洋环境中实现鲁棒精确定位较为困难.为此,提出一种多参数未知下水声传感网由粗到精的定位方法(coarse-to-fine localization method for UASNs under unknown multi-parameters,CFL-UMP).首先,利用一阶泰勒级数展开和若干近似操作,将原非线性非凸定位问题转化为交替非负约束最小二乘框架;然后,粗定位阶段基于Golub-Kahan双对角化的最小二乘残差(LSMR)算法求解得到位置估计近似解,然而LSMR通常只能快速收敛到局部最优解,因此在精细定位阶段引入二分法,将第1步粗估计得到的近似解作为二分法的初始值,通过迭代同时得到水下目标位置、路径损耗因子以及发射功率的精确解;接着,为了验证CFL-UMP算法的优越性,分析CFL-UMP算法的计算复杂度,并推导出克拉默-拉奥下界;最后,与所选基准算法相比,通过仿真结果证实了CFL-UMP在不同水下模拟场景中均能获得最优的定位精度,且能够有效降低水下定位误差.