宋保业,田国会,周风余

(山东大学控制科学与工程学院,山东济南250061)

基于Unscented卡尔曼滤波的目标位置和信道参数同时估计算法

宋保业,田国会,周风余

(山东大学控制科学与工程学院,山东济南250061)

针对传统非线性最小二乘估计算法和多步迭代估计算法估计节点位置和信道参数时存在的缺点,提出一种新的基于卡尔曼滤波的目标位置和信道参数同时估计算法。新算法将接收信号强度指示(RSSI)定位问题转化为非线性方程组的参数向量估计问题,使用UKF对目标位置和无线信道参数同时进行估计。试验结果表明,与非线性最小二乘方法相比,新算法定位误差更小,对信道参数的估计也更准确。

接收信号强度指示(RSSI);定位;Unscented卡尔曼滤波(UKF)

无线传感器网络(wireless sensor network,WSN)是智能空间的重要组成部分[1],基于WSN的目标定位能够充分利用现有的无线传感网络平台,在移动地获取传感信息的同时实现目标定位功能。其中,基于接收信号强度指示(received signal strength indicator,RSSI)的定位方法根据无线信号衰落和距离的关系估计距离,能够充分利用现有的无线电信号信息,不需要额外硬件设备,因此受到广泛关注[2-3]。RSSI定位方法在应用时需要获得无线信号传播模型,然而由于无线信道的动态变化,信号传播模型参数通常不能保持恒定。因此,RSSI定位方法在应用中的关键问题是如何实时在线估计信号传播模型参数,从而降低定位误差。为此,许多研究者提出了不同的无线信号传播模型参数在线估计方法。……