58、复杂多径场景下基于数据关联的被动定位算法研究

复杂多径场景下基于数据关联的被动定位算法研究

1. 引言

无线传感器网络（WSNs）包含大量电池供电的传感器，这些传感器能够发射无线信号并与相邻节点进行通信。它们通过有限的通信、测距和处理能力，协同估计目标物体的状态。WSNs 中的定位技术催生了众多应用，如跟踪、监测和设备控制等。

然而，现有的一些算法，如协作定位和同时定位与地图构建（SLAM），在理想的视距（LOS）场景中能够良好运行，但在商业购物区、室内、城市峡谷或丛林等存在散射体的复杂场景中，性能会严重下降。这是因为在这些场景中，每个传感器可能在同一时隙接收到来自不同路径的相同信号，即多径分量（MPCs）。

为了解决这一问题，本文提出了一种基于期望最大化（EM）的高斯混合模型的数据关联（DA）方法，无需完整的布局信息即可实现 DA。该方法聚焦于高斯混合模型中的 EM 过程，高斯混合模型常用于 WSNs 定位。

2. 系统模型

本文设定了一个二维笛卡尔坐标下的定位问题，重点关注真实的多径场景。通常选择传感器 S0 作为参考传感器，选取最精确的伪距测量值 d0,1 作为参考，其计算公式为 d = ˆτ1,TX × c。第 i 个传感器的第 j 个到达时间差（TDOA）测量值 Δ ˜di,j 是带有零均值高斯白噪声的，计算公式如下：
[
\Delta \tilde{d} {i,j} = d {i,j} - d_{0,1} = g(\hat{\theta} {i,j}, \gamma_k)^T (q - \bar{p}_i) - g(\hat{\theta} {0,1}, \gamma_{S0})^T (q - p_0) +