基干凸优化分布式目标定位技术探究.docVIP

基干凸优化分布式目标定位技术探究 　　摘 要 无线传感器网络（Wireness Sensor Networks，WSN）的关键技术中，目标定位是一个十分有挑战的的研究课题。本文将对分布式目标定位跟踪技术的研究现状进行综述，概要总结了凸优化的理论基础和分布式算法ADMM算法的原理和步骤，以及该算法在目标定位中的应用，并且对未来发展提出了自己的观点，进而进行阐述 关键词 凸优化 分布式 目标定位 ADMM算法 0引言 定位问题是典型的非凸优化问题。基于标准最小二乘法的闭式解，虽然速度很快，但很难达到满意的精度。因此很多研究者着眼于寻找更为普适的优化算法或将问题转化变形以寻求有效的求解方式。然而定位问题一般需要较高的实时性。该类算法由于种群数量和迭代次数的限制，很慢满足效率需求。另一方面，很多研究这试图将原问题做松弛以简化函数形式。在分布式ADMM算法中，该算法中，由于最小二乘目标估计函数不是一个凸函数，所以首先会将最小化项进行松弛，进而将其变为一个凸函数，在使用ADMM算法继续进行求解，使问题的求解效率显著增强。对于目标定位应用，亦有研究者利用凸优化算法处理问题 1凸优化理论基础 （1）凸优化问题的标准形式：minimize f0（x），subject to f1（x）≤0，Ax=b在这个优化问题中f∶Rn→R是凸函数并且二阶连续可导，A∈Rn??p，rank（A）=P0是惩罚参数，L0是标准的拉格朗日问题。增广的拉格朗日问题可以视为如下非增广的拉格朗日问题：minf（x）+g（z）+（p/2）||Ax+Bzc|| s.t Ax+Bz=c x∈C1，z∈C2 （3）分解原问题，各自求解，ADMM算法通过迭代解决对偶问题 3 ADMM算法在目标定位中的应用 ADMM算法在大规模分布式场景中起着重要的作用，在传感器网络中，对于检测区的目标定位也有很多应用。例如，如果应用ADMM算法对深海中的某一个目标进行定位，则需要： Step1：初始化位置估计； Step2：和邻居节点进行广播，交换位置信息； Step3：更新； Step4：迭代，重复以上步骤，直到达到符合的值； （1）确定位置估计的目标函数：目标函数的建立是基于DOA测量可用范围估计测量，?%jm，n=||?%a?Hatm||+||?%a?Harn||，表示测量到的可用范围，表示基于DOA测量的到达的方向角，就形成了以下混合的最小二乘目标位置估计函数： （2）非凸问题转化为凸问题：对于以上整理之后的目标函数需要整合所有的有效测量范围数据和有效的DOA测量角，去解决?%a，但是此例子中并没有数据融合中心。但是这个问题又是一个非凸问题，但是存在一个凸集.为了形成分布式算法，我们需要去放松目标函数 （3）增广拉格朗日函数：ADMM算法可以分布式的去解决全局问题，为了使用ADMM算法，我们引入拉格朗日乘子对应一致性约束，形成拉格朗日曾广式 （4）迭代：在把目标函数变成不受约束的式子的时候，则分解原问题，各自求解 4总结 本文通过介绍一种分布式目标定位的方法将凸优化算法和一种经典的分布式ADMM算法结合起来运用到传感器网络中的目标定位，解决了目标定位之中的全局定位问题，增加了定位的有效性，提高了效率，分布式目?怂惴ㄒ步?会是未来的一个研究热点 参考文献 [1] 罗鹏飞.统计信号处理[M].电子工业出版社，2009. [2] 徐成贤.近代优化方法[M].科学出版社，2002. [3] Andrea Simonettos.Distribute Maximum Likelihood Sensor Network Localization[J].IEEE，2014. [4] JUNLI.On Designing the Transmission and Reception of Multistatic Continuous Active Sonar Systems[J].IEEE，2014. 1