基于凸优化的分布式目标定位技术研究.pdfVIP

基于凸优化的分布式目标定位技术研究

吕瑞娟

(长安大学信息学院陕西·西安710061)

摘要无线传感器网络(WirenessSensorNetworks，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。本文将对分布武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

中图分类号：TP301．6文献标识码：A

0引言题。增广的拉格朗日问题可以视为如下非增广的拉格朗日问

定位问题是典型的非凸优化问题。基于标准最小二乘法题：minf(x)+g(z)+(p／2)lA[x+Bz—cs．tAx+Bz=c

的闭式解，虽然速度很快，但很难达到满意的精度。因此很多x∈C1，z∈C2

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(3)分解原问题，各自求解，ADMM算法通过迭代解决对

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。偶问题。

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3ADMM算法在目标定位中的应用

求。另一方面，很多研究这试图将原问题做松弛以简化函数ADMM算法在大规模分布式场景中起着重要的作用，在

形式。在分布式ADMM算法中，该算法中，由于最小二乘目传感器网络中，对于检测区的目标定位也有很多应用。例如，

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如果应用ADMM算法对深海中的某一个目标进行定位，则需

弛，进而将其变为一个凸函数，在使用ADMM算法继续进行要：

求解，使问题的求解效率显著增强。对于目标定位应用，亦有Step1：初始化位置估计；

研究者利用凸优化算法处理问题。Step2：和邻居节点进行广播，交换位置信息；

1凸优化理论基础Step3：更新；

(1)凸优化问题的标准形式：minimizef0(x)，subjectto￡Step4：迭代，重复以上步骤，直到达到符合的值；

(x)≤0，Ax=b在这个优化问题中f：一R是凸函数并且二阶(1)确定位置估计的目标函数：目标函数的建立是基于

连续可导，A∈R，rank(A)=Pn。假设问题的最优解x存DOA~jI量可用范围估计测量，p．,o=llo—tmll+llo—rnll，表示测量到

在，p’代表优化问题的最优值。r一r、

(2)凸优化问题存在最优解的条件：假设目标函数fo为可的可用范围一tl三I，表示基于DOA测量的到达的方

导的，对任意的X，Y∈domfo有：fo(y)~fo(x)+Vfo(x)(y．x)，在这向角，就形成了以下混合的最d,-乘目标位置估计函数：

里x表示可行集：x={xl￡(x)≤0，i--1，…，m，hj(x)=O，j=1，…，P}

min∑∑．-I10-r．ff-IIo-t．+∑一cosg／．一Il-《，

当X∈X，Vfo(x)(y-．x)≥0，y∈X的时候，凸优化问题存在最优m-I加1一’

NⅣr]

解。+∑y(。一siI1IIO一}1一=miIl∑IIIll：I一lI

(3)凸优化问题的拉格朗日函数和拉格朗