基于因子图的无线网络分布式协作定位与目标跟踪

Real-time high-accuracy location-awareness is essential for applications in the future wireless networks. Based on the peer-to-peer communication and ranging among nodes, wireless cooperative localization networks are able to improve the precision of localization and tracking without additional infrastructures. In this proposal, we study factor graph-based distributed cooperative localization and target tracking, considering both complex constraints of wireless networks and various application scenarios. First, by minimizing the Variational Free Energy (VFE), hybrid message passing algorithm on factor graph for cooperative localization will be derived based on variational inference. Then, distributed joint cooperative localization and target tracking will be studied. We propose to use Belief Consensus (BC) algorithm to distribute the posterior position information of target among nodes. In multipath propagation environment, time-of-arrival (TOA) detection of signals from different paths and mapping of these TOAs with paths are going to be performed based on the prior position information of nodes. Building on this, we will study multipath-aided cooperative localization algorithm. Considering the possible malfunction of nodes in wireless networks, we propose to design factor graph-based joint cooperative localization and outlier detection. Cramer-Rao lower bound (CRLB) for localization in this situation will also be derived. Finally, based on the theory of stochastic geometry, we will analyze the performance of cooperative localization and target tracking in wireless networks with dynamic topologies. The study of this proposal will contribute both the theoretic analysis and practical implementation of wireless cooperative localization networks.

对位置信息的高精度、实时感知能力是未来无线网络应用的关键因素。通过用户节点之间的对等通信和测距，无线协作定位网络能够在不依赖于固定基础设施的情况下，显著提高网络定位和目标跟踪性能。本课题针对无线网络复杂约束条件和多种实际应用环境，研究基于因子图的分布式协作定位与目标跟踪方法。首先，以最小化变分自由能（VFE）为优化目标，利用变分推理导出因子图上多种约束条件下的协作定位混合消息传递算法。其次，设计联合协作定位与目标跟踪分布式处理方法，采用置信共识（BC）实现目标节点位置信息的共享协商。然后，研究基于位置先验信息的到达时间检测和多径映射，设计多径辅助的协作定位算法。针对网络中的节点异常情况，研究基于因子图的联合协作定位与异常节点检测，并推导其克拉美罗下界。最后，利用随机几何理论分析动态网络拓扑参数与协作定位性能之间的本质关系。本课题的研究工作对无线协作定位网络设计具有重要的理论意义和应用价值。

对位置信息的高精度、实时感知能力是未来无线网络的重要特征。通过用户节点间的通信和到达时间（TOA）测量，无线协作定位能够在不依赖固定基础设施的情况下，显著提高网络定位和目标跟踪的性能，是在5G通信系统中实现泛在位置服务、室内外无缝定位的关键技术。本课题针对无线网络复杂约束条件和多种实际应用环境，研究了基于因子图的分布式协作定位与目标跟踪方法。首先，利用变分推理（VI）导出了多种因子图上的协作定位消息传递算法，实现了定位精度与实际工程应用约束条件的折衷；其次，采用粒子化和参数化表示的置信共识（BC）方法实现目标节点位置信息的共享，设计了低复杂度的联合协作定位与目标跟踪分布式处理方法；在多径环境中，利用位置先验信息检测多径信号的到达时间，并使用期望最大（EM）算法实现了高精度的联合环境感知与多径辅助协作定位；针对网络中存在异常节点的情况，设计了基于变分消息传递（VMP）和期望最大算法的联合协作定位与异常节点检测方法，并采用混合分布的熵近似方法推导位置估计的克拉美罗下界（CRLB）；最后，研究了扩展网络和稠密网络中的定位性能标度律，并扩展至存在异常节点的协作定位网络性能分析问题，揭示了网络拓扑特性参数与定位性能之间的本质关系。在研究计划之外，通过联合建模时钟同步和协作定位的问题，提高了协作定位算法的实用性；在多径信号辅助的协作定位中，推导了分布式的空间交替广义期望最大化（SAGE）算法以降低计算和通信开销。针对上述算法和性能界研究，本课题进行了严谨的理论分析和大量的计算机仿真，证明了其可实现性和优越性，相关研究得到了本领域专家和顶级期刊的认可。本课题的研究成果，对于复杂环境中的无线网络分布式协作定位与目标跟踪算法设计具有较好的指导意义，对于构建实际的无线网络定位系统具有一定的参考价值。