基于贝叶斯分层模型的低复杂度无线传感器网络定位算法

文章对基于压缩感知的无线传感器网络定位算法进行了研究,存在重构算法计算量大、定位误差较大等问题,为降低计算复杂度和定位误差,文章提出基于贝叶斯分层模型的低复杂度无线传感器网络定位算法。首先,将稀疏贝叶斯分层先验模型引入到无线传感器网络的定位中;其次,通过运用稀疏贝叶斯理论推理出估计目标的后验概率分布;最后,结合变分消息传递(VMP)算法,使用辅助函数对未知变量的联合后验概率密度函数进行等效,得到目标位置向量的估计结果。仿真结果表明,相较于传统的重构算法,文章提出的方法具有更好的恢复效果,计算复杂度更低。