基于高斯混合模型的无矫正射频层析压缩成像

现有的基于压缩感知的射频层析成像(Radio Tomographic Imaging,RTI)技术虽然能够解决传统的RTI需要足够多的观测样本来保证成像精度而导致系统损耗的问题,但是仍然无法很好地解决噪声带来的定位精度下降的影响。针对此问题,本文提出了一种基于高斯混合模型(Gaussian Mixture Model,GMM)的无矫正射频层析成像压缩成像方法。根据接收信号强度(Received Signal Strength,RSS)的特性分析,利用GMM模型对获得的RSS观测样本进行判决从而有效实现基于GMM-CS框架的无矫正RTI。实验结果表明在无需矫正的情况下,本文算法仍然可以保持较好的定位精度。当体素为0.333m时,重构结果的平均定位误差相比经典RTI求逆算法吉洪诺夫(Tikhonov)算法以及全变分(Total Variation,TV)算法分别下降了41.7%和37.7%,与基于压缩感知的算法ECS-DFL和BGMP相比分别下降80.9%和88.8%。