基于贝叶斯背景模型的免携带设备目标定位算法

免携带设备目标定位不需要目标携带任何电子设备或标签来对人或其他物体进行定位。针对现有射频层析成像算法在多径环境中定位精度不理想的问题,提出了一种基于贝叶斯背景模型的定位算法。该算法首先将斜拉普拉斯分布和贝叶斯理论相结合来建立贝叶斯背景模型,用于排除冗余链路;然后对接收信号强度的变化值进行加权处理,从而减小多径效应对目标定位的干扰;最后引入目标位置的后验估计均值对目标位置进行修正,提高定位精度。实验结果表明,该定位算法具有可行性和有效性。

基于混合子空间去噪的免携带设备目标定位

免携带设备目标定位是利用目标人物对无线通信链路产生的阴影衰落来确定目标的位置,然而当环境发生变化时也会引起无线链路信号强度的变化,会影响定位精度。针对传统子空间去噪方法的不足,本文与指纹法相结合探讨了基于子空间分解的小波去噪方法。通过研究静态环境下的噪声特征,选取最大特征值作为信号分量的阈值,自适应地提取目标信号,有效地消除环境变化产生的影响。在线阶段通过计算实时接收信号强度和射频地图中数据信息之间的核距离进行匹配估计出目标的位置。最后通过实验对本文算法进行了仿真,结果表明本文提出的算法相比传统已有算法能达到更好的定位精度。

基于压缩感知的免携带设备双目标定位算法

免携带设备的目标定位(DFL)不需要目标携带任何设备就能获取位置信息,针对现有算法在多目标定位中存在的因射频信号时变特性引起的问题,该文结合指纹法,提出了基于压缩感知的免携带设备双目标定位算法。该算法采用中心概率覆盖模型建立单目标射频地图到双目标射频地图的映射关系,解决指纹法由于目标数的增加引起的离线训练量骤增的问题。并采用K-means聚类方法对双目标射频地图进行分类,通过类匹配缩小定位区域的范围,降低定位算法的复杂度。最后利用压缩感知的方法,将定位问题转化成稀疏信号的重构问题,提高了定位精度。实验结果表明,与基于无线层析成像的压缩感知定位算法相比,该算法能达到较高的定位精度,且实时性更高。