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。

基于RTI双重构的免携带设备目标无线定位

免携带设备定位是利用目标对无线通信链路产生的阴影衰落来估计目标的位置。针对现有算法定位精度有限、计算复杂度高等问题,在无线层析成像(radio tomographic imaging,RTI)的基础上提出了基于双重构的定位算法。该算法利用正则化快速重构的特点,首先对目标进行初步的定位;其次将粗定位区域进行像素精确划分,同时利用链路选择法减少链路个数,降低算法复杂度;最后提出补空间稀疏度自适应匹配重构算法,将目标位置转化为稀疏信号重构问题,完成定位。实验仿真结果表明,与基于RTI的单重构定位算法相比,所提双重构算法能达到较好的定位精度,且实时性更高。

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。

结合菲涅尔理论的免携带设备定位研究

针对免携带设备定位DFL(Device Free Localization)精度低,近距离定位目标不易区分等问题,提出了一种结合菲涅尔理论的定位估计方法。该方法首先通过无线层析成像RTI(Radio Tomographic Imaging)原理,粗定位出人体目标位置,其次计算环境参量,划分限制区域,考虑肩宽、头宽等具体人体参数,对限制域中满足菲涅尔理论的位置点进行拟合加权,实现精确定位;在出现近距离目标时,对比人体参数的实验值与理论值,判断是否为多目标。实测数据下的定位仿真结果表明,与传统的RTI方法相比,该方法在定位的准确度上提高了30%,同时实现了近距离目标数目的判决。

基于菲涅尔理论的非训练式指纹定位法

针对免携带设备定位(device free localization,DFL)中,无线层析成像法(radio tomographic imaging,RTI)在线重构速度慢,指纹法(fingerprint matching,FM)离线训练量大,复杂度高等问题,提出了一种基于菲涅尔理论的非训练式指纹法。所提出的定位算法改变了传统指纹法需要实际测量的离线训练模式,采用非训练模式建立参考指纹库,降低时间复杂度,并模拟实际测量环境对参考指纹库进行误差修正,减弱环境的干扰,最后用加权K最近邻域法实现对目标位置的估计。在保证定位匹配速度的同时,满足定位精度的要求。

基于改进椭圆权重模型的射频层析成像定位方法

射频层析成像(RTI,radio tomographic imaging)技术作为免携带设备定位(DFL,device-free localization)的主要方式之一,在被定位目标不携带任何定位装置的情况下仍能实现定位,具有广泛的应用前景。针对现有RTI技术中椭圆权重模型的不足,基于菲涅耳衍射理论提出一种改进的椭圆阴影权重模型来提高RTI成像质量,并论证了这种方法的可行性;同时为了克服背景噪点以及伪目标图像的影响,在此基础上提出基于十字模型的前景提取算法,进一步提高RTI定位性能。室内外实验结果表明,该方法的成像质量和定位精度都要优于现有RTI方法。

基于压缩感知和几何滤波的RTI定位算法

免携带设备定位因其不需要目标携带任何穿戴设备就能获取位置信息,在安防和紧急救援等应用场合受到越来越多的关注。免携带设备定位的关键技术就是利用目标引起的射频信号强度进行定位。提出了一种基于压缩感知和几何滤波的免携带设备定位算法。该算法是基于无线层析成像（RTI）的定位算法,使用先验位置估计来构造一个圆形的先验区域,来移除外部链路,减少不可能的位置点,降低算法复杂度;其次将圆形先验区域进行像素的精确划分,将定位问题转化为稀疏信号的重构问题,最后利用压缩感知求解。实验结果表明,该算法减少了计算的复杂度,提高了定位精度,降低了对存储和计算资源的要求。

基于改进椭圆权重模型的无线层析定位方法

射频层析成像(Radio Tomographic Imaging, RTI)技术作为免携带设备定位(Device-free localization,DFL)的主要方式之一,具有广泛的应用前景。本文针对现有RTI技术中椭圆权重模型的不足,基于菲涅耳衍射理论提出了新的权重模型:双层椭圆阴影权重模型,它提高了RTI成像质量,也提升了免携带设备定位的定位精度。室内外实验结果表明,该方法的成像质量和定位精度都要优于现有RTI方法。

基于菲涅尔先验模型的无线电层析成像

得益于无线通信以及数据科学的飞速发展,物联网智能终端拥有了无源感知的能力。Device Free Localization(DFL)是一种重要的无线电无源感知技术之一,十多年来已经有大量研究,具有广阔的发展前景。基于RSSI的射频层析成像(RTI)方法因其成本低、部署方便等优点备受关注。然而,需要大量的观测样本是目前无线电层析成像难以实现实时成像的主要原因。利用压缩感知技术虽然可以有效降低RTI所需观测向量的数量,但是由此导致RTI性能急剧下降,难以满足无设备定位的应用需求。针对这一问题,本文构建了基于菲涅尔区的无线电传输经验模型,预先确定受目标影响的无线链路,极大减少了采集系统的样本数,提高了成像的实时性。实验结果表明,本系统将样本数减少至8.42%左右,仍然能够保持高定位精度。