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。