基于传感器网络的无线层析成像方法

研究利用无线层析成像方法定位位于由传感器网络构成的区域中的目标.由于目标的遮挡而造成的阴影衰落使某些节点之间链路的接收信号强度(RSS)剧烈变化,据此建立了RSS的变化和区域内每个像素阴影衰落的线性模型;给出了线性模型的最小均方误差解;采用数据预处理方法消除不同链路阴影衰落的不平衡.实验结果表明,当用16个节点覆盖4.8m×4.8m大小的区域时,该算法对单个目标的平均定位误差仅为0.095m.

基于指数移动平均的无线层析成像算法

为提高无线层析成像(RTI)算法在多径环境下对运动目标的跟踪精度,降低多径效应对信号变化的影响,引入指数移动平均(EMA)作为无线层析成像中衡量信号变化的参量.采用长时EMA作为基准,无需事先测量待测区域的背景信息.进行了室外穿墙和室内多径环境的单运动目标跟踪实验,与SRTI和KRTI比较,结果显示基于指数移动平均的RTI算法跟踪误差小于其他算法,而算法耗时没有明显增加.

基于WSNs的无线层析成像定位算法的改进

基于无线传感器网络(WSNs)的无源被动定位技术,因无需目标携带任何电子标签,成为当前传感器网络定位领域的研究热点之一。无线层析成像(RTI)定位算法因计算量轻,可实时定位在无源被动定位系统中广泛应用。但目前RTI算法,因未考虑因测量噪声引起的伪位置,这造成目标的真实位置与个数无法辨识。提出使用高斯核滤波的方法消除RTI中的伪位置,实验证明:该方法可行,有效。

基于概率密度的无线层析成像节点自定位方法

针对无线层析成像(RTI)定位系统部署过程中需要大量时间和人力测量传感器节点位置的问题,提出一种基于概率密度的RTI节点自定位方法。以区域的概率密度作为权重,计算出区域质心的加权平均值作为RTI节点的位置坐标。现场试验证明:基于概率密度的RTI节点自定位方法不仅降低了原有节点自定位算法的复杂度,提高了RTI系统的部署效率,而且提高了定位结果的精度。

基于WSNs三维无线层析成像定位方法研究

提出一种基于无线传感器网络(WSNs)的三维无线层析成像(RTI)定位方法,通过建立接收信号强度(RSS)阴影衰落模型和椭球权重模型来重建三维层析图像,从而获得目标的三维位置信息,为目标的三维定位提供了一种有效的算法。现场实验证明:该定位算法可行有效。

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。

基于分布式无线网络的无线电层析成像方法与实验研究

无线电层析成像(RTI)是利用无线传感网络对目标成像的新兴技术,在区域目标监测与定位等方面有广泛的应用。该文研究基于无线网络链路损耗和层析成像机理的区域目标成像定位方法,在链路质量指标(LQI)的测量基础上构建了目标成像的网络结构,通过压缩感知中的匹配追踪重构(OMP)算法对目标图像进行重建,最后通过实验验证该方法的有效性。

无线电层析成像中的恒定离心率椭圆模型

修正无线电层析成像方法采用的变化离心率椭圆模型,引入恒定离心率椭圆模型.当采用链路2节点为椭圆焦点时,该链路RSSI的变化量是以恒定椭圆离心率所覆盖的每个像素点阴影衰落的加权求和.比较了不同模型和椭圆离心率的Tikhonov正则化重建图像;选择美国犹他大学和北京理工大学的试验数据,成像结果表明恒定离心率模型的效果优于变化离心率模型.还表明恒定椭圆离心率越大,定位精度越高,但存在伪迹.当采用恒定离心率椭圆模型时,合理的离心率应在0.996附近.

无线电层析成像对石英脉型金矿体的圈定

文章在总结野外工作的基础上，讨论了无线电层析成像在石英脉型金矿的应用环境及条件，介绍了工作方法，并根据矿床地质特征及无线电理论对吸收图像同矿体的关系进行了分析研究。通过一年多的采矿实践，证明用无线电层析法圈定的矿体边界与实际矿体边界基本吻合。因此，用无线电层析法配合常规地质研究在石英脉型金矿的探测中可取得超常效果。

无线层析网络中基于粒子滤波的时变多目标跟踪

研究将粒子滤波(PF)理论应用于无线层析网络中的时变多目标跟踪(MTT).传统的基于无线层析成像(RTI)的时变多目标跟踪方法存在延迟问题,即与真实的时变目标数目相比,估计所得时变目标数目存在滞后,并且跟踪精度较低.基于PF的时变多目标跟踪方法利用维度可变的粒子来估计目标数目,实现目标跟踪.该方法不存在延迟问题,并且能提高目标的跟踪性能.研究通过在一个9.5m×9.5m的监测区域内进行实验来验证该算法的有效性.实验结果表明基于RTI的时变多目标跟踪方法的最佳子模式分配(OSPA)误差为0.485m,而基于PF的时变多目标跟踪方法的OSPA误差为0.362m,其性能比基于RTI的方法提高了25%.

基于无线电相关链路分析的无携带式定位方法

无线电层析成像(RTI)是通过分析因环境改变引起无线链路接收信号强度(RSS)的变化情况来推测场景信息的过程。本文运用一种新的链路分析方法,该方法通过分别分析场景目标对链路的两种影响,即因阻挡而阴影衰减的影响和因反射而使链路多径分量增加的功率增强影响,得到不同的场景信息,最后综合两种信息得到场景信息,大大减少无线信号噪声干扰。通过实验证实,该方法能减少噪声对RTI的干扰,实验结果有较好的收敛度。

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RSS特征选取的RTI定位方法

接收信号强度(RSS)特征选取是影响无线层析成像(RTI)定位性能的关键因素之一。将现有RTI技术采用的RSS特征分为RSS衰减特征、RSS移动方差特征和RSS直方图分布核距离特征三类。分析结果表明,三类RSS特征在多径干扰抑制、目标运动状态、系统要求以及定位精度上有明显不同。所得结论是进一步研究RSS特征优化的基础。

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。

作者简介 sssssssssssssssssssss

无线电层析成像（RTI）是通过分析因环境改变引起无线链路接收信号强度（RSS）的变化情况来推测场景信息的过程。文章运用一种新的链路分析方法，通过分别分析场景目标对链路的两种影响，即因阻挡而阴影衰减的影响和因反射而使链路多径分量增加的功率增强影响，得到不同的场景信息，最后综合两种信息得到场景信息，大大减少无线信号噪声干扰，通过实验证实该方法能减少噪声对RTI的干扰，实验结果有较好的收敛度。

阴影模型的正则化无设备重建与实时定位

在综合静态无线射频层析成像(Radio tomographic imaging,RTI)算法基础上,给出了一种可行且有效的实现无线传感器节点在空旷环境和障碍物条件下无线信号衰减原理障碍物监控的方法,实现定位与追踪.利用阴影衰落模型建立接收信号强度测量值线性系统模型,并采用SPIN令牌环通信协议收集接收信号强度;创新性地引入最小角回归算法与最小绝对值收缩和选择因子算法(Least absolute shrinkage and selection operator,LASSO),提高了图像重建速度.即在吉洪诺夫正则化与l1正则化算法分析对比前提下,创新性引入改进的最小角回归(Least angle regression,LARS)重建模型与算法,保证重建效果与复杂LASSO算法相似的同时,将重建图像速度提高一个数量级.实测基于16平方米范围内的16个JENNIC 5139节点进行定位与追踪.实测结果与仿真相比虽稍有偏差,但近似符合.这充分表明:吉洪诺夫正则化与l1正则化适用于不同分辨率场景,且都可较好地反映障碍物状况.

基于冗余数据分离的重建图像增强算法

分离出无线电层析成像方法中对称链路中的冗余信息后转换为噪声信息,通过降低重建图像中的噪声来实现图像增强。分析RSSI变化量与阴影衰落的线性模型后,利用对称信息对系统矩阵降低维度,将投影矩阵分解为A组正链路和B组逆链路冗余投影值两部分。由于两组投影值双向差的线性反投影析出了噪声信息Nab和Nba,所以用A组和B组数据的线性组合能抑制原重建图像的噪声达到增强图像的目的。选用JN5139芯片构成Zigbee无线传感网节点,采用16个节点围成23.04 m2正方形实验环境,分别采集了1人和2人站在区域内的测量数据。实验数据成像结果表明,A组和B组数据均能完整地重建图像,两组投影值双向差析出的是噪声信息,当选用α=40,β=5时,A组和B组数据的线性组合重建图像能清楚地确定人的站立位置。该算法不仅能通过对系统矩阵降低维度来加快运算速度,而且还能通过A组和B组数据的线性组合来增强重建图像。