CN103607768A - 一种非集中式场景下的目标设备定位方法及相关设备 - Google Patents
一种非集中式场景下的目标设备定位方法及相关设备 Download PDFInfo
- Publication number
- CN103607768A CN103607768A CN201310067740.2A CN201310067740A CN103607768A CN 103607768 A CN103607768 A CN 103607768A CN 201310067740 A CN201310067740 A CN 201310067740A CN 103607768 A CN103607768 A CN 103607768A
- Authority
- CN
- China
- Prior art keywords
- cluster
- knot point
- node
- iteration
- cluster knot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Measurement Of Radiation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明实施例涉及通信技术领域,公开了一种非集中式场景下的目标设备定位方法及相关设备。其中,该方法和相关设备在定位系统内无集中式处理中心并且当目标设备辐射信号非全局可达时(即目标设备辐射功率较小或整个观测区域较大时),在不增加定位系统内的检测节点总个数的前提下,通过利用相邻簇节点间各待求解未知目标位置向量所构建的目标位置矩阵的潜在的低秩特性和相邻簇节点间信号重建信息的平均一致性,实现在非集中式场景下的目标设备的准确且高效定位。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种非集中式场景下的目标设备定位方法及相关设备。
背景技术
目前,压缩感知(Compressive Sensing,CS)目标定位技术主要应用于如图1所示的集中式场景,即所有本地检测节点将各自所在位置处的测量数据统一上报给定位系统内的一个集中式处理中心(即融合中心或基站),由集中式处理中心根据所收集的各测量数据对未知的目标设备(如手机、智能终端等等)位置向量进行重建,并依据重建结果对观测区域内的目标设备的位置坐标进行定位。
然而,CS目标定位技术完全依赖于定位系统内的集中式处理中心,仅适用于集中式场景下的目标设备定位,当面临无集中式处理中心的非集中式场景时,CS目标定位技术将无法执行;另外,当观测区域较大或目标设备的辐射功率较小而造成目标设备辐射信号非全局可达时,CS目标定位技术的准确性和有效性也将受到严重影响。
发明内容
本发明实施例提供一种目标设备定位方法及相关设备,能够在无集中式处理中心且目标设备辐射信号非全局可达的非集中式场景下实现目标设备的定位。
本发明实施例第一方面提供一种非集中式场景下的目标设备定位方法,包括:
簇节点获取其相邻簇节点集中每个相邻簇节点共享的有效测量数据和处理矩阵;其中,所述每个相邻簇节点共享的有效测量数据对应着该相邻簇节点所要重建的待求解未知目标位置向量和处理矩阵;
所述簇节点利用其相邻簇节点集中每个相邻簇节点所要重建的待求解未知目标位置向量构建所述相邻簇节点集对应的待重建的目标位置矩阵;
所述簇节点执行基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性的初始化的矩阵重建;
所述簇节点对所述初始化的矩阵重建的结果进行列向量平均化处理获得所述簇节点的初始化的信号重建信息;
所述簇节点获取其相邻簇节点集中每个相邻簇节点共享的初始化的信号重建信息;
所述簇节点执行基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息平均一致性的迭代更新的矩阵重建;
所述簇节点对所述迭代更新的矩阵重建的结果进行列向量平均化处理获得所述簇节点的迭代更新的信号重建信息;
所述簇节点获取其相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息;
所述簇节点判断是否满足迭代更新的终止条件,若满足,则输出最终目标设备定位结果至所述簇节点覆盖范围内的本地检测节点。
在本发明实施例第一方面的第一种可能的实现方式中,所述簇节点判断不满足迭代更新的终止条件,则所述方法还包括:
所述簇节点执行所述的基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息平均一致性的迭代更新的矩阵重建的步骤,以及执行所述的对所述迭代更新的矩阵重建的结果进行列向量平均化处理获得所述簇节点的迭代更新的信号重建信息的步骤,以及执行所述的获取其相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息的步骤,直至满足迭代更新的终止条件时,执行所述的输出最终目标设备定位结果至所述簇节点覆盖范围内的本地检测节点的步骤。
在本发明实施例第一方面的第二种可能的实现方式中,所述方法还包括:
所述簇节点接收所述簇节点覆盖范围内的本地检测节点针对目标设备的辐射信号在本地采集并上报的本地测量数据,并进行去相关处理后生成所述簇节点的有效测量数据;其中,所述簇节点的有效测量数据对应着所述簇节点所要重建的待求解未知目标位置向量和处理矩阵;
所述簇节点将所述簇节点的有效测量数据和处理矩阵共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
在本发明实施例第一方面的第三种可能的实现方式中,所述方法还包括:
所述簇节点将所述簇节点的初始化的信号重建信息共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
在本发明实施例第一方面的第四种可能的实现方式中,所述方法还包括:
所述簇节点将所述簇节点的迭代更新的信号重建信息共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
结合本发明实施例第一方面或本发明实施例第一方面的第一种至第四种中的任一种可能的实现方式,在本发明实施例第一方面的第五种可能的实现方式中,所述簇节点判断是否满足迭代更新的终止条件包括:
所述簇节点判断前后两次根据所述簇节点的迭代更新的信号重建信息定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
结合本发明实施例第一方面或本发明实施例第一方面的第一种至第四种中的任一种可能的实现方式,在本发明实施例第一方面的第六种可能的实现方式中,所述簇节点判断是否满足迭代更新的终止条件包括:
所述簇节点判断根据所述簇节点的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果与根据所述每个相邻簇节点共享的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
结合本发明实施例第一方面或本发明实施例第一方面的第一种至第四种中的任一种可能的实现方式,在本发明实施例第一方面的第七种可能的实现方式中,所述簇节点以及所述相邻簇节点在整个观测区域内均匀部署,且与其他本地检测节点具有较高连接度。
本发明实施例第二方面提供一种非集中式场景下的簇节点,包括:
第一单元,用于获取所述簇节点的相邻簇节点集中每个相邻簇节点共享的有效测量数据和处理矩阵;其中,所述每个相邻簇节点共享的有效测量数据对应着该相邻簇节点所要重建的待求解未知目标位置向量和处理矩阵;
第二单元,用于利用所述簇节点的相邻簇节点集中每个相邻簇节点所要重建的待求解未知目标位置向量构建所述相邻簇节点集对应的待重建的目标位置矩阵;
第三单元,用于执行基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性的初始化的矩阵重建;
第四单元,用于对所述初始化的矩阵重建的结果进行列向量平均化处理获得所述簇节点的初始化的信号重建信息;
第五单元,用于获取所述簇节点的相邻簇节点集中每个相邻簇节点共享的初始化的信号重建信息;
第六单元,用于执行基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息平均一致性的迭代更新的矩阵重建;
第七单元,用于对所述迭代更新的矩阵重建的结果进行列向量平均化处理获得所述簇节点的迭代更新的信号重建信息;
第八单元,用于获取所述簇节点的相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息;
第九单元,用于判断是否满足迭代更新的终止条件;
第十单元,用于在所述第九单元判断出满足迭代更新的终止条件时,输出最终目标设备定位结果至所述簇节点覆盖范围内的本地检测节点。
在本发明实施例第二方面的第一种可能的实现方式中,所述簇节点还包括:
所述第十单元,还用于在所述第九单元判断出不满足迭代更新的终止条件时,通知所述第六单元执行基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息平均一致性的迭代更新的矩阵重建的步骤,以及通知所述第七单元执行所述对所述迭代更新的矩阵重建的结果进行列向量平均化处理获得所述簇节点的迭代更新的信号重建信息的步骤,以及通知第八单元执行所述的获取其相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息的步骤,直至所述第九单元判断出满足迭代更新的终止条件时,执行所述的输出最终目标设备定位结果至所述簇节点覆盖范围内的本地检测节点的步骤。
在本发明实施例第二方面的第二种可能的实现方式中,所述簇节点还包括:
第十一单元,用于接收所述簇节点覆盖范围内的本地检测节点针对目标设备的辐射信号在本地采集并上报的本地测量数据,并进行去相关处理后生成所述簇节点的有效测量数据;其中,所述簇节点的有效测量数据对应着所述簇节点所要重建的待求解未知目标位置向量和处理矩阵;以及将所述簇节点的有效测量数据和处理矩阵共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
在本发明实施例第二方面的第三种可能的实现方式中,所述第四单元还用于将所述簇节点的初始化的信号重建信息共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
在本发明实施例第二方面的第四种可能的实现方式中,所述第七单元还用于将所述簇节点的迭代更新的信号重建信息共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
结合本发明实施例第二方面或本发明实施例第二方面的第一种至第四种中的任一种可能的实现方式,在本发明实施例第二方面的第五种可能的实现方式中,所述第九单元具体用于判断前后两次根据所述簇节点的迭代更新的信号重建信息定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
结合本发明实施例第二方面或本发明实施例第二方面的第一种至第四种中的任一种可能的实现方式,在本发明实施例第二方面的第六种可能的实现方式中,所述第九单元具体用于判断根据所述簇节点的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果与根据所述每个相邻簇节点共享的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
结合本发明实施例第二方面或本发明实施例第二方面的第一种至第四种中的任一种可能的实现方式,在本发明实施例第二方面的第七种可能的实现方式中,所述簇节点以及所述相邻簇节点在整个观测区域内均匀部署,且与其他本地检测节点具有较高连接度。
本发明实施例在定位系统内无集中式处理中心并且当目标设备辐射信号非全局可达时(即目标设备辐射功率较小或整个观测区域较大时),在不增加定位系统内的检测节点总个数的前提下,通过利用相邻簇节点间各待求解未知目标位置向量所构建的目标位置矩阵的潜在的低秩特性和相邻簇节点间信号重建信息的平均一致性,实现在非集中式场景下的目标设备的准确且高效定位。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是现有的一种集中式场景示意图;
图2是本发明实施例提供的一种非集中式场景下的目标设备定位方法的流程图;
图3是本发明实施例提供的一种非集中式场景下的定位系统组成及观测区域示意图;
图4是图3所示的本发明实施例提供的非集中式定位系统及观测区域的网格化示意图;
图5是本发明实施例提供的另一种非集中式场景下的目标设备定位方法的流程图;
图6是本发明实施例提供的一种非集中式场景下的簇节点的结构图;
图7是本发明实施例提供的另一种非集中式场景下的簇节点的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种目标设备定位方法及相关设备,能够在无集中式处理中心且目标设备辐射信号非全局可达的非集中式场景下实现目标设备的定位。以下分别进行详细说明。
请参阅图2,图2是本发明实施例提供的一种非集中式场景下的目标设备定位方法的流程图。如图2所示,该方法可以包括以下步骤。
201、簇节点获取其相邻簇节点集中每个相邻簇节点共享的有效测量数据和处理矩阵;其中,每个相邻簇节点共享的有效测量数据对应着该相邻簇节点所要重建的待求解未知目标位置向量和处理矩阵。
本发明实施例中,簇节点以及相邻簇节点在整个观测区域内均匀部署,且与其他本地检测节点具有较高连接度。这样既可以保证整个观测区域被所有簇节点的累加范围全覆盖,又可以保障与其他本地检测节点具有较高连接度(即邻居数)的簇节点可以收集充足的本地测量数据和有效进行后续的数据及信息共享。由于本发明实施例应用的非集中式场景内没有集中式处理中心,因此各个簇节点作为定位实体。
202、簇节点利用其相邻簇节点集中每个相邻簇节点所要重建的待求解未知目标位置向量构建相邻簇节点集对应的待重建的目标位置矩阵。
203、簇节点执行基于相邻簇节点集对应的待重建的目标位置矩阵的低秩特性的初始化的矩阵重建。
204、簇节点对初始化的矩阵重建的结果进行列向量平均化处理获得本簇节点的初始化的信号重建信息。
本发明实施例中,簇节点可以将本簇节点的初始化的信号重建信息共享给本簇节点的相邻簇节点集中每个相邻簇节点。
205、簇节点获取其相邻簇节点集中每个相邻簇节点共享的初始化的信号重建信息。
206、簇节点执行基于相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇间信号重建信息平均一致性的迭代更新的矩阵重建。
207、簇节点对迭代更新的矩阵重建的结果进行列向量平均化处理获得本簇节点的迭代更新的信号重建信息。
本发明实施例中,簇节点可以将本簇节点的迭代更新的信号重建信息共享给本簇节点的相邻簇节点集中每个相邻簇节点。
208、簇节点获取其相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息。
209、簇节点判断是否满足迭代更新的终止条件,若满足,则输出最终目标设备定位结果至本簇节点覆盖范围内的本地检测节点。
本发明实施例中,对于簇节点判断出不满足迭代更新的终止条件的情况,后续将通过具体实施例来进行说明,本发明实施例此处不作介绍。
一个实施例中,簇节点判断前后两次根据本簇节点的迭代更新的信号重建信息定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
另一个实施例中,簇节点判断根据本簇节点的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果与根据每个相邻簇节点共享的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
本发明实施例中,图2所示的一种非集中式场景下的目标设备定位方法还可以包括以下步骤:
簇节点接收本簇节点覆盖范围内的本地检测节点针对目标设备的辐射信号在本地采集并上报的本地测量数据,并进行去相关处理后生成本簇节点的有效测量数据;其中,本簇节点的有效测量数据对应着本簇节点所要重建的待求解未知目标位置向量和处理矩阵;
以及,簇节点将本簇节点的有效测量数据和处理矩阵共享给簇节点的相邻簇节点集中每个相邻簇节点。
其中,图2所示的非集中式场景下的目标设备定位方法可以在无集中式处理中心且当目标设备辐射信号非全局可达时(即目标设备辐射功率较小或整个观测区域较大时),在不增加定位系统内的检测节点总个数的前提下,通过利用相邻簇节点间各待求解未知目标位置向量所构建的目标位置矩阵的潜在的低秩特性和相邻簇节点间信号重建信息的平均一致性,实现在非集中式场景下的目标设备的准确且高效定位。
为了更好的理解本发明实施例,下面进一步地结合具体实施例进行详细论述。在结合具体实施例进行详细论述之前,本发明实施例首先对具体实施例中涉及到的数学符号进行如下说明:
本发明实施例中,粗体加黑正体的大写字母表示矩阵,如Θ,A,Φ,Ψ等;粗体加黑正体的小写字母代表向量(均为列向量),如θ,s,m,n等;花体斜体的大写字母代表集合(或简称:集),如C,H等;正常的斜体的大写字母代表一个数值、变量、索引号或横纵坐标的上界(即某数值或某变量的最大值),如N,K,L,H,R,D,X,Y等;正常的斜体的小写字母代表一个数值、变量、索引号或横纵坐标,如n,k,l,h,i,p,x,y等;在未知量(本发明实施例中的未知量包括未知的目标位置向量θ,未知的目标位置矩阵Θ和未知的目标位置横纵坐标(x,y))的符号上方加“^”表示对未知量求解后获得的结果,如等;集合符号两侧加单竖线表示集合的势,即表征集合内所有元素的个数,如|H|=H等;向量符号两侧加双竖线表示向量的范数,本发明实施例中涉及二范数,如‖‖2,表示向量的二范数再平方;矩阵符号两侧加双竖线再加*表示矩阵的核函数,其数学含义为矩阵奇异值之和,如‖‖*;本发明实施例中对未知的目标位置矩阵的重建操作是通过求解在约束条件下令目标函数达到最优值(以最小值为例)的未知目标位置矩阵来实现的,例如其中{}内为目标函数,s.t.,后跟约束条件,argmin表示求解令目标函数达到最小值的未知量;其他相关数学符号的说明在具体实施例中的出现处均附有详细解释,本发明实施例此处不作繁述。
进一步地,在结合具体实施例进行详细论述之前,本发明实施例还对本发明实施例适用的目标定位应用场景进行介绍。其中,在本发明实施例不仅适用于非集中式场景下的多目标定位,同样适用于非集中式场景下的单目标定位。本发明实施例在非集中式场景下的整个观测区域内可以存在若干个待定位的目标设备,这些目标设备的所在位置是事先未知的,而且由于观测区域较大或目标设备辐射功率较小,导致目标设备的辐射信号并非全局可达,如图3中三个目标设备及以各目标设备为圆心的各自辐射区域所示。为定位非集中式场景下的这些目标设备,可以在整个观测区域内确定若干簇节点并确定以簇节点为圆心的簇覆盖范围,其中,簇节点及簇覆盖范围分别如图3中若干同心圆及以同心圆为圆心的圆形区域所示,图3中其余圆点代表定位系统内的其他本地检测节点。为便于说明,本发明实施例可以将图3所示的整个观测区域表示为一个网格,如图4所示,以下仅讨论二维平面的情况,即只考虑平面坐标(x,y),不考虑z轴。应理解,本发明实施例提供的所述方法不仅适用于二维平面,通过简单扩展也适用于三维空间的情况。
如图4所示,在整个观测区域内(即一张X×Y的网格),有K(图4中以K=3为例)个待定位的目标设备(如图4中的3个五角星所示),这些目标的坐标位置分别对应为网格内的K个坐标点,可表示为{(x(k),y(k))},这K个目标设备的所在位置的坐标是事先未知的,是待求解的未知量,而且考虑到整个观测区域较大或目标设备辐射功率较小等实际因素,使得目标设备的辐射信号非全局可达,从而导致出现检测能力受限的定位场景。为实现对这K个目标设备的所在位置进行准确定位,在整个观测区域内部署L个检测节点(包括簇节点和其他本地检测节点),其所在坐标位置为{(xl,yl)},如图4中的圆点所示,且本发明实施例从所部署的L个检测节点中确定H个簇节点如图4中的同心圆点所示,对于簇节点的确定应该遵循在整个观测区域内均匀部署,并且与其他检测节点具有较高连接度,这样做的目的为:既可以尽量确保整个观测区域被所有簇节点的叠加范围全覆盖,与此同时又可以保障与其他本地检测节点具有较高邻居数的簇节点可以收集充足的本地测量数据和有效进行数据及信息共享。如图4所示,各个簇节点的覆盖范围由以簇节点为圆心的圆形区域表示,各个簇节点在观测区域内的所在位置的坐标表示为 |H|=H,其中hi代表簇节点的索引号,H代表整个观测区域内所有簇节点的集合,集合的势|H|等于簇节点的个数,即|H|=H,其他本地检测节点是否处于某个簇节点的覆盖范围内,由本地检测节点与簇节点间的距离是否小于等于该簇节点的覆盖范围半径来决定,即其中Ci表示以hi为簇节点的簇索引,表示该簇节点的覆盖范围半径。应理解,簇节点的覆盖范围不一定是圆形也可以是其他图形,且本地检测节点与簇节点的关系也不一定由距离来决定,也可以是预先设定的其他的所属关系规则或策略,本发明实施例对此不做具体限定。
本发明实施例中,考虑到无线信道的影响,第k个目标设备的辐射信号经无线传播信道后到达第l个本地检测节点所在位置处的接收信号强度(Received Signal Strength,RSS)为:
RSS(dk,l)=Pt+Ke-10ηlg(dk,ld0)+α+β, (1)
其中,Pt为待定位的目标设备的辐射功率,Ke为环境因子,η是路损因子,dk,l为第k个目标设备与第l个本地检测节点所在位置处的距离,其中,d0是参考距离,α是快衰落因子,β是阴影衰落因子。应理解,除公式(1)外,本发明实施例同样适用于其他种类的无线信道传播模型。此外,应理解,用于目标定位的测量数据除各检测节点处的RSS外,还可以是其他可以用于目标定位的测量数据,本发明技术对此并不具体限定。
本发明实施例中,可以将图4所示的整个X×Y的网格内的所有X·Y个坐标点依次排开,从而构成一个N×1的目标位置向量θ(其中,从数值上看N=X·Y,为整个观测区域中的网格点的总个数),由于K个目标设备在某一时刻仅可能出现在所有N个坐标点中的任一K个位置上,所以待定位的目标设备所在位置的坐标点的个数K远远小于目标位置向量的长度N(即,K<<N),因此在该目标位置向量θ中只有K个非零元素而其余N-K个元素值均为零,所以该目标位置向量是空间稀疏的。其中,目标位置向量θ用于刻画目标设备在观测区域中的所在位置信息,该列向量的长度为N,即N×1的列向量,当θ中第p个元素为非零时,例如该元素等于1时,则说明在网格中的第p个索引位置所对应的坐标处存在目标设备,其中索引p的范围为p∈[1,N],即目标设备可能在网格内的任一位置出现,当θ中某元素为零时,则说明在该索引位置所对应的坐标处无目标设备出现,其中,目标设备的位置索引序号p∈[1,N]与目标设备的位置坐标(x(k),y(k)),k∈[1,K],x∈[1,X],y∈[1,Y]是一一对应的,本发明实施例并不限定两者的对应关系的具体映射规则。应注意,在本发明实施例的定位过程中θ是未知量,是本发明实施例待确定的未知信息。在基于CS的目标定位应用场景中,虽然目标位置向量θ具有空间稀疏性,但是经无线传播信道到达各个网格点处的RSS的辐射信号向量(用列向量s表示,用于表示整个观测区域内的全部K个目标设备在观测区域内所有N个网格点坐标位置处产生的叠加RSS)并不是直接稀疏的,而是通过稀疏表示矩阵Ψ来体现,该稀疏表示矩阵Ψ是一个N×N的矩阵,其各个元素值由式(1)确定,即刻画了辐射信号从网格内的目标设备可能出现的所有潜在位置k∈[1,N]处到所有网格点l∈[1,N]处所经历的无线信道影响,所以实际存在的K个待定位的目标设备在整个观测网格内所有网格点处的辐射信号向量可表示为
s=Ψθ. (2)
其中,基于未知目标位置向量在网格空间上具有的稀疏性这一前提,运用CS技术的目标定位无需在所有N个网格点上逐一收集测量数据,而是仅通过L(L<<N,即L远远小于N)个检测节点处的测量数据即可进行目标定位。换言之,本发明实施例并不是利用N×1的向量s来确定未知目标位置向量θ(对应前面所说的理想的全网格数据采集的低效方案,即在网格内的所有坐标点上均部署检测节点,即获取网格内所有位置处的测量数据,例如所有网格点处的RSS,从而根据功率或能量在整个网格内的分布来定位网格内的多个目标设备),而是仅在L(L<<N)个坐标点上部署检测节点,并根据这L个坐标点上采集的测量数据来重建未知目标位置向量θ,而这一求解无法通过传统的简单的矩阵求逆及向量矩阵乘法等操作来完成,因为当L<<N时,则为欠定问题,即等式的个数远远小于待求解的未知量的个数。
本发明实施例中,整个观测区域内无集中式处理中心,整个观测区域内的H个簇节点作为定位实体,而其他本地检测节点仅负责观测并上报本地测量数据,当本地检测节点l与簇节点hi满足时,即本地检测节点l到簇节点hi的距离小于等于门限时,则本地检测节点l处在簇节点hi的覆盖区域Ci内(应理解,簇节点的覆盖范围区域不一定为圆形,也可以是其他规则形状或不规则形状,而且本地检测节点距离簇节点的预设距离门限也不限定于某个固定值,可以根据实际应用而动态设定,而且本地检测节点与簇节点的所属关系也不仅限于由距离来决定,也可以是预先设定的其他的所属关系规则或策略,本发明实施例对此均不作特别限定)。其中,本地检测节点l向其所属覆盖范围内的簇节点hi上报其采集的本地测量数据,本地检测节点与簇节点的上报关系如图4中圆点(代表本地检测节点)与同心圆点(代表簇节点)间的实线所示,其中,(xl,yl)代表本地检测节点l的位置坐标,代表簇节点hi的位置坐标,表示簇节点hi的覆盖范围Ci半径。应理解,簇节点自身也作为一个本地检测节点对其所在位置处进行观测并采集本地测量数据。
本发明实施例中,经本地检测节点上报和簇节点接收并处理本地测量数据后,在簇节点hi处所获得的有效测量数据为其中,为采样矩阵,其表示簇节点hi获得了各本地检测节点(包括簇节点和其覆盖区域内其他本地检测节点)所在网格点处采集的测量数据,例如RSS,该采样矩阵的构成是每一行只有一个元素取值为1而其他元素均为0,且各行中取值为1的元素位置编号(即列索引位置编号)分别对应为该簇节点hi以及该簇覆盖范围内其他本地检测节点{l|l∈Ci}在网格中的位置坐标的索引编号,与s相乘即表示簇节点hi获得了其自身作为一个检测节点所在位置处以及簇内其他各本地检测节点所在位置处采集到的本地测量数据,为去相关矩阵,因为在CS技术的应用中,要求稀疏表示矩阵与采样矩阵要互不相关,但在目标定位场景中Ψ和均是在空间域,所以还要对所上报的测量数据进行去相关处理,去相关处理矩阵表示为其中,orth(·)为对矩阵列向量的正交化操作,(·)T为转置操作,为伪逆操作,为测量加性噪声,表示在测量数据的采集、上报、接收、处理等一系列过程中客观存在的噪声(应理解,该噪声不是人为主观或主动加入的,而是客观存在的),为数学符号表示方便及语言描述简洁,可称乘积矩阵为簇节点hi的处理矩阵。
本发明实施例中,整个观测区域内总共确定H个簇节点,确定这些簇节点应遵循如下规则,即簇节点应尽量在整个观测区域内均匀部署,并且与其他检测节点具有较高连接度,这样既可以保证整个观测区域被所有簇节点的累加范围全覆盖,又可以保障与其他本地检测节点具有较高邻居数的簇节点可以收集充足的本地测量数据和有效进行后续的数据及信息共享。由于整个观测区域内无集中式处理中心,因此各个簇节点作为定位实体。
本发明实施例中,为充分利用整个观测区域内的相邻簇节点间的信息共享,有效提高定位性能,可以令相邻簇节点间共享测量信息及信号重建信息;与此同时,也考虑到作为非集中式场景下的目标定位,为节省簇节点之间用于相互共享有效测量数据、处理矩阵以及信号重建信息等所消耗的通信开销,可以令各簇节点仅与周围相邻近的其他簇节点进行通信及共享,即对整个观测区域内的簇节点进行相邻簇节点集划分,以簇节点hi为例,其相邻簇节点集为 Hi∈H,Hi=|Hi|,其中,hj代表簇节点hi的相邻簇节点,和分别代表簇节点hi及相邻簇节点hj的所在位置的横、纵坐标,DNH表示预设的相邻关系簇节点间的最大距离门限,即两个簇节点间距离小于等于该门限时即为相邻簇节点(应理解,簇节点之间相邻关系的预设距离门限DNH不限定于某个固定值,可以根据实际应用而动态设定),并在相邻簇节点之间进行相互通信以共享簇间的有效测量数据、处理矩阵及信号重建信息(共享操作及所共享信息的详细描述本发明实施例将在后续的具体实施例中详细给出),而当两个簇节点间距离大于该门限时则不构成相邻关系,其间也无共享信息交互。其中,簇节点间的相邻关系如图4中同心圆点间的虚线所示。
本发明实施例中,对于整个观测区域内的相邻簇节点而言,其各自所对应的待求解未知目标位置向量均为网格内的稀疏的未知目标位置向量,若将相邻簇间所对应的多个稀疏的待求解未知目标位置向量对齐排列并以此构成一个矩阵,并称其为待重建的目标位置矩阵,该矩阵具有潜在的低秩特性,该低秩特性的成因为:通过相邻簇间的多个待求解未知目标位置向量构建相邻簇节点集对应的待重建的目标位置矩阵,使得各个簇节点的单个待求解未知目标位置向量的原本独立的稀疏性转化为了相邻簇节点集对应的待重建的目标位置矩阵的低秩特性,即所构建的相邻簇节点集对应的待重建的目标位置矩阵的非零奇异值的个数小于该矩阵的列数或行数。
以上,对本发明实施例适用的目标定位应用场景进行了详细介绍,下面进一步描述本发明实施例提供的具体实施例。请参阅图5,图5是本发明实施例提供的另一种非集中式场景下的目标设备定位方法的流程图。如图5所示,该方法可以包括以下步骤。
501、在整个观测区域内部署本地检测节点。
502、在整个观测区域内确定簇节点及其覆盖范围。
503、本地检测节点采集本地测量数据并向所在覆盖范围的簇节点上报本地测量数据。
504、簇节点接收其覆盖范围内的本地检测节点针对目标设备的辐射信号在本地采集并上报的本地测量数据,并进行去相关处理后生成该簇节点的有效测量数据。
其中,簇节点的有效测量数据对应着簇节点所要重建的待求解未知目标位置向量和处理矩阵。
505、确定簇节点的相邻簇节点集以建立簇节点间的相邻关系。
506、相邻簇节点间共享各簇节点的有效测量数据和处理矩阵。
其中,每个相邻簇节点共享的有效测量数据对应着该相邻簇节点所要重建的待求解未知目标位置向量和处理矩阵。
507、簇节点构建相邻簇节点集所对应的待重建的目标位置矩阵。
其中,簇节点可以利用其相邻簇节点集中每个相邻簇节点所要重建的待求解未知目标位置向量构建相邻簇节点集对应的待重建的目标位置矩阵。
508、簇节点执行相邻簇节点集对应的待重建的目标位置矩阵的低秩特性的初始化的矩阵重建。
509、簇节点对初始化的矩阵重建的结果进行向量平均化处理获得簇节点的初始化的信号重建信息。
其中,簇节点还可以将簇节点的初始化的信号重建信息果共享给簇节点的相邻簇节点集中每个相邻簇节点。
510、相邻簇节点间共享各簇节点的初始化的信号重建信息。
511、簇节点执行基于相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇间信号重建信息平均一致性的迭代更新的矩阵重建。
512、簇节点对迭代更新的矩阵重建的结果进行列向量平均化处理获得簇节点的迭代更新的信号重建信息。
其中,簇节点还可以将簇节点的迭代更新的信号重建信息共享给簇节点的相邻簇节点集中每个相邻簇节点。
513、相邻簇节点间共享各簇节点的迭代更新的信号重建信息。
514、簇节点判断是否满足迭代更新的终止条件,若不满足则跳转执行步骤511~步骤513,若满足则执行步骤515;
515、簇节点输出最终目标设备定位结果至簇节点覆盖范围内的本地检测节点。
需要说明的是,上述步骤503和步骤504也可以放到步骤505后即步骤506前执行,并不影响本发明实施及其有益效果。
根据上述流程步骤,本发明实施例的方法具体说明如下:
如图4所示,整个观测区域为一张X×Y的网格,其中,观测区域内共有K个潜在的目标设备,这K个潜在的目标设备的实际坐标位置为{(x(k),y(k))},但是各个目标设备的所在位置的坐标是事先未知的,是本发明实施例需要通过定位来获知的未知信息,而为表示未知信息和对其求解后获得的信息的区别,通过执行本发明实施例提供的方法后获取的目标设备的定位信息将表示为 在图4中,目标设备所在的实际位置由图4中的五角星标示。在整个观测区域内,共部署L个检测节点,这些检测节点在观测区域内的坐标为{(xl,yl)},在图4中,圆点表示这些检测节点的所在位置,这些所部署的检测节点的所在位置坐标是已知的。
本发明实施例中,定位系统内无集中式处理中心,本发明实施例将确定H个簇节点,如图4中的同心圆点所示,其中,簇节点的确定应遵循在整个观测区域内均匀部署,且与其他检测节点具有较高连接度(应理解,簇节点是一个特殊的本地检测节点,具有一个普通本地检测节点的所有功能),这样既可保证所有簇节点的累加范围可覆盖整个观测区域,又可以保障与其他本地检测节点具有较高邻居数的簇节点可以收集充足的本地测量数据和有效进行数据及信息共享。其中,各个簇节点的覆盖范围由以簇节点为圆心的圆形区域表示,簇节点所在位置的坐标可表示为 |H|=H,其中hi代表簇节点的索引号,H代表整个观测区域内所有簇节点的集合,集合的势|H|等于整个观测区域内的簇节点的个数H,其他本地检测节点是否处于某个簇节点的覆盖范围内,可由本地检测节点与簇节点间的距离是否小于等于该簇节点的覆盖范围半径来决定,即
其中,Ci表示以hi为簇节点的覆盖范围,(xl,yl)代表本地检测节点l的位置的坐标,代表簇节点hi的位置坐标,表示该簇节点的覆盖范围半径,应理解,可以是预先设定的一个固定值,也可以是根据具体应用场景动态变化的值,本发明实施例对此不做具体限定。还应理解,簇节点的覆盖范围可以为圆形区域,也可以是其他规则或不规则的形状区域,本发明实施例对此不做限定。
本发明实施例中,簇节点的覆盖范围内的本地检测节点(也包括簇节点)采集所在位置处针对目标的测量数据,然后向该簇节点上报本地测量数据,同时簇节点接收其覆盖范围内的本地检测节点上报来的测量数据(同时也包括簇节点作为一个检测节点在其自身所在位置处针对目标设备所辐射信号而采集的测量数据),以某一簇节点hi处为例,其收集并经处理后的本簇节点的有效测量数据可表示为
其中,为该簇节点相对应的采样矩阵,其表示簇节点hi获得了各本地检测节点(包括簇节点和其覆盖范围内其他本地检测节点)所在网格点处采集的测量数据,例如RSS,该采样矩阵的构成是每一行只有一个元素取值为1而其他元素均为0,且各行中取值为1的元素位置编号(即,列索引位置编号)分别对应为该簇节点hi以及该簇节点内其他本地检测节点{l|l∈Ci}在网格中的位置坐标的索引编号,与s相乘即表示簇节点hi获得了其自身所在位置处以及簇内其他各本地检测节点所在位置处采集到的本地测量数据,为去相关矩阵,因为在CS技术的应用中,要求稀疏表示矩阵与采样矩阵要互不相关,但在目标定位场景中Ψ和均是在空间域,所以还要对所上报的测量数据进行去相关处理,去相关处理矩阵为其中orth(·)为对矩阵列向量的正交化操作,(·)T为转置操作,为伪逆操作,为测量加性噪声(应理解,该噪声不是人为主观加入的),为数学符号表示方便及语言描述简洁,可称乘积矩阵(其中,)为簇节点hi的处理矩阵。
本发明实施例中,整个观测区域内的各簇节点作为定位实体参与目标定位,为了有效利用非集中式定位系统内的合作增益(体现为相邻簇节点集所对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息的一致性,后续将展开具体解释),在相邻簇节点间将建立共享机制,以共享相邻簇节点内的数据及信息,例如:有效测量数据、处理矩阵以及信号重建信息。与此同时,还应考虑簇节点的能力、能耗等实际因素的限制,所以簇节点将仅和其周围邻近的簇节点建立相邻关系,即确定簇节点的相邻簇节点集:
其中,Hi表示簇节点hi的相邻簇节点集,该相邻簇节点集包括簇节点hi本身以及满足与其相邻距离小于等于DNH的其他簇节点。应理解,相邻簇节点距离门限DNH可以是一个预设的固定值,也可以是一个根据实际应用动态调整的可变值,本发明实施例对此不做限定,Hi是集合Hi的势,表示相邻簇节点集合中簇节点的个数。
其中,在确定了簇节点间的相邻关系后,具有相邻关系的簇节点间将相互共享簇内的有效测量数据和处理矩阵如公式(4)所示。
本发明实施例中,对于簇节点hi而言,由于其相邻簇节点集中的相邻簇节点(hj∈Hi)向簇节点hi共享了各自的有效测量数据和处理矩阵其中,各相邻簇节点hj的有效测量数据()依次对应着各自簇节点hj所要重建的待求解未知目标位置向量θ和处理矩阵在簇节点hi的相邻簇节点集Hi中共对应着Hi=|Hi|个这样的所要重建的待求解未知目标位置向量,分别表示为其中,列向量对应簇节点hi,多个列向量对应簇节点hi的多个相邻簇节点hj∈Hi,若将这些列向量 对齐排列并构成一个N×Hi维的矩阵,称该矩阵为相邻簇节点集对应的待重建的目标位置矩阵,即又因为该目标位置矩阵中各列待求解未知目标位置向量都具有空间稀疏性,所以该目标位置矩阵具有潜在的低秩特性,基于该低秩特性并结合相邻簇节点间已共享的有效测量数据和处理矩阵,簇节点hi可以执行相邻簇节点集对应的待重建的目标位置矩阵的低秩特性的初始化的矩阵重建操作,该初始化的矩阵重建操作是通过建立以下目标函数,并通过求解令该目标函数达到最优值(此处具体为最小值)来实现的,即:
其中,t=0表征初始化时刻,表示初始化的矩阵重建的结果,为目标函数,在该目标函数中,为N×Hi的待重建的未知目标位置矩阵,表示该目标位置矩阵的核函数,其数值上等于该目标位置矩阵的奇异值之和,即引入该目标位置矩阵的核函数是作为矩阵秩的凸包络函数,以此通过凸逼近来利用目标位置矩阵的低秩特性,在目标函数中,二范数的平方项是用来表征相邻簇节点集内的各个簇节点的累加误差部分,为相邻簇节点的有效测量数据的累加向量,为对角化矩阵,其对角线上各子矩阵为相邻簇节点的处理矩阵,为对目标位置矩阵进行列向量化操作,即将目标位置矩阵的列向量依次首尾相连组成HiN×1维的列向量,λ为权重值,用于指示该累加误差和所述的目标位置矩阵的低秩特性在进行矩阵重建时产生的影响的比例,而且,在本发明实施例中,该权重值λ可根据定位的噪声和/或可容忍误差来确定。应理解,以上列举的用于确定该权重值λ的参数或信息仅为示例性说明,本发明实施例并不限定于此,其他能够确定该权重值λ的参数或信息均属本发明实施例的保护范围。应理解,公式(6)中通过对目标函数进行最优化来执行初始化的矩阵重建是通过最小化的方式来实现的,但本发明实施例并不仅限定于此,最优化的目标函数也可以为其他形式,例如,并可以通过最大化该目标函数的方式来执行初始化的矩阵重建,采用最小化或最大化取决于目标函数的形式,但两种方法均可达到相同的通过最优化来重建目标位置矩阵的效果。
本发明实施例中,通过公式(6)获得初始化的矩阵重建的结果后,簇节点hi对初始化的矩阵重建的结果进行列向量平均化处理以获得本簇节点的初始化的信号重建信息即:
在非集中式场景中,以上初始化过程中,由于各个簇节点仅是根据相邻簇节点间的相互共享的有效测量数据和处理矩阵来进行的初始化的矩阵重建,但是仍然未利用到定位系统内的相邻簇节点间的信号重建信息的平均一致性,所以还需要相邻簇节点间共享各簇节点的初始化的信号重建信息,即公式(7)所示的平均处理后获得的本簇节点的初始化的信号重建信息,并结合该初始化的信号重建信息执行后续的迭代更新操作,将本簇节点的初始化的信号重建信息通过共享与迭代更新交叉实现的方式作用于其相邻簇节点的后续的矩阵重建,以此实现迭代信息共享及更新矩阵重建。
其中,各个簇节点在获得了其相邻簇节点共享来的信号重建信息后,将以此作为下一步更新迭代中的上一步历史迭代信息,从而利用自身的上一步矩阵重建结果以及相邻其他簇节点的上一步矩阵重建结果来更新并完善本簇节点当前的矩阵重建结果,即利用了非集中式数据融合过程中的相邻簇节点间的信号重建信息的平均一致性,所以,在初始化之后的迭代更新阶段,各个簇节点还将执行基于相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇间信号重建信息平均一致性的迭代更新的矩阵重建操作,仍以簇节点hi处为例:
其中,时间变量t>0代表初始化时刻后的其他后续迭代更新时刻,公式(8)与公式(6)的区别在于公式(8)中除了继续利用相邻簇节点集对应的待重建的目标位置矩阵的低秩特性的同时,还进一步引入并利用簇节点间的平均一致数据融合作为约束条件,即 其中代表上一时刻本簇节点hi的自身的信号重建信息,可由公式(7)得到,代表上一时刻其他的相邻簇节点hj(hj∈Hi)共享的信号重建信息,该信息是通过初始化后或上一轮迭代更新后相邻簇节点间相互共享信号重建信息(即步骤510或步骤513)而获得的其他相邻簇节点的共享信息,在公式(8)中引入基于平均一致数据融合的约束条件的作用在于,可利用上一步迭代更新中本簇节点与其他相邻簇节点的信号重建差异来加权修正本簇节点在本步迭代更新中的矩阵重建结果,其中,为差异权重系数,且:
其中,hi代表本簇节点,hj代表其他簇节点,Hi代表簇节点hi的相邻簇节点集合,Hi=|Hi|代表簇节点hi的相邻簇节点集合内簇节点的个数,|Hj|代表簇节点hj的相邻簇节点集合内簇节点的个数。
本发明实施例中,通过公式(8)获得迭代更新的矩阵重建的结果后,簇节点hi对该迭代更新的矩阵重建的结果进行列向量平均化处理以获得本簇节点的迭代更新的信号重建信息,
本发明实施例中,簇节点是否要继续进行下一次的迭代更新,需要进行迭代更新的终止条件判决,并根据判决结果来决定是否终止迭代更新过程。由于本发明实施例是以获取未知的待定位的目标设备的位置的坐标信息为目地,所以判断是否停止迭代更新的终止条件为,簇节点判断前后两次迭代更新过程中所得到的目标定位结果是否相等,即:
其中,γ为目标定位判决门限,可根据信号重建信息中非零元素幅值来设定,例如,可设定为非零元素均值的一半,应理解,本发明实施例对此判决门限的设定不做具体限定,代表簇节点hi在上一步迭代更新过程(即t-1时刻)中根据迭代更新的信号重建信息所定位的目标设备的位置坐标,代表簇节点hi在本步迭代更新过程(即t时刻)中根据迭代更新的信号重建信息所定位的目标设备的位置坐标,双等号“==”表示判决左右两端是否相等。
应理解,本发明实施例并不仅限定于以公式(10)作为迭代更新的终止判决条件,除此之外,也可以有其他的判决条件,例如:簇节点hi判断根据其迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果与根据其相邻各个簇节点hj∈Hi共享的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果是否均相等,即
其中,若判决不满足迭代更新的终止条件,即以上公式(10)或公式(11)不成立,将跳转重新执行步骤511,即,执行下(新)一次迭代更新过程。
其中,若判决满足迭代更新的终止条件,即,公式(10)或公式(11)成立,将停止执行迭代更新过程,并输出最后一次迭代更新过程中的目标设备的定位结果作为最终的目标定位结果,并由簇节点通知其覆盖范围内的其他本地检测节点所定位到的目标设备的位置坐标,即:
应理解,除公式(10)和公式(11)外,还可以有其他的判决条件,本发明实施例不作具体限定。
综合以上描述,本发明实施例提供的技术方案可应用于无集中式处理中心的非集中式场景的目标定位,尤其适用于目标设备的辐射信号非全局可达的定位场景,通过建立基于多簇节点的非集中式目标定位架构,本地检测节点不参与定位而仅负责本地测量信息的采集和上报,由簇节点进行信号处理、信息共享及信号重建等操作,以此实现对目标设备的分布式的目标定位。
由于现有的集中式定位技术完全依赖于观测区域内的集中式处理中心来进行信号处理及信号重建并以此进行目标定位,所以在实际应用中,当面临无集中式处理中心的非集中式场景时,集中式的技术方案将无法执行目标定位。而且,集中式目标定位技术的鲁棒性较低,当集中式处理中心出现异常时,整个定位系统也将无法运行。此外,对于集中式的定位系统而言,所有本地检测节点均向在某一位置处(例如定位系统的中心位置处)的处理中心上报测量数据,这将造成系统内的较大上报能耗开销和导致上报传输损耗增大,这是由于当在边缘位置处的本地检测节点要向中心位置处的处理中心上报测量数据时,需要消耗较大的发射功率并对抗较大的传输损耗。由此可见,本发明实施例提供的非集中式定位方法的健壮性和可靠性更强,而且由于大量本地检测节点仅向邻近的簇节点进行测量数据上报,缩短了上报数据的传输距离,因此可降低系统内的上报能耗开销并降低传输损耗。
而且,本发明实施例通过建立基于核函数最小化的目标函数最优化和相邻簇间信号重建信息平均一致数据融合的方法,可以充分利用非集中式场景内相邻多簇节点之间的合作增益,一方面,根据相邻簇节点间相互共享的有效测量数据和处理矩阵,利用相邻簇节点集对应的待重建的目标位置矩阵的低秩特性,执行矩阵重建操作;另一方面,根据相邻簇节点间相互共享的信号重建信息,利用簇节点间信号重建信息的平均一致性,执行迭代更新操作。通过以上两个方面的交叉作用,本发明实施例可实现非集中式场景下的鲁棒的、准确的、高效的目标定位。
上面详细介绍了本发明实施例提供的非集中式场景下的目标设备定位方法,下面再详细介绍本发明实施例提供的一种非集中式场景下的簇节点。请参阅图6,图6是本发明实施例提供的一种非集中式场景下的簇节点的结构图。如图6所示,该簇节点包括:
第一单元601,用于获取本簇节点的相邻簇节点集中每个相邻簇节点共享的有效测量数据和处理矩阵;其中,每个相邻簇节点共享的有效测量数据对应着该相邻簇节点所要重建的待求解未知目标位置向量和处理矩阵。
第二单元602,用于利用本簇节点的相邻簇节点集中每个相邻簇节点所要重建的待求解未知目标位置向量构建相邻簇节点集对应的待重建的目标位置矩阵。
第三单元603,用于执行基于相邻簇节点集对应的待重建的目标位置矩阵的低秩特性的初始化的矩阵重建。
第四单元604,用于对初始化的矩阵重建的结果进行列向量平均化处理获得本簇节点的初始化的信号重建信息。
第五单元605,用于获取本簇节点的相邻簇节点集中每个相邻簇节点共享的初始化的信号重建信息。
第六单元606,用于执行基于相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息平均一致性的迭代更新的矩阵重建。
第七单元607,用于对迭代更新的矩阵重建的结果进行列向量平均化处理获得本簇节点的迭代更新的信号重建信息。
第八单元608,用于获取本簇节点的相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息。
第九单元609,用于判断是否满足迭代更新的终止条件。
第十单元610,用于在第九单元609判断出满足迭代更新的终止条件时,输出最终目标设备定位结果至本簇节点覆盖范围内的本地检测节点。
一个实施例中,第十单元610还用于在第九单元609判断出不满足迭代更新的终止条件时,通知第六单元606执行基于相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息平均一致性的迭代更新的矩阵重建的步骤,以及通知第七单元607执行对迭代更新的矩阵重建的结果进行列向量平均化处理获得本簇节点的迭代更新的信号重建信息的步骤,以及通知第八单元608执行获取其相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息的步骤,直至第九单元609判断出满足迭代更新的终止条件时,执行输出最终目标设备定位结果至本簇节点覆盖范围内的本地检测节点的步骤。
一个实施例中,图6所示的非集中式场景下的簇节点还包括:
第十一单元611,用于接收本簇节点覆盖范围内的本地检测节点针对目标设备的辐射信号在本地采集并上报的本地测量数据,并进行去相关处理后生成本簇节点的有效测量数据;其中,本簇节点的有效测量数据对应着本簇节点所要重建的待求解未知目标位置向量和处理矩阵;以及将本簇节点的有效测量数据和处理矩阵共享给本簇节点的相邻簇节点集中每个相邻簇节点。
一个实施例中,第四单元604还用于将本簇节点的初始化的信号重建信息共享给本簇节点的相邻簇节点集中每个相邻簇节点。
一个实施例中,第七单元607还用于将本簇节点的迭代更新的信号重建信息共享给本簇节点的相邻簇节点集中每个相邻簇节点。
一个实施例中,第九单元609具体用于判断前后两次根据本簇节点的迭代更新的信号重建信息定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
另一个实施例中,第九单元609具体用于判断根据本簇节点的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果与根据每个相邻簇节点共享的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
本发明实施例中,本簇节点以及相邻簇节点在整个观测区域内均匀部署的,且与其他本地检测节点具有较高连接度。
其中,图6所示的非集中式场景下的簇节点可以在定位系统内无集中式处理中心并且当目标设备辐射信号非全局可达时(即目标设备辐射功率较小或整个观测区域较大时),在不增加定位系统内的检测节点总个数的前提下,通过利用相邻簇节点间各待求解未知目标位置向量所构建的目标位置矩阵的潜在的低秩特性和相邻簇节点间信号重建信息的平均一致性,实现在非集中式场景下的目标设备的准确且高效定位。
请参阅图7,图7是本发明实施例提供的另一种非集中式场景下的簇节点的结构图。如图7所示,该簇节点包括接收机701、发射机702、存储器703和处理器704,其中,所述存储器703中存储一组程序代码,且所述处理器704用于调用所述存储器703中存储的程序代码,用于执行以下操作:
获取相邻簇节点集中每个相邻簇节点共享的有效测量数据和处理矩阵;其中,所述每个相邻簇节点共享的有效测量数据对应着该相邻簇节点所要重建的待求解未知目标位置向量和处理矩阵;
利用相邻簇节点集中每个相邻簇节点所要重建的待求解未知目标位置向量构建所述相邻簇节点集对应的待重建的目标位置矩阵;
执行基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性的初始化的矩阵重建;
对所述初始化的矩阵重建的结果进行列向量平均化处理获得所述簇节点的初始化的信号重建信息;
获取相邻簇节点集中每个相邻簇节点共享的初始化的信号重建信息;
执行基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息平均一致性的迭代更新的矩阵重建;
对所述迭代更新的矩阵重建的结果进行列向量平均化处理获得所述簇节点的迭代更新的信号重建信息;
获取相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息;
判断是否满足迭代更新的终止条件,若满足,则输出最终目标设备定位结果至所述簇节点覆盖范围内的本地检测节点。
一个实施例中,处理器704判断出不满足迭代更新的终止条件,则处理器704还执行以下操作:
执行所述的基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息平均一致性的迭代更新的矩阵重建的步骤,以及执行所述的对所述迭代更新的矩阵重建的结果进行列向量平均化处理获得所述簇节点的迭代更新的信号重建信息的步骤,以及执行所述的获取其相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息的步骤,直至满足迭代更新的终止条件时,执行所述的输出最终目标设备定位结果至所述簇节点覆盖范围内的本地检测节点的步骤。
一个实施例中,处理器704还执行以下操作:
接收所述簇节点覆盖范围内的本地检测节点针对目标设备的辐射信号在本地采集并上报的本地测量数据,并进行去相关处理后生成所述簇节点的有效测量数据;其中,所述簇节点的有效测量数据对应着所述簇节点所要重建的待求解未知目标位置向量和处理矩阵;
将所述簇节点的有效测量数据和处理矩阵共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
一个实施例中,处理器704还执行以下操作:
将所述簇节点的初始化的信号重建信息共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
一个实施例中,处理器704还执行以下操作:
将所述簇节点的迭代更新的信号重建信息共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
一个实施例中,处理器704判断是否满足迭代更新的终止条件包括:
判断前后两次根据所述簇节点的迭代更新的信号重建信息定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
一个实施例中,处理器704判断是否满足迭代更新的终止条件包括:
判断根据所述簇节点的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果与根据所述每个相邻簇节点共享的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
其中,所述簇节点以及所述相邻簇节点在整个观测区域内均匀部署,且与其他本地检测节点具有较高连接度。
本发明实施例中,处理器704所涉及的获取、接收操作均可以通过接收机701来实现,而所涉及的共享、发送操作均可以通过发射机702来实现。
一个实施例中,计算机存储介质存储有计算机程序,当计算机存储介质中的计算机程序被读取到计算机时,能够使得计算机完成图2或者图5所示方法的全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
以上对本发明实施例所提供的非集中式场景下的目标设备定位方法及相关设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (16)
1.一种非集中式场景下的目标设备定位方法,其特征在于,包括:
簇节点获取其相邻簇节点集中每个相邻簇节点共享的有效测量数据和处理矩阵;其中,所述每个相邻簇节点共享的有效测量数据对应着该相邻簇节点所要重建的待求解未知目标位置向量和处理矩阵;
所述簇节点利用其相邻簇节点集中每个相邻簇节点所要重建的待求解未知目标位置向量构建所述相邻簇节点集对应的待重建的目标位置矩阵;
所述簇节点执行基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性的初始化的矩阵重建;
所述簇节点对所述初始化的矩阵重建的结果进行列向量平均化处理获得所述簇节点的初始化的信号重建信息;
所述簇节点获取其相邻簇节点集中每个相邻簇节点共享的初始化的信号重建信息;
所述簇节点执行基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息平均一致性的迭代更新的矩阵重建;
所述簇节点对所述迭代更新的矩阵重建的结果进行列向量平均化处理获得所述簇节点的迭代更新的信号重建信息;
所述簇节点获取其相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息;
所述簇节点判断是否满足迭代更新的终止条件,若满足,则输出最终目标设备定位结果至所述簇节点覆盖范围内的本地检测节点。
2.根据权利要求1所述的方法,其特征在于,所述簇节点判断不满足迭代更新的终止条件,则所述方法还包括:
所述簇节点执行所述的基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息平均一致性的迭代更新的矩阵重建的步骤,以及执行所述的对所述迭代更新的矩阵重建的结果进行列向量平均化处理获得所述簇节点的迭代更新的信号重建信息的步骤,以及执行所述的获取其相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息的步骤,直至满足迭代更新的终止条件时,执行所述的输出最终目标设备定位结果至所述簇节点覆盖范围内的本地检测节点的步骤。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
所述簇节点接收所述簇节点覆盖范围内的本地检测节点针对目标设备的辐射信号在本地采集并上报的本地测量数据,并进行去相关处理后生成所述簇节点的有效测量数据;其中,所述簇节点的有效测量数据对应着所述簇节点所要重建的待求解未知目标位置向量和处理矩阵;
所述簇节点将所述簇节点的有效测量数据和处理矩阵共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
所述簇节点将所述簇节点的初始化的信号重建信息共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
所述簇节点将所述簇节点的迭代更新的信号重建信息共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
6.根据权利要求1~5任一项所述的方法,其特征在于,所述簇节点判断是否满足迭代更新的终止条件包括:
所述簇节点判断前后两次根据所述簇节点的迭代更新的信号重建信息定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
7.根据权利要求1~5任一项所述的方法,其特征在于,所述簇节点判断是否满足迭代更新的终止条件包括:
所述簇节点判断根据所述簇节点的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果与根据所述每个相邻簇节点共享的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
8.根据权利要求1~5任一项所述的方法,其特征在于,所述簇节点以及所述相邻簇节点在整个观测区域内均匀部署,且与其他本地检测节点具有较高连接度。
9.一种非集中式场景下的簇节点,其特征在于,包括:
第一单元,用于获取所述簇节点的相邻簇节点集中每个相邻簇节点共享的有效测量数据和处理矩阵;其中,所述每个相邻簇节点共享的有效测量数据对应着该相邻簇节点所要重建的待求解未知目标位置向量和处理矩阵;
第二单元,用于利用所述簇节点的相邻簇节点集中每个相邻簇节点所要重建的待求解未知目标位置向量构建所述相邻簇节点集对应的待重建的目标位置矩阵;
第三单元,用于执行基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性的初始化的矩阵重建;
第四单元,用于对所述初始化的矩阵重建的结果进行列向量平均化处理获得所述簇节点的初始化的信号重建信息;
第五单元,用于获取所述簇节点的相邻簇节点集中每个相邻簇节点共享的初始化的信号重建信息;
第六单元,用于执行基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息平均一致性的迭代更新的矩阵重建;
第七单元,用于对所述迭代更新的矩阵重建的结果进行列向量平均化处理获得所述簇节点的迭代更新的信号重建信息;
第八单元,用于获取所述簇节点的相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息;
第九单元,用于判断是否满足迭代更新的终止条件;
第十单元,用于在所述第九单元判断出满足迭代更新的终止条件时,输出最终目标设备定位结果至所述簇节点覆盖范围内的本地检测节点。
10.根据权利要求9所述的簇节点,其特征在于,
所述第十单元,还用于在所述第九单元判断出不满足迭代更新的终止条件时,通知所述第六单元执行基于所述相邻簇节点集对应的待重建的目标位置矩阵的低秩特性和相邻簇节点间信号重建信息平均一致性的迭代更新的矩阵重建的步骤,以及通知所述第七单元执行所述对所述迭代更新的矩阵重建的结果进行列向量平均化处理获得所述簇节点的迭代更新的信号重建信息的步骤,以及通知第八单元执行所述的获取其相邻簇节点集中每个相邻簇节点共享的迭代更新的信号重建信息的步骤,直至所述第九单元判断出满足迭代更新的终止条件时,执行所述的输出最终目标设备定位结果至所述簇节点覆盖范围内的本地检测节点的步骤。
11.根据权利要求9所述的簇节点,其特征在于,所述簇节点还包括:
第十一单元,用于接收所述簇节点覆盖范围内的本地检测节点针对目标设备的辐射信号在本地采集并上报的本地测量数据,并进行去相关处理后生成所述簇节点的有效测量数据;其中,所述簇节点的有效测量数据对应着所述簇节点所要重建的待求解未知目标位置向量和处理矩阵;以及将所述簇节点的有效测量数据和处理矩阵共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
12.根据权利要求9所述的簇节点,其特征在于,
所述第四单元,还用于将所述簇节点的初始化的信号重建信息共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
13.根据权利要求9所述的簇节点,其特征在于,
所述第七单元,还用于将所述簇节点的迭代更新的信号重建信息共享给所述簇节点的相邻簇节点集中每个相邻簇节点。
14.根据权利要求9~13任一项所述的簇节点,其特征在于,所述第九单元具体用于判断前后两次根据所述簇节点的迭代更新的信号重建信息定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
15.根据权利要求9~13任一项所述的簇节点,其特征在于,所述第九单元具体用于判断根据所述簇节点的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果与根据所述每个相邻簇节点共享的迭代更新的信号重建信息在当前时刻定位出的目标设备的定位结果是否相等,若相等,则满足迭代更新的终止条件;若不相等,则不满足迭代更新的终止条件。
16.根据权利要求9~13任一项所述的簇节点,其特征在于,所述簇节点以及所述相邻簇节点在整个观测区域内均匀部署,且与其他本地检测节点具有较高连接度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310067740.2A CN103607768B (zh) | 2013-03-04 | 2013-03-04 | 一种非集中式场景下的目标设备定位方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310067740.2A CN103607768B (zh) | 2013-03-04 | 2013-03-04 | 一种非集中式场景下的目标设备定位方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103607768A true CN103607768A (zh) | 2014-02-26 |
CN103607768B CN103607768B (zh) | 2016-08-24 |
Family
ID=50125957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310067740.2A Expired - Fee Related CN103607768B (zh) | 2013-03-04 | 2013-03-04 | 一种非集中式场景下的目标设备定位方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103607768B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103945485A (zh) * | 2014-04-30 | 2014-07-23 | 中国科学院上海微系统与信息技术研究所 | 一种低开销收敛快的无线传感网分布式平均方法 |
CN110798799A (zh) * | 2019-12-11 | 2020-02-14 | 深圳市创意之都投资有限公司 | Wifi精确导航定位方法 |
CN112766500A (zh) * | 2021-02-07 | 2021-05-07 | 支付宝(杭州)信息技术有限公司 | 图神经网络的训练方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080098113A1 (en) * | 2006-10-19 | 2008-04-24 | Gert Hansen | Stateful firewall clustering for processing-intensive network applications |
CN101644774A (zh) * | 2009-07-07 | 2010-02-10 | 中国科学院声学研究所 | 一种基于线性规划的近场目标定位方法及其系统 |
CN102291739A (zh) * | 2011-08-16 | 2011-12-21 | 哈尔滨工业大学 | 基于压缩感知及博弈论的无线传感器网络稀疏事件检测方法 |
US20120215876A1 (en) * | 2011-02-23 | 2012-08-23 | Nec Corporation | Information processing system |
-
2013
- 2013-03-04 CN CN201310067740.2A patent/CN103607768B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080098113A1 (en) * | 2006-10-19 | 2008-04-24 | Gert Hansen | Stateful firewall clustering for processing-intensive network applications |
CN101644774A (zh) * | 2009-07-07 | 2010-02-10 | 中国科学院声学研究所 | 一种基于线性规划的近场目标定位方法及其系统 |
US20120215876A1 (en) * | 2011-02-23 | 2012-08-23 | Nec Corporation | Information processing system |
CN102291739A (zh) * | 2011-08-16 | 2011-12-21 | 哈尔滨工业大学 | 基于压缩感知及博弈论的无线传感器网络稀疏事件检测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103945485A (zh) * | 2014-04-30 | 2014-07-23 | 中国科学院上海微系统与信息技术研究所 | 一种低开销收敛快的无线传感网分布式平均方法 |
CN110798799A (zh) * | 2019-12-11 | 2020-02-14 | 深圳市创意之都投资有限公司 | Wifi精确导航定位方法 |
CN110798799B (zh) * | 2019-12-11 | 2021-03-23 | 深圳市创意之都投资有限公司 | Wifi精确导航定位方法 |
CN112766500A (zh) * | 2021-02-07 | 2021-05-07 | 支付宝(杭州)信息技术有限公司 | 图神经网络的训练方法及装置 |
CN112766500B (zh) * | 2021-02-07 | 2022-05-17 | 支付宝(杭州)信息技术有限公司 | 图神经网络的训练方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103607768B (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110365612B (zh) | 一种基于近似消息传递算法的深度学习波束域信道估计方法 | |
KR102154481B1 (ko) | 딥러닝을 이용한 대규모 mimo 시스템의 빔포밍 장치 및 방법 | |
CN106099393A (zh) | 基于遗传算法的子阵稀布与阵元稀疏天线阵列综合布阵方法 | |
CN112512069B (zh) | 基于信道波束图样的网络智能优化方法及装置 | |
CN116094553B (zh) | 基于张量分解的车联网ris辅助注意力机制通信与感知方法 | |
CN103399214A (zh) | 星载相控阵接收天线测试系统 | |
CN113095590A (zh) | 微波水平降雨场高时空分辨率重构分析与短临预测方法 | |
CN107356819A (zh) | 一种智能家用电磁辐射信息服务系统 | |
Garcia-Teruel et al. | Hull geometry optimisation of wave energy converters: On the choice of the objective functions and the optimisation formulation | |
CN103607768A (zh) | 一种非集中式场景下的目标设备定位方法及相关设备 | |
CN114611388B (zh) | 基于人工智能的无线信道特征筛选方法 | |
Bai et al. | Data-driven compressed sensing for massive wireless access | |
CN115473771A (zh) | 一种基于模型演进的环境感知方法 | |
CN113242066B (zh) | 一种多小区大规模mimo通信智能功率分配方法 | |
CN103916953B (zh) | 目标定位的方法、系统及检测节点 | |
CN114204971A (zh) | 一种迭代的聚合波束成形设计和用户设备选择方法 | |
CN106680778A (zh) | 三维立体随机天线阵列构造方法 | |
Wang et al. | Meta-learning approaches for indoor path loss modeling of 5G communications in smart factories | |
Cheng et al. | CNN-based indoor path loss modeling with reconstruction of input images | |
CN110596668B (zh) | 基于互逆深度神经网络的目标外辐射源被动定位方法 | |
CN117241215A (zh) | 一种基于图神经网络的无线传感器网络分布式节点协作定位方法 | |
CN107346985B (zh) | 一种结合发射天线选择技术的干扰对齐方法 | |
CN107835043B (zh) | 一种快速评估无线供电通信中信息传输中断概率的方法 | |
EP4270824A1 (en) | Channel estimation method based on neural network and communication apparatus | |
CN114745032A (zh) | 一种无蜂窝大规模mimo智能分布式波束选择方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160824 Termination date: 20190304 |