CN105848285A - 基于压缩感知的电网设备巡检定位方法 - Google Patents
基于压缩感知的电网设备巡检定位方法 Download PDFInfo
- Publication number
- CN105848285A CN105848285A CN201610321895.8A CN201610321895A CN105848285A CN 105848285 A CN105848285 A CN 105848285A CN 201610321895 A CN201610321895 A CN 201610321895A CN 105848285 A CN105848285 A CN 105848285A
- Authority
- CN
- China
- Prior art keywords
- grid
- target
- algorithm
- power grid
- positioning
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种基于压缩感知的电网设备巡检定位方法,结合压缩感知和多目标联合交替迭代的方法,给出了应用于电网设备巡检的定位方法。首先通过压缩感知算法进行粗定位,对目标不在网格中心的情况结合多目标联合交替迭代的方法和菱形搜索进行精定位,相比传统压缩感知定位算法提高了定位的准确度。该方法能快速对设备进行定位,实时监控巡检人员的位置,提高巡检人员的工作质量,提升管理效率,对促进电网设备的巡检智能化,提高电网日常运维管理的效率和提高电网自动化运维管理水平有重大意义。
Description
技术领域
本发明涉及电网巡检技术领域,特别是一种电网巡检定位方法。
背景技术
随着电网技术的不断发展和电网改造的不断深入,电网的科学、经济、高效运行,对电网自动化运维管理水平提出了更高的要求。电网必须进一步加强企业的日常作业精细化管理,提高日常运维管理的效率。电网设备的巡检是电网运维管理的重要内容之一,设备无线监测技术、巡检人员到位监测技术提上日程。
传统的电网设备巡检存在以下问题:
(1)无法有效监控巡视是否到位。由于巡视人员责任心不强,不按规定时间出勤造成巡视不到位,漏掉一些设备巡视等;(2)设备位置无法共享。仅设备负责人知道设备位置,新人巡视、领导巡视和协同作业等都需要运维检修人员在现场进行设备定位、导航。以上问题严重影响着巡检和运维的效率,关系着优质服务水平
目前,已有部分企业针对以上问题进行了改进:
(1)射频卡采集法。给设备和巡检人员贴上RFID标签,识读器读取并识别标签中保存的电子数据,从而达到定位和巡检监控的目的。但是,RFID射频标签易受周围强电磁干扰,从而出现乱码现象,同时,RFID射频标签发出的电磁波,可能会干扰电网二次设备,影响设备的正常工作
(2)通过GPS定位来判断巡视是否到位全球定位系统(GPS)和PDA结合,巡检时,巡检人员手持PDA,到达目的地后,PDA将GPS定位的现场位置信息传送给计算机管理系统。然而,国内市场上GPS为民用级GPS,定点误差平均为30m,并且GPS在室内无法进行定位。同时,GPS投资大,配套设施多,需进行专门操作培训,维护管理相对困难。
(3)通过扫描设备上的二维码来判断巡视是否到位。此方法简便、易于推广,也解决了巡视不到位的问题。但是设备上粘贴的二维码易褪色、残缺和脱落,可靠性不高,增加了生产成本及相应的人力成本。
发明内容
本发明的目的就是提供一种基于压缩感知的电网设备巡检定位方法,它解决了电网设备巡检中设备的快速导航和巡检人员定位问题。
本发明的目的是通过这样的技术方案实现的,具体步骤如下:
1)将待定位区域划分为N个网格,并随机植入M个已知位置信息的传感器,巡检人员带着信号发生器进入待定位区域中,将带着信号发生器的巡检人员定义为目标;
2)获取每个传感器接收到无线信号的强度,并记录为y1、y2…、yM;
3)根据公式采用重构算法,求解x1、x2…、xN;
式中,PM,N为M网格到N网格的信号衰减模型,xN为第N个网格出现目标的可能性;
4)对步骤3)中求得的x1、x2…、xN,采用多目标联合交替迭代算法进行修正,得到精确定位信息。
进一步,步骤3)中所述重构算法为BP算法。
进一步,步骤4)中所述多目标联合交替迭代算法的具体步骤如下:
4-1)选择一个目标点,目标位置初始化,(X(n,1),Y(n,1))=(XGn,YGn),(X(n,1),Y(n,1))为第n个网格中的目标位置,(XGn,YGn)为初值网格中心;
4-2)生成重构矩阵Φ,运行重构算法得到重构结果X,计算重构误差En为重构结果中的元素xn和理想结果的偏差:
4-3)如果ET为容忍误差阈值,则表明目标不在网格中心位置,进行步骤4-4)的操作,反之,转到步骤4-1);
4-4)采用搜索模式,将目标位置分别调整为相应位置,分别得到重构矩阵、重构信号、计算重构误差,取重构误差最小值所对应的点,调整目标位置,若计算得到的点位于中心位置,目标位置不进行调整;
4-5)根据调整的位置修正重构矩阵
4-6)选取下一个目标点,重复步骤4-1)到步骤4-6),直到完成所有目标点的搜索,一轮迭代完成;
4-7)重复步骤4-1)到步骤4-6),直到迭代次数满足预设的最大迭代次数;
4-8)输出定位结果。
进一步,步骤4-4)中所述搜索模式为菱形搜索模式。
由于采用了上述技术方案,本发明具有如下的优点:
本发明结合压缩感知和多目标联合交替迭代的方法,给出了应用于电网设备巡检的定位方法。首先通过压缩感知算法进行粗定位,对目标不在网格中心的情况结合多目标联合交替迭代的方法和菱形搜索进行精定位,相比传统压缩感知定位算法提高了定位的准确度。该方法能快速对设备进行定位,实时监控巡检人员的位置,提高巡检人员的工作质量,提升管理效率,对促进电网设备的巡检智能化,提高电网日常运维管理的效率和提高电网自动化运维管理水平有重大意义。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
本发明的附图说明如下。
图1为本发明的系统模型示意图;
图2为小菱形搜索模式示意图;
图3为多目标联合交替迭代的方法的流程图;
图4为实施例目标位于网格中心时不同信噪比下的定位结果;
图5为实施例不同信噪比下定位误差随目标数目变化曲线;
图6为实施例不同定位算法定位结果对比;
图7为本发明的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
系统模型:
如图1所示,假设需要定位的巡检区域为一方形区域。首先网格化这一方形区域,将其均匀地划分成N个网格,在此区域中随机地布设M个位置已知的传感器。同时,在整个区域中有K个位置未知的目标,目标之间相互独立。这样就将目标定位问题转化为基于网格的目标定位问题,通过传感器接收到的信号强度确定目标处于N个网格中的哪些位置。
传感器首先需要周期性的对定位区域内所有目标发射的信号进行感知。单个目标以周期T周期性地发射信号,目标之间相互独立且不同步。传感器以周期T周期性地收集信号,并将该周期内收到的信号强度做累加处理。一个周期结束后,传感器分别将各自接收到的各个目标的信号强度发送给数据融合中心,融合中心利用压缩感知目标定位算法进行目标定位,确定目标在网格中的具体位置
无线信号在传输过程中,由于障碍物遮挡、多径传播等环境因素的影响,信号强度随距离增大发生衰落。根据发射信号强度与接收信号强度的差值,计算信号的传输损耗,利用理论或者经验模型将该传输损耗值转换为距离值。大量实验统计结果表明,平均接收信号强度与信号传输距离之间的函数关系可以表示为:
式中,为平均接收信号强度,单位为dBm,P0为在参考传输距离为D0时的接收信号强度,np为路径衰减指数,通常在2和4之间,D为信号传输距离。
因此,第n个网格中的目标发出的信号到第m个传感器的信号强度为:
Pm,n=P0-10nplg(Dm,n/D0) (2)
式中,Pm,n为第m个传感器接收到的第n个网格中的目标发出的信号强度,Dm,n为第m个传感器(1≤m≤M)和第n个网格(1≤m≤N)中目标的欧式距离:
式中,xm和ym为第m个传感器的坐标,xn和yn为第n个网格中目标的坐标。
最后,对测量结果叠加高斯白噪声。该数学模型假设接受信号强度的空间分布各向同性,即没有考虑不同方向上接收信号强度的差异。
压缩感知定位算法:
压缩感知定位算法的一般过程为:通过传感器采集每个目标发射信号强度之和得到测量值Y,用传感器接收到的目标在每个网格的信号强度构造出测量矩阵Φ。已知测量矩阵Φ∈RM×N(M×N)和待重构信号X∈RN在采用该测量矩阵时的线性测量值Y∈RM:
YM×1=ΦM×NXN×1 (4)
Y也可以看作信号X在测量矩阵Φ下的线性投影。该定位算法需要解决的问题是由测量结果Y重构信号X。
压缩感知定位算法主要包括两个阶段[9-10]:压缩采样阶段和信号重构阶段。压缩感知阶段得到压缩采样结果Y。重构阶段为根据测量矩阵Φ和测量结果Y重构X的过程。
Φ是一个M×N矩阵,测量矩阵Φ中的元素为第m个传感器接收到的位于第n个网格中目标的信号强度:
系统的压缩采样过程为:
式中,传感器的测量结果Y为测量矩阵Φ与X的乘积,ym(1≤m≤M)为每个周期T内第m个传感器收到的各个目标的信号强度之和。X是稀疏度为K的N维向量,当第n(1≤n≤N)个网格中有目标时,xn=1,否则,xn=0。这样,就将多目标定位问题转换为根据M个测量结果,重构N维稀疏向量的压缩感知问题。
测量矩阵Φ的生成有两种办法:一种方法是根据信号衰减模型生成测量矩阵,另一种方法是根据实际测试结果得到测量矩阵。这里采用根据式2的信号衰减模型生成测量矩阵。
压缩感知定位算法重构阶段就是由测量结果Y重构信号X。Φ是一个M×N矩阵,方程的个数远小于未知数的个数,X的维数远远大于Y的维数,这是一个欠定线性方程组求解问题,方程无确定解。但是,由于信号是K稀疏的,K远小于M,若Φ满足约束等距离性条件,信号X可以由测量值Y通过l1范数最小的最优化问题求解:
Xest=argmin||X||1,s.t.Y=ΦX (7)
RIP条件是信号能够精确重构的充分条件而非必要条件。Feng等提出基于Orth的稀疏目标定位算法[12-14]。该算法通过对信号进行Orth预处理,使得到的新的测量矩阵满足RIP性质。基于Orth的稀疏目标定位算法的信号预处理过程如下:
Y'=TY (8)
A为测量矩阵Φ,Y'为预处理后的接收矩阵。T=QA+,其中(·)+表示矩阵的伪逆变换,Q=orth(AT)T,orth(·)表示矩阵规范正交化操作,(·)T表示矩阵的转置算子。矩阵Q是一个正交变换矩阵,能够较好地满足RIP性质,从而提高信号的重构性能,最终提升多目标定位的准确度。
恢复出来的信号X中,0≤xn≤1。设定TH是网格内存在目标的阈值。
多目标迭代算法
在重构阶段使用和测量矩阵相同的重构矩阵,而测量矩阵是传感器对目标信号强度进行感知的实际过程中形成的。因此,若目标位置在网格中心,根据式2构造出的重构矩阵即为准确的重构矩阵;若目标不在网格中心,根据式2构造出的重构矩阵则和实际的重构矩阵有偏差,不能准确定位目标位置。同时,当目标在网格中时,由于噪声等环境因素的影响,重构结果可能会出现在附近的网格中。
针对上述缺点,采用粗定位和精定位相结合的方式进行定位。该方法的主要思路为:粗定位阶段,根据式2构造出的重构矩阵Φ和传感器的采集值Y得到目标的初始位置,即目标可能存在范围。精定位阶段,采用多目标联合交替迭代的方式不断修正重构矩阵,使重构矩阵逐步趋近于实际的测量矩阵,同时结合菱形搜索方法对目标在网格中的位置不断搜索,提高定位的准确度。
多目标联合交替迭代的方法的核心思想为:首先选取一个可能存在目标的网格,运行一次菱形搜索方法,选择使重构误差最小的点作为目标的可能位置,根据这个位置修正一次重构矩阵,再选取下一个可能存在目标的网格进行一次菱形搜索,根据搜索结果修正重构矩阵,继续选取网格,直到搜索完所有存在目标的网格,至此,一轮迭代完成。重复以上迭代过程,不断调整目标位置,使重构矩阵逐步趋近于实际的测量矩阵,直到迭代次数满足预设的最大迭代次数。
菱形搜索方法使用两种搜索模式,其一是由九个检测点组成的大菱形搜索模式LDSP,其二是由五个检测点形成的小菱形搜索模式SDSP,如图2所示。
菱形搜索方法的主要过程为:若某网格中可能存在目标,则对目标在该网格附近的位置不断搜索,选择使重构误差最小时的目标位置。根据定位精度要求,将可能存在目标的网格区域划分为更细小的网格,确定搜索步长g。在可能存在目标的网格中首先使用搜索范围较大的LDSP进行粗定位,对相应的九个位置分别计算重构矩阵,重构信号并计算重构误差,一次搜索完成。选择9个点中重构误差最小的点作为下一次LDSP搜索的搜索中心,继续进行以上搜索过程,进一步缩小目标所在区域范围。在搜索过程中,LDSP被重复使用,直到重构误差最小的点出现在中心点,即一旦重构误差最小的点出现在中心点位置,认为找到了最优匹配点所在的区域,然后再用小模板进行更为精细的定位,最后这个小模板5个点中的重构误差最小的点即为最终获得的目标位置。
重构误差的目标函数构造为实际重构结果和理想重构结果的偏差最小。En为重构结果中的元素xn和理想结果的偏差。
重构的信号中xn的大小近似为该网格中存在目标的概率,xn值越大,该网格中越可能存在目标。因此我们只对大于阈值TH的信号进行精定位,以降低算法的复杂度。
设第n个网格中的目标位置(X(n,1),Y(n,1))初值为网格中心(XGn,YGn),网格宽度为G,g为进一步细分的网格宽度,即搜索步长。第i次迭代时(i=1,2,3…)目标的位置调整为:
(X(n,i+1),Y(n,i+1))=(X(n),Y(n))+g×grid (10)
grid为菱形模板的格点,大菱形搜索模板的格点为:
小菱形搜索模板的格点为:
grid={(0,-1)(-1,0)(0,0)(1,0)(0,1)} (12)
多目标联合交替迭代的方法的流程图如图3所示,算法的步骤描述如下:
步骤1选择一个目标点,目标位置初始化,(X(n,1),Y(n,1))=(XGn,YGn)。
步骤2生成重构矩阵Φ,运行重构算法得到重构结果X,计算重构误差
步骤3如果(ET为容忍误差阈值),表明目标不在网格中心位置,进行步骤4的操作,反之,转到步骤1。
步骤4采用菱形搜索模式,将目标位置分别调整为相应位置,分别得到重构矩阵、重构信号、计算重构误差。取重构误差最小值所对应的点,调整目标位置,若计算得到的点位于中心位置,目标位置不进行调整。
步骤5根据调整的位置修正重构矩阵。
步骤6选取下一个目标点,重复步骤1到步骤6,直到完成所有目标点的搜索。至此,一轮迭代完成。
步骤7重复步骤1到步骤6,直到迭代次数满足预设的最大迭代次数。
步骤8输出定位结果。
同传统压缩感知算法相比,多目标联合交替迭代方法通过对重构矩阵的不断修正,解决了目标不在网格中心的定位误差问题,提高了定位的准确度,减轻目标间的相互干扰,代价是计算量的增加。同时,菱形搜索方法定位精度根据搜索的步长决定,首先选用的LDSP搜索模式进行粗定位,不会导致搜索一开始就会偏向某个区域,使搜索过程陷于局部最小,SDSP模式进行精定位,提高准确度。此外,菱形搜索方法不局限于一个网格内搜索,对目标定位在相邻网格的情况十分有效。
实施例:
首先,本发明对仿真参数进行描述,采用Matlab进行了仿真验证,压缩感知重构算法为BP算法。模型定位区域设为50m×50m的方形区域,划分14×14共196个网格。传感器个数M的值为49,最大迭代次数为6。信号强度-距离模型参数:P0=-40dBm,np=2,D0=1。
目标在网格中心:
将目标置于不同位置的网格中心,在不同的信噪比下,采用压缩感知定位算法,计算重构的X最大的xn分量所对应的网格数值,即目标的具体位置。图4给出了目标数为15,系统在无噪、SNR=5dB和SNR=20dB三种情况下的定位结果。从仿真结果可见:在无噪声情况下,算法能很好的定位目标位置,噪声加大,定位效果变差,但都能定位到目标所在网格或相邻网格。目标越聚集,由于目标间的相互影响,定位效果也越差。
重复200次蒙特卡洛实验,通过式3计算目标原始坐标与恢复出来的坐标之间的距离,通过求均值得到在不同信噪比下定位误差随目标数目变化曲线,如图5所示。由图5可以看出:随目标个数的增多,信号的稀疏度逐渐变差,平均定位误差也逐渐变大,目标数较少,稀疏度大,压缩感知算法可以得到较高的定位准确度。随着噪声的增大,定位误差也会变大。在无噪情况下,定位算法系统对20个目标的平均定位误差约为1.2米;在低噪声干扰下,定位算法对20个目标的平均定位误差约为1.5米;在强噪声干扰下,定位算法对20个目标的平均定位误差约为1.7米。
目标不在网格中心:
对于目标不在网格中心的情况,比较了迭代回溯算法[15]、传统压缩感知算法和本文改进算法三种方法的定位结果。图6给出了目标数为7,系统在15db信噪比条件下,采用以上三种方法的定位结果。由图6可以看出,传统的压缩感知算法只能定位在目标中心,对于目标不在网格中心时误差较大;迭代回溯算法能定位不在网格中心的目标,但其只能在可能存在目标的网格内搜索,不能解决可能存在目标的网格定位在实际目标相邻网格的情况;本文的算法对可能存在目标的网格的附近进行搜索,不受网格的限制,因此更准确。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种基于压缩感知的电网设备巡检定位方法,其特征在于,具体步骤如下:
1)将待定位区域划分为N个网格,并随机植入M个已知位置信息的传感器,巡检人员带着信号发生器进入待定位区域中,将带着信号发生器的巡检人员定义为目标;
2)获取每个传感器接收到无线信号的强度,并记录为y1、y2…、yM;
3)根据公式采用重构算法,求解x1、x2…、xN;
式中,PM,N为M网格到N网格的信号衰减模型,xN为第N个网格出现目标的可能性;
4)对步骤3)中求得的x1、x2…、xN,采用多目标联合交替迭代算法进行修正,得到精确定位信息。
2.如权利要求1所述的基于压缩感知的电网设备巡检定位方法,其特征在于,步骤3)中所述重构算法为BP算法。
3.如权利要求1所述的基于压缩感知的电网设备巡检定位方法,其特征在于,步骤4)中所述多目标联合交替迭代算法的具体步骤如下:
4-1)选择一个目标点,目标位置初始化,(X(n,1),Y(n,1))=(XGn,YGn),(X(n,1),Y(n,1))为第n个网格中的目标位置,(XGn,YGn)为初值网格中心;
4-2)生成重构矩阵Φ,运行重构算法得到重构结果X,计算重构误差En为重构结果中的元素xn和理想结果的偏差:
4-3)如果ET为容忍误差阈值,则表明目标不在网格中心位置,进行步骤4-4)的操作,反之,转到步骤4-1);
4-4)采用搜索模式,将目标位置分别调整为相应位置,分别得到重构矩阵、重构信号、计算重构误差,取重构误差最小值所对应的点,调整目标位置,若计算得到的点位于中心位置,目标位置不进行调整;
4-5)根据调整的位置修正重构矩阵
4-6)选取下一个目标点,重复步骤4-1)到步骤4-6),直到完成所有目标点的搜索,一轮迭代完成;
4-7)重复步骤4-1)到步骤4-6),直到迭代次数满足预设的最大迭代次数;
4-8)输出定位结果。
4.如权利要求3所述的基于压缩感知的电网设备巡检定位方法,其特征在于,步骤4-4)中所述搜索模式为菱形搜索模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610321895.8A CN105848285A (zh) | 2016-05-16 | 2016-05-16 | 基于压缩感知的电网设备巡检定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610321895.8A CN105848285A (zh) | 2016-05-16 | 2016-05-16 | 基于压缩感知的电网设备巡检定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105848285A true CN105848285A (zh) | 2016-08-10 |
Family
ID=56593537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610321895.8A Pending CN105848285A (zh) | 2016-05-16 | 2016-05-16 | 基于压缩感知的电网设备巡检定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105848285A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829966A (zh) * | 2018-06-07 | 2018-11-16 | 国网上海市电力公司 | 一种用于电力巡线系统的增强型网格确定方法 |
CN109140241A (zh) * | 2018-08-21 | 2019-01-04 | 吉林大学 | 一种基于压缩感知的管道泄漏定位方法 |
CN110220513A (zh) * | 2019-04-30 | 2019-09-10 | 中国科学院深圳先进技术研究院 | 一种目标定位的方法、系统、无人机及存储介质 |
CN116430311A (zh) * | 2023-06-12 | 2023-07-14 | 中国航天科工集团八五一一研究所 | 一种基于无人机集群的多信号源搜索定位方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103945529A (zh) * | 2014-04-15 | 2014-07-23 | 南京邮电大学 | 基于rss的无线传感器网络定位方法 |
CN105072584A (zh) * | 2015-08-03 | 2015-11-18 | 西北大学 | 一种基于压缩感知的低代价时间自适应室内定位方法 |
CN105307266A (zh) * | 2015-10-12 | 2016-02-03 | 中国人民解放军理工大学 | 基于自适应空间格点的传感器网络压缩感知精确定位方法 |
-
2016
- 2016-05-16 CN CN201610321895.8A patent/CN105848285A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103945529A (zh) * | 2014-04-15 | 2014-07-23 | 南京邮电大学 | 基于rss的无线传感器网络定位方法 |
CN105072584A (zh) * | 2015-08-03 | 2015-11-18 | 西北大学 | 一种基于压缩感知的低代价时间自适应室内定位方法 |
CN105307266A (zh) * | 2015-10-12 | 2016-02-03 | 中国人民解放军理工大学 | 基于自适应空间格点的传感器网络压缩感知精确定位方法 |
Non-Patent Citations (1)
Title |
---|
何风行、余志军、刘海涛: "基于压缩感知的无线传感器网络多目标定位算法", 《电 子 与 信 息 学 报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829966A (zh) * | 2018-06-07 | 2018-11-16 | 国网上海市电力公司 | 一种用于电力巡线系统的增强型网格确定方法 |
CN109140241A (zh) * | 2018-08-21 | 2019-01-04 | 吉林大学 | 一种基于压缩感知的管道泄漏定位方法 |
CN109140241B (zh) * | 2018-08-21 | 2019-10-29 | 吉林大学 | 一种基于压缩感知的管道泄漏定位方法 |
CN110220513A (zh) * | 2019-04-30 | 2019-09-10 | 中国科学院深圳先进技术研究院 | 一种目标定位的方法、系统、无人机及存储介质 |
CN110220513B (zh) * | 2019-04-30 | 2022-10-04 | 中国科学院深圳先进技术研究院 | 一种目标定位的方法、系统、无人机及存储介质 |
CN116430311A (zh) * | 2023-06-12 | 2023-07-14 | 中国航天科工集团八五一一研究所 | 一种基于无人机集群的多信号源搜索定位方法 |
CN116430311B (zh) * | 2023-06-12 | 2023-09-29 | 中国航天科工集团八五一一研究所 | 一种基于无人机集群的多信号源搜索定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE60301392T2 (de) | Sender lokalisierungssystem | |
CN105848285A (zh) | 基于压缩感知的电网设备巡检定位方法 | |
CN104093205B (zh) | 基于接收信号强度指示的无线定位系统锚节点部署方法 | |
CN108282263B (zh) | 基于一维深度残差轻量网络的编码调制联合识别方法 | |
CN102959354B (zh) | 用于利用LiDAR数据来分析树冠层的方法和装置 | |
CN110166930A (zh) | 一种基于WiFi信号的室内定位方法及系统 | |
CN103853786B (zh) | 数据库参数的优化方法与系统 | |
CN105301558B (zh) | 一种基于蓝牙位置指纹的室内定位方法 | |
CN109951798A (zh) | 融合Wi-Fi和蓝牙的增强位置指纹室内定位方法 | |
CN107167785A (zh) | 一种稳健的大阵列mimo雷达目标收发角联合估计方法 | |
CN109872060B (zh) | 一种用于多卫星传感器联合观测方案选择的方法 | |
CN110211173A (zh) | 一种基于深度学习的古生物化石定位和识别方法 | |
CN109068267A (zh) | 一种基于LoRa SX1280的室内定位方法 | |
CN106488548A (zh) | 一种室内多径误差的确定方法及装置 | |
CN105607045A (zh) | 一种欺骗式干扰下组网雷达的优化布站方法 | |
CN106970379B (zh) | 基于泰勒级数展开对室内目标的测距定位方法 | |
CN103635827A (zh) | 基于近场测量估计等效雷达截面的方法 | |
CN106199500A (zh) | 指纹特征定位方法及装置 | |
CN105872972A (zh) | 基于多目标优化的自适应ap选取方法 | |
CN105046046B (zh) | 一种集合卡尔曼滤波局地化方法 | |
CN115877555B (zh) | 一种显微镜照明仿真模拟系统 | |
CN106780108A (zh) | 一种基于改进证据推理融合的配电变压器状态评估方法 | |
CN111612241A (zh) | 智能船舶路径规划功能实现性的综合评价方法 | |
CN112052736A (zh) | 一种基于云计算平台的田间茶叶嫩梢检测方法 | |
CN103916956A (zh) | 室内定位系统中无线传输环境损耗参数的优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160810 |
|
RJ01 | Rejection of invention patent application after publication |