CN106304330B - 一种减轻背景电磁波影响的射频层析成像定位方法 - Google Patents
一种减轻背景电磁波影响的射频层析成像定位方法 Download PDFInfo
- Publication number
- CN106304330B CN106304330B CN201610628774.8A CN201610628774A CN106304330B CN 106304330 B CN106304330 B CN 106304330B CN 201610628774 A CN201610628774 A CN 201610628774A CN 106304330 B CN106304330 B CN 106304330B
- Authority
- CN
- China
- Prior art keywords
- link
- indicate
- rss
- background
- moment
- 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.)
- Active
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/021—Calibration, monitoring or correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种减轻背景电磁波影响的射频层析成像定位方法,将背景接收信号强度(RSS)测量结果通过奇异值分解方式分成本底背景噪声部分和环境固有影响部分,在成像时去除环境固有影响,将环境本身变化对成像质量的影响降到最小;同时根据受目标影响的无线链路上RSS变化比较显著,而未受目标影响的无线链路上RSS变化相对较小的特性,采用类间最大距离准则将测量的无线链路分成受到目标影响的有效链路和未受到目标影响的无效链路两类,在实现定位时,仅利用有效链路进行成像,这样不仅可以减少所需计算资源和存储资源,而且在求解过程中可以去除野值链路对定位结果的影响,提高定位结果的准确性和鲁棒性。
Description
技术领域
本发明涉及一种减轻背景电磁波影响的射频层析成像定位方法,属于无线定位技术领域。
背景技术
目前基于定位的服务己经涵盖了智慧城市、搜索救援、智能交通、航海航空、物流管理、大地测量、海洋测绘、气象测量、灾害预防、医疗服务等诸多领域,并且定位与导航技术己成为保障国家安全和开展军事行动的必要手段之一。
在众多无线定位系统中,最著名的是把无线电发射源设置在各种轨道卫星上的定位系统,例如美国的全球定位系统(GPS)、欧洲的伽利略(Galileo)系统、俄罗斯的GLONASS系统以及中国的“北斗”定位系统等,凭借着广域覆盖的巨大优势,将无线电定位技术发展到一个新的高度。尽管卫星定位技术已经在国民经济各个方面得到广泛应用,但是在应用领域由于受到各种接收误差的影响,需要通过其它辅助手段(例如建立差分基准站)才能达到所需的定位精度要求;同时在接收信号受到物理遮挡的情况下常常无法完成导航任务。因此,利用现有和即将建设的庞大的民用无线通信设施进行无线定位,不仅可以弥补卫星定位系统的不足,而且可以作为无线通信高附加值的服务。尤其是在美国联邦通信委员会颁布了E911(Emergency call 911)强制性定位要求后,加上巨大市场利润的驱动,国内外出现了研究移动通信系统终端定位技术的热潮。
然而,目前无论是卫星定位还是基于无线通信基础设施进行定位,均要求被定位目标携带定位设备,如GPS接收机或手机等,否则就无法实现定位。但在一些应用环境下,如入侵者检测、灾后救援、战场侦测、人质解救等,要求被定位目标携带与定位系统相匹配的定位装置往往是不现实的或不可能的,此时传统定位方法将无法实现。相应地,这些被定位目标就称为无设备定位(Device-Free Localization,DFL)目标;对于这类无设备目标的定位,一直是无线定位领域的难点。目前国内外用于解决非合作目标定位问题的技术主要分为两类:一类是基于非射频技术的定位方法,一类是基于射频技术的定位方法。非射频技术主要包括视频技术、红外技术和压力技术等。视频技术利用多个摄像头采集图像信息,然后通过图像处理算法进行定位分析。这类技术通常成本较高,而且由于摄像装置对光线的要求,不能在夜晚和黑暗环境中使用。对于无需光线要求的红外目标定位系统,由于红外线的穿透力较弱,而且红外线比无线电信号更易受环境变化的影响,因此在很多场合无法适用。压力技术是通过放置在地板上的加速和气压传感器来检测是否有人的脚印来实现定位,这项技术要求比较密集的节点布置才能在要求范围内有效定位,而且成本较高。以上这些因素极大限制了非射频类技术在非合作目标定位领域中的应用。
针对以上问题,Patwari等人提出利用射频信号的接收强度变化本身作为测量信息的思想,根据目标引起的无线电磁环境变化来进行检测和定位。Patwari等人借鉴医学CT的思想,用无线层析成像(Radio Tomographic Imaging,RTI)技术来实现DFL,并给出了一种基于Tikhonov正则化的计算方法(Wilson,J.,N.Patwari,“Radio tomographic imagingwith wireless networks,”IEEE Transactions on Mobile Computing,Vol.9,No.5,621–632,2010.),解决病态反问题的求解。RTI方法利用无线传感器网络来测量定位区域内射频电磁信号分布,并由此得到待定位目标对电磁场影响后的图像,进而根据该图像来推断目标的位置。
RTI定位方法具有较高的直观性,但由于电磁波信号容易受到环境的影响,导致背景电磁波对定位性能的影响。即使没有目标存在时,测量的接收信号强度(ReceivedSignal Strength,RSS)也会受到各种环境因素(如多径效应,信道衰落,温度、湿度变化等)的影响,从而导致成像质量不高,严重时甚至无法判断真实目标位置或把虚假目标当做真实目标。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种减轻背景电磁波影响的射频层析成像定位方法,将背景RSS测量结果通过奇异值分解方式分成本底背景噪声部分和环境固有影响部分,在成像时去除环境固有影响,将背景本身变化对成像质量的影响降到最小;同时仅利用有效链路进行成像,提高定位结果的准确性和鲁棒性。
为解决上述技术问题,本发明提供一种减轻背景电磁波影响的射频层析成像定位方法,包括以下步骤:
1)建立定位系统;
2)测量背景环境下的RSS,并进行奇异值分解;
3)测量有目标时的RSS;
4)选取有效链路;
5)采用改进的射频层析成像定位。
前述的定位系统包括M+1个无线收发节点,以IEEE802.15.4的无线通信协议为基础进行组网,其中,M个无线收发节点构成测量网络,第M+1个节点为控制节点,负责收集数据;所述M个无线收发节点两两之间互相通信,组成L=M×(M-1)/2条无线链路。
前述的测量背景环境下的RSS数据,t时刻测量到的数据为:其中,表示t时刻第i条链路上的背景RSS测量值,[]T表示转置操作;
连续测量N个时刻,获得L×N维的数组:Y0=[y0(0),y0(1),…,y0(N-1)],其中,y0(t),t=0,1,…,N-1表示t时刻所有L条链路的背景RSS测量结果。
前述的进行奇异值分解是指:
首先,计算背景环境测量数据Y0的协方差矩阵
其中,表示样本均值;
接着,对进行奇异值分解,得到按从大到小顺序排列的奇异值序列{σ1,σ2,…,σL},以及对应的特征矢量[u1,u2,…,uL];
然后,根据奇异值大小将特征矢量集[u1,u2,…,uL]分解成两部分,前K项组成环境固有影响子空间后L-K项组成本底背景噪声子空间
前述的测量有目标时的RSS是指,当定位区域内有目标时,测量目标影响后的RSS数据,同样进行N次测量,t时刻测量到的数据:其中,表示t时刻第i条链路上的有目标影响时RSS测量值,
连续测量N个时刻,获得L×N维的数组:Yc=[yc(0),yc(1),…,yc(N-1)],其中,yc(t),t=0,1,…,N-1表示t时刻所有L条链路的有目标影响时RSS测量结果,
样本均值为:
前述的有效链路选择准则如下:
其中,th*表示最佳门限值,Z表示有效链路集合,li表示挑选出的第i条链路,abs()表示绝对值操作。
前述的最佳门限值采用类间最大准则来选择,步骤如下:
7-1)设门限为th(k),令k=0,作为初始门限th(0),初值门限th(0)根据经验选取,或者将链路均值变化量按从大到小降序排列,取其中值作为初始门限;
7-2)将链路均值变化量大于th(k)的链路归为一类A1,而将链路均值变化量小于th(k)的归为另一类A2;计算每一类RSS变化量的均值μ1和μ2,并统计每一类中链路数目b1和b2;
7-3)计算相对距离度量值:
7-4)当th(k)<thmax时,令k加1,th(k)=th(k-1)+δ,然后重复步骤7-2)和7-3),得到S(k);否则,得到最佳门限值th*,满足其中,δ为步长,thmax为预设的RSS变化量的上限。
前述的采用改进的射频层析成像定位包括以下步骤:
8-1)采用步骤4)中最后挑选出的b1条有效链路进行射频层析成像,分别计算各有效链路的方差,结果记为根据射频层析成像原理,可得:
yr=Wrx+n (3)
其中,x=[x1,x2,…,xP]T表示定位区域划分的像素矢量,xs,s=1,2,…,P表示各像素点上的值,P表示像素总个数,n表示噪声矢量,Wr表示像素的权重影响矩阵,根据椭圆阴影模型,Wr中第j个像素对第li条链路的影响权重表示为:
其中,di表示组成第li条链路的两个节点之间距离,dij1和dij2表示第j个像素到组成第li条链路的两个节点之间距离,Ф为实际权重大小,ρ表示椭圆的短轴长度;
8-2)引入正则化约束项,得到目标函数如下:
其中,α表示正则化系数,Q表示正则矩阵,||·||表示2范数,求解式(5),得到:
8-3)将求解结果再投影到本底背景噪声子空间上去,得到最终结果为:
其中,I表示单位矩阵,表示投影后的结果。
本发明所达到的有益效果:
(1)本发明的方法将背景接收信号强度测量结果通过奇异值分解方式分成本底背景噪声部分和环境固有影响部分,在成像时去除环境固有影响,将背景本身变化对成像质量的影响降到最小;
(2)本发明的方法采用类间最大距离准则将测量的无线链路分成受到目标影响的有效链路和未受到目标影响的无效链路两类,在实现定位时仅利用有效链路进行成像,这样不仅可以减少所需计算资源和存储资源,而且在求解过程中可以去除野值链路对定位结果的影响,提高定位结果的准确性和鲁棒性。
附图说明
图1是本发明方法流程图;
图2是定位系统示意图;
图3是实施例中现有RTI方法目标定位实验结果图;
图4是实施例中本发明方法目标定位实验结果图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明的减轻背景电磁波影响的射频层析成像定位方法,如图1所示,包括如下步骤:
1)建立定位系统:
定位系统如图2所示,定位系统包括M+1个无线收发节点,以IEEE802.15.4的无线通信协议为基础进行组网,其中M个无线收发节点构成测量网络,第M+1个节点为控制节点,负责收集数据。由于M个无线收发节点两两之间可以互相通信,因此可以组成L=M×(M-1)/2条无线链路。
2)测量背景环境下的RSS:
当定位区域内没有目标时,测量背景环境下的RSS数据,由于一共L条链路,所以t时刻测量到的数据为一个L×1维的矢量,其中,表示t时刻第i条链路上的背景RSS测量值。为了反映背景环境下的RSS波动情况,连续测量N个时刻,获得L×N维的数组
Y0=[y0(0),y0(1),…,y0(N-1)],其中y0(t),t=0,1,…,N-1表示t时刻所有L条链路的背景RSS测量结果。
3)分解背景环境影响:
首先,计算背景环境测量数据Y0的协方差矩阵
其中,表示样本均值。
接着,对进行奇异值分解,得到按从大到小顺序排列的奇异值序列{σ1,σ2,…,σL},以及对应的特征矢量[u1,u2,…,uL]。由于大的奇异值所对应的特征矢量组成子空间反映环境固有影响部分,而小的奇异值所对应的特征矢量组成子空间反映本底背景噪声部分,所以根据奇异值大小将特征矢量集[u1,u2,…,uL]分解成两部分,前K项组成环境固有影响子空间后L-K项组成本底背景噪声子空间
4)有目标时RSS测量:
当定位区域内有目标时,测量目标影响后的RSS数据,同样进行N次测量,同样由于一共L条链路,所以t时刻测量到的数据为一个L×1维的矢量,其中表示t时刻第i条链路上的有目标影响时RSS测量值,连续测量N个时刻,获得L×N维的数组Yc=[yc(0),yc(1),…,yc(N-1)],其中,yc(t),t=0,1,…,N-1表示t时刻所有L条链路的有目标影响时RSS测量结果。其样本均值为:
5)选取有效链路:
一共有L条链路测量RSS值,但不是所有链路都受到目标的影响,事实上只有受定位目标阻挡和目标附近的链路才会发生明显的变化。相应地,这些链路的RSS变化量会比较大,而未受目标影响链路的会比较小。考虑到环境和噪声的影响,RSS本身会有一定波动,因此只有选出能够反映目标影响的链路对RTI才有价值。
计算目标出现前后的RSS变化量,有效链路选择准则如下:
其中,th*表示最佳门限值,Z表示有效链路集合,li表示挑选出的第i条链路,abs()表示绝对值操作。此处,本发明使用类间最大准则来选择最佳门限值,具体如下:
第1步:设门限为th(k),令k=0,作为初始门限th(0),初值门限th(0)可以根据经验选取,也可以链路均值变化量按从大到小按降序排列,取其中值(大小正好排在中间的)作为初始门限。
第2步:将链路均值变化量大于th(k)的链路归为一类A1,而将链路均值变化量小于th(k)的归为另一类A2。分别计算每一类RSS变化量的均值μ1和μ2,并统计每一类中链路数目b1和b2。
第3步:计算相对距离度量值:
第4步:当th(k)<thmax时(thmax为预设的RSS变化量的上限),令k加1,th(k)=th(k-1)+δ,其中,δ为步长,可根据需要进行选取;重复第2步和第3步,得到S(k);否则,得到最佳门限值th*,满足
6)改进的射频层析成像:
使用步骤5)中最后挑选出的b1(<L)条有效链路进行射频层析成像,分别计算各有效链路的方差,结果记为根据射频层析成像原理,可得:
yr=Wrx+n (3)
其中,x=[x1,x2,…,xP]T表示定位区域划分的像素矢量,xs,s=1,2,…,P表示各像素点上的值,P表示像素总个数,n表示噪声矢量。Wr表示像素的权重影响矩阵,与现有RTI所用的权重矩阵不同的是,Wr只涉及b1条有效链路的影响,而不是将所有链路的影响纳入其中,因而根据椭圆阴影模型,Wr中第j个像素对第li(li∈Z)条链路的影响权重可以表示为:
其中,di表示组成第li(li∈Z)条链路的两个节点之间距离,dij1和dij2表示第j个像素到组成第li(li∈Z)条链路的两个节点之间距离,Ф为实际权重大小,根据实际情况确定,ρ表示椭圆的短轴长度,可根据需要进行调整。
由于一般链路数量b1远小于像素个数P,所以式(3)是一个病态方程,不能用最小二乘方法直接求解,必须引入正则化约束项,因而得到目标函数:
其中,α表示正则化系数,Q表示正则矩阵,||·||表示2范数。求解上式,可得:
与现有RTI方法不同,在求得上述解之后,将结果再投影到本底背景噪声子空间上去,以减轻背景环境的影响,因此最终结果为:
其中,I表示单位矩阵,表示投影后的结果。
实施例:
以CC2530无线收发芯片为基础,自主开发了定位节点。定位区域为一个21英尺×21英尺的方形区域,如图2所示,3英尺摆放1个无线通信节点,总共29个无线通信节点,每个定位模块使用高度为3英尺的支架进行支撑,保证了定位数据的发送空间区域高度和人体高度差不多,其中,28个无线通信节点组成测量网络,另外1个无线通信节点作为数据采集节点。在软件协议方面,本实施例以IEEE802.15.4的无线通信协议为基础,在Z-stack协议栈中的应用层,添加了消息发送代码和接收消息之后强度值提取的代码。28块测量模块从1到28依次编ID号,通过该ID号的不同来区分不同的模块。发送定位数据时,数据包会携带发送模块的ID号,当下一块模块收到此ID号后,就会触发定位数据的发送,定位的轮询发送就建立起来了。当发送模块发送定位数据之后,其他定位模块收到该数据时会产生一个强度值RSSI,它们得到该值之后会立即把这个数据保存下来,然后发送给数据采集模块。一旦采集到数据,经过处理后,利用类间最大准则来选择最佳门限,并通过式(2)确定有效链路集;然后根据公式(3)-(7)进行计算,就可以得到射频层析成像定位结果,其中,采样次数N选为20,椭圆短轴长选为ρ=0.45英尺,正则化系数为α=50,K=40,Ф=1。同样条件下,同时采用现有的RTI方法进行定位,以便与本发明方法的结果进行对比。如图3所示,是现有技术采用RTI方法的单个目标成像实验结果图,被定位目标处于(3,6)英尺位置,而图4是本发明在室内环境下单个目标定位结果图,被定位目标同样处于(3,6)英尺位置。如图所示,本发明方法的定位性能要优于现有RTI方法,目标亮点准确出现在(3,6)英尺位置;而现有RTI方法由于没有考虑到环境因素对RSS测量的影响,且链路集中存在大量无效链路影响,图上目标亮点不够清楚且定位坐标略偏向正确位置的左侧,而且底部也出现一块几乎相同亮度的亮斑,容易导致错判为虚假目标像。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (2)
1.一种减轻背景电磁波影响的射频层析成像定位方法,其特征在于,包括以下步骤:
1)建立定位系统;所述定位系统包括M+1个无线收发节点,以IEEE802.15.4的无线通信协议为基础进行组网,其中,M个无线收发节点构成测量网络,第M+1个节点为控制节点,负责收集数据;所述M个无线收发节点两两之间互相通信,组成L=M×(M-1)/2条无线链路;
2)测量背景环境下的接收信号强度RSS,并进行奇异值分解;
所述测量背景环境下的RSS数据,t时刻测量到的数据为:其中,表示t时刻第i条链路上的背景RSS测量值,L表示链路数,[]T表示转置操作;
连续测量N个时刻,获得L×N维的数组:Y0=[y0(0),y0(1),…,y0(N-1)],其中,y0(t),t=0,1,…,N-1表示t时刻所有L条链路的背景RSS测量结果;
所述进行奇异值分解是指:
首先,计算背景环境测量数据Y0的协方差矩阵
其中,表示样本均值;
接着,对进行奇异值分解,得到按从大到小顺序排列的奇异值序列{σ1,σ2,…,σL},以及对应的特征矢量[u1,u2,…,uL];
然后,根据奇异值大小将特征矢量集[u1,u2,…,uL]分解成两部分,前K项组成环境固有影响子空间后L-K项组成本底背景噪声子空间
3)测量有目标时的RSS;具体为,当定位区域内有目标时,测量目标影响后的RSS数据,同样进行N次测量,t时刻测量到的数据:其中,表示t时刻第i条链路上的有目标影响时RSS测量值,
连续测量N个时刻,获得L×N维的数组:Yc=[yc(0),yc(1),…,yc(N-1)],其中,yc(t),t=0,1,…,N-1表示t时刻所有L条链路的有目标影响时RSS测量结果,
样本均值为:
4)选取有效链路;所述有效链路选择准则如下:
其中,th*表示最佳门限值,Z表示有效链路集合,li表示挑选出的第i条链路,abs()表示绝对值操作;
5)采用改进的射频层析成像定位,包括以下步骤:
5-1)采用步骤4)中最后挑选出的b1条有效链路进行射频层析成像,分别计算各有效链路的方差,结果记为根据射频层析成像原理,可得:
yr=Wrx+n (3)
其中,x=[x1,x2,…,xP]T表示定位区域划分的像素矢量,xs,s=1,2,…,P表示各像素点上的值,P表示像素总个数,n表示噪声矢量,Wr表示像素的权重影响矩阵,根据椭圆阴影模型,Wr中第j个像素对第li条链路的影响权重表示为:
其中,di表示组成第li条链路的两个节点之间距离,dij1和dij2表示第j个像素到组成第li条链路的两个节点之间距离,Ф为实际权重大小,ρ表示椭圆的短轴长度;
5-2)引入正则化约束项,得到目标函数如下:
其中,α表示正则化系数,Q表示正则矩阵,||·||表示2范数,求解式(5),得到:
5-3)将求解结果再投影到本底背景噪声子空间上去,得到最终结果为:
其中,I表示单位矩阵,表示投影后的结果。
2.根据权利要求1所述的一种减轻背景电磁波影响的射频层析成像定位方法,其特征在于,所述最佳门限值采用类间最大准则来选择,步骤如下:
2-1)设门限为th(k),令k=0,作为初始门限th(0),初值门限th(0)根据经验选取,或者将链路均值变化量按从大到小降序排列,取其中值作为初始门限;
2-2)将链路均值变化量大于th(k)的链路归为一类A1,而将链路均值变化量小于th(k)的归为另一类A2;计算每一类RSS变化量的均值μ1和μ2,并统计每一类中链路数目b1和b2;
2-3)计算相对距离度量值:
2-4)当th(k)<thmax时,令k加1,th(k)=th(k-1)+δ,然后重复步骤2-2)和2-3),得到S(k);否则,得到最佳门限值th*,满足其中,δ为步长,thmax为预设的RSS变化量的上限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610628774.8A CN106304330B (zh) | 2016-08-02 | 2016-08-02 | 一种减轻背景电磁波影响的射频层析成像定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610628774.8A CN106304330B (zh) | 2016-08-02 | 2016-08-02 | 一种减轻背景电磁波影响的射频层析成像定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106304330A CN106304330A (zh) | 2017-01-04 |
CN106304330B true CN106304330B (zh) | 2019-07-02 |
Family
ID=57664458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610628774.8A Active CN106304330B (zh) | 2016-08-02 | 2016-08-02 | 一种减轻背景电磁波影响的射频层析成像定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106304330B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108769898A (zh) * | 2018-05-16 | 2018-11-06 | 辽宁师范大学 | 基于分层射频成像的无线网络被动定位方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480606A (zh) * | 2017-07-28 | 2017-12-15 | 天津大学 | 基于射频层析成像的伪目标识别方法 |
CN107845119B (zh) * | 2017-09-15 | 2021-04-27 | 南京航空航天大学 | 一种电学层析成像混合方法 |
CN108761391B (zh) * | 2018-05-29 | 2022-04-01 | 南京信息工程大学 | 一种模型类无设备目标定位方法 |
CN108828510B (zh) * | 2018-05-29 | 2022-06-03 | 南京信息工程大学 | 一种基于渐变阴影权重模型的射频层析成像定位方法 |
CN110208796B (zh) * | 2019-05-27 | 2021-04-06 | 电子科技大学 | 基于奇异值逆滤波的扫描雷达超分辨成像方法 |
CN111314000B (zh) * | 2020-02-18 | 2022-04-15 | 五邑大学 | 一种基于低秩数据驱动权重模型的射频层析成像方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102711244A (zh) * | 2012-06-18 | 2012-10-03 | 北京中防视信科技有限公司 | 一种基于无线传感器网络的协作节点定位方法 |
CN103281779A (zh) * | 2013-06-13 | 2013-09-04 | 北京空间飞行器总体设计部 | 基于背景学习的射频层析成像方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5566751B2 (ja) * | 2010-03-31 | 2014-08-06 | 富士フイルム株式会社 | 光断層情報生成装置、光強度分布算出方法および光強度分布算出プログラム |
-
2016
- 2016-08-02 CN CN201610628774.8A patent/CN106304330B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102711244A (zh) * | 2012-06-18 | 2012-10-03 | 北京中防视信科技有限公司 | 一种基于无线传感器网络的协作节点定位方法 |
CN103281779A (zh) * | 2013-06-13 | 2013-09-04 | 北京空间飞行器总体设计部 | 基于背景学习的射频层析成像方法 |
Non-Patent Citations (1)
Title |
---|
《Noise reduction for variance-based radio tomographic localization》;Yang Zhao,Neal Patwari;《2011 8th Annual IEEE Communications Society Conference on Sensor, Mesh and Ad Hoc Communications and Networks》;20110815;全文 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108769898A (zh) * | 2018-05-16 | 2018-11-06 | 辽宁师范大学 | 基于分层射频成像的无线网络被动定位方法 |
CN108769898B (zh) * | 2018-05-16 | 2020-12-01 | 辽宁师范大学 | 基于分层射频成像的无线网络被动定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106304330A (zh) | 2017-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106304330B (zh) | 一种减轻背景电磁波影响的射频层析成像定位方法 | |
Liu et al. | Survey on WiFi‐based indoor positioning techniques | |
Hameed et al. | Survey on indoor positioning applications based on different technologies | |
EP3499989B1 (en) | System and method for updating location data for localization of beacons | |
US9229092B2 (en) | Adaptive passive scanning and/or active probing techniques for mobile device positioning | |
Gu et al. | A survey of indoor positioning systems for wireless personal networks | |
Wilson et al. | See-through walls: Motion tracking using variance-based radio tomography networks | |
Elbakly et al. | A robust zero-calibration RF-based localization system for realistic environments | |
CN106255059B (zh) | 一种基于几何方式的无设备目标定位方法 | |
US9026138B2 (en) | Method and/or system for obtaining signatures for use in navigation | |
CN106231552B (zh) | 一种基于混合方式的非合作目标定位方法 | |
Varshavsky et al. | � Location in Ubiquitous Computing | |
EP2672288B1 (en) | Locating apparatus, locating system, locating method and program | |
CN111521969A (zh) | 基于Wi-Fi的被动式室内定位方法 | |
CN104093202B (zh) | 一种环境自适应的无设备目标定位方法 | |
WO2006009955A2 (en) | Self-calibrated path loss position estimation process, device and system | |
CN110413655B (zh) | 一种基于改进隐马尔科夫模型的楼层识别方法 | |
CN108828510A (zh) | 一种基于渐变阴影权重模型的射频层析成像定位方法 | |
Denis et al. | Multi-frequency sub-1 GHz radio tomographic imaging in a complex indoor environment | |
Retscher et al. | Performance and accuracy test of the WLAN indoor positioning system" ipos" | |
Vanheel et al. | Pseudo‐3D RSSI‐based WSN localization algorithm using linear regression | |
KR101342215B1 (ko) | Rfid를 기반으로 한 위치 측정 방법 및 시스템 | |
CN114758364B (zh) | 基于深度学习的工业物联网场景融合定位方法及系统 | |
Fink et al. | Redundant radio tomographic imaging for privacy-aware indoor user localization | |
Mohsin et al. | Bluetooth low energy based activity tracking of patient |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |