CN108260091A - 基于离散动态网格选择的压缩感知矿井目标定位方法 - Google Patents
基于离散动态网格选择的压缩感知矿井目标定位方法 Download PDFInfo
- Publication number
- CN108260091A CN108260091A CN201810232822.0A CN201810232822A CN108260091A CN 108260091 A CN108260091 A CN 108260091A CN 201810232822 A CN201810232822 A CN 201810232822A CN 108260091 A CN108260091 A CN 108260091A
- Authority
- CN
- China
- Prior art keywords
- grid
- positioning
- target
- compressed sensing
- fingerprint
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000004807 localization Effects 0.000 title abstract description 3
- 239000013598 vector Substances 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 25
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009439 industrial construction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- 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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
- G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
-
- 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
-
- 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
- G01S5/12—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 by co-ordinating position lines of different shape, e.g. hyperbolic, circular, elliptical or radial
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical networks
- H04W84/12—WLAN [Wireless Local Area Networks]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于离散动态网格选择的压缩感知矿井目标定位方法，主要解决了减小矿井环境下电磁干扰对定位精度的影响，使得定位精度显著提高。离线状态，在离散的区域采样信号强度，得到特征指纹库；在线状态目标发射信号，在参考位置对目标进行信号强度采样，得到测量值向量，定位第一阶段，通过参考节点位置构建测量矩阵，再从服务器导入指纹库，构建稀疏基，在测量矩阵和稀疏基满足不相干的条件下通过重构算法对划分的网格区域进行动态选择，得到最优的几处网格位置，定位第二阶段，在基于压缩感知定位所确定的几处网格区域内，由指纹库得到其对应坐标，选择相应的加权函数，运用网格质心法精确计算目标最终位置。
Description
技术领域
本发明属于矿井目标定位领域，涉及一种基于离散动态网格选择的压缩感知矿井目标定位方法。适用于电磁噪声干扰较大，通信开销较小的井下定位环境。
背景技术
近年来，随着无线网络技术和物联网技术的不断发展，各种定位技术也层出不穷，使用无线局域网进行定位也成为现在研究的一个热点，在工业、农业和日常生活等领域都得到了相应的应用。无论是工业施工下的复杂环境定位，还是生活中户外定位或室内定位，定位技术都与我们的生活息息相关。传统的定位系统通常是基于测距的方法定位。
基于信号强度测距定位方法受巷道电磁噪声干扰是影响矿井目标定位精度的主要原因，由于巷道中机电设备集中，变频器等大功率设备启停频繁，巷道的形状、围岩介质等影响电磁噪声的分布规律，因此，不同矿井巷道的电磁噪声分布规律差异很大，无法用概率密度函数或功率谱密度曲线来表述，针对这一关键技术难题，研究人员做了很多努力和尝试，首先是试图采用指纹定位方法，指纹定位在离线阶段进行巷道的传输距离与信号强度的测试，通过离线阶段进行信号强度特征值测量，将测量值和该测量点位置标识信息作为信号强度指纹特征值存储至数据库，建立起一个位置与信号强度相对照的数据库，由于该数据库的意义在于为后续的在线测量提供相对应的位置信息，因此，我们称其为指纹数据库，指纹数据库数据的建立是通过离线实测得到，有效反映出巷道的电磁噪声的影响特性。
矿井中的定位目标在井下是任意的，因此矿井目标定位系统的定位坐标应该是连续的，但指纹数据库位置任意坐标点上信号强度的连续测量和存储在工程上是无法实现的，需将定位区域离散化处理。它的这一特性正好与基于压缩感知的的定位相结合，压缩感知理论指出：只要信号是可压缩或在某一变换域上是稀疏的，就可以用一个与变换基不相干的测量矩阵将高维信号投影到一个低维的空间上，然后可以通过求解一个优化问题将少量投影高概率重构出原始信号。它可以在远小于奈奎斯特采样率的情况重构信号。压缩感知作为一门新的采样理论被提出，它通过开发信号的稀疏特性，在远小于香农-奈奎斯特采样率的条件下采样，然后通过重建算法完美的重建信号，将其应用到定位过程就是通过接收的少量信号强度值重构目标节点的位置信息。
综上所述，将压缩感知理论运用在矿井定位方法中，它能通过少量采样值来重构目标的位置信息向量，从而得到目标估计位置，这种方法极大地降低了通信开销和计算复杂度。
发明内容
技术问题：本发明所要解决的技术问题是提供了一种基于离散动态网格选择的压缩感知矿井目标定位方法，该方法通过离线状态在无线局域网环境下，将定位空间离散化处理，在离散的网格处利用传播模型计算信号强度，得到特征指纹库；在线状态通过目标发射信号，在参考位置对目标进行信号强度采样，得到由RSSI值组成的测量值向量，定位第一阶段，通过参考节点位置构建测量矩阵，再从服务器导入指纹库，构建稀疏基，由测量值向量、测量矩阵以及稀疏基组成压缩感知的“三要素”，在测量矩阵和稀疏基满足不相干的条件下通过重构算法对所划分的网格区域进行动态选择，得到最优的几处网格位置，定位第二阶段，在基于压缩感知定位所确定的几处网格区域内，由指纹库得到其对应坐标，运用网格质心法精确计算目标最终位置。有效的降低了电磁干扰并且提高了定位精度。
为实现上述目标，本发明实现的技术方案如下：
基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，包括离线状态和在线状态：
(1)离线状态：在无线局域网环境下，将定位空间离散化处理，在离散的区域利用传播模型计算信号强度，得到特征指纹库，存入服务器；
(2)在线状态：目标发射信号，在参考位置对目标进行信号强度采样，得到由RSSI值组成的测量值向量，定位第一阶段，通过参考节点位置构建测量矩阵，再从服务器导入指纹库，构建稀疏基，由测量值向量、测量矩阵以及稀疏基组成压缩感知的“三要素”，在测量矩阵和稀疏基满足不相干的条件下通过重构算法对所划分的网格区域进行动态选择，得到最优的几处网格位置，定位第二阶段，在基于压缩感知定位所确定的几处网格区域内，由指纹库得到其对应坐标，假设每个网格处有一质量为“1”的质点，选择相应的加权函数，运用网格质心法精确计算目标最终位置。
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，离线状态中定位区域离散化处理为将定位空间平面分成N个网格，先采样少量数据，再训练信号传播模型计算每个网格接收到信号强度值，M个参考节点以及K个目标节点都随机分布在定位空间平面。
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的离线状态中指纹库的构建是在N个参考位置计算自参考节点的RSSI值，组成一个大小为N×N的信号强度值矩阵Ψ，再结合参考点的位置坐标构建指纹库，存储在服务器，在线定位阶段从服务器导入指纹库辅助定位运算。
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，指纹库中各指纹可以表示为(xj,yj)表示第j个参考点的位置坐标。
其中，表示离线阶段第j个参考点到i个参考节点的5次RSSI平均值，表示第λ次采样值。
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，在线状态中测量值向量为参考节点在线测量得到的M组RSSI值，可以表示为
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，在线状态中测量矩阵是通过参考节点在网格中的位置构建，用Φ表示。
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，测量值向量为y，它是在线定位实测得到的，
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，先通过压缩感知重构算法不断选择稀疏基中的列向量，得到位置向量位置它是稀疏的，非0值位置对应着定位区域的网格，再通过指纹库中的训练的位置信息得到网格位置坐标，是一个大小为1×N的向量，网格的选择就是重构过程，公式如下：其中ε表示高斯白噪声。
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的离线状态信号传播模型为其中，d0为自由空间距离，d为发射端到接收端的距离，X0是服从均值为零方差为δ的随机正态分布的变量。
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，在线状态中网格质心法为：利用第一阶段的重构算法所选择的位置信息向量得到的q个估计网格位置坐标，假设每个网格处有一质量为“1”的质点，选择相应的加权函数，再通过网格质心方法求取目标的精确位置，公式为 为加权函数，其中q表示目标的个数，(xl,yl)表示几个网格的中心，(xi,yi)表示定位第一阶段估计目标所在网格的位置。
本发明的有益效果是：
1.选用了基于离散动态网格选择的压缩感知矿井目标定位方法，与传统的基于RSSI信号的测距定位方法相比，本发明所述方法不需要在巷道进行测距，降低了因电磁干扰的影响而导致的定位误差，同时将定位区域离散化处理，解决了建立离线指纹库所需海量连续数据测量的问题，明显减少了工作量。
2.提出了在基于压缩感知定位的基础上，通过网格质心法来精确定位目标，根据压缩感知得到的位置索引估计相应的网格，再通过质心法求平均值得到目标位置，实现了井下目标位置精确估计，提高了定位精度。
附图说明
图1本发明的定位基本原理图；
图2本发明的定位流程图；
图3本发明的定位模型俯视图；
图4本发明的工作示意图；
图5本发明定位区域离散网格图；
图6本实发明的网格质心法模型；
图7本发明定位过程的压缩感知理论框图。
具体实施方式
为了使本发明技术方案的效果以及优势更加清楚明了，以下将结合附图和具体实施例对本发明的基于离散动态网格选择的压缩感知矿井目标定位方法进行更详细的说明。
参见图1，图2，本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，包括离线状态和在线状态：
(1)离线阶段：在无线局域网环境下，将定位空间离散化处理，在离散的区域利用传播模型计算信号强度，得到特征指纹库，存入服务器；
(2)在线阶段：目标发射信号，在参考位置对目标进行信号强度采样，得到由RSSI值组成的测量值向量，定位第一阶段，通过参考节点位置构建测量矩阵，再从服务器导入指纹库，构建稀疏基，由测量值向量、测量矩阵以及稀疏基组成压缩感知的“三要素”，在测量矩阵和稀疏基满足不相干的条件下通过重构算法对所划分的网格区域进行动态选择，得到最优的几处网格位置，定位第二阶段，在基于压缩感知定位所确定的几处网格区域内，由指纹库得到其对应坐标，假设每个网格处有一质量为“1”的质点，选择相应的加权函数，运用网格质心法精确计算目标最终位置。
参见图3，图4，定位模型俯视图和工作示意图，根据发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，离线状态中定位区域离散化处理为将定位空间平面分成N个网格，先采样少量数据，再训练信号传播模型计算每个网格接收到信号强度值，M个参考节点以及K个目标节点都随机分布在定位空间平面。
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，离线状态中指纹库的构建为在N个参考位置计算自参考节点的RSSI值，组成一个大小为N×N的信号强度值矩阵Ψ，再结合参考点的位置坐标构建指纹库，存储在服务器，在线定位阶段从服务器导入指纹库辅助定位运算。其中矩阵Ψ可以表示为
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，指纹库中各指纹可以表示为(xj,yj)表示第j个参考点的位置坐标。
其中，表示离线阶段第j个参考点到i个参考节点的5次RSSI平均值，表示第λ次采样值。
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的在线状态中测量值向量为参考节点在线测量得到的M组RSSI值，可以表示为
参见图5定位区域离散网格图，根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的在线状态中测量矩阵是通过参考节点在网格中的位置构建，用Φ表示，“*”表示参考节点，
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，测量值向量为它是在线定位实测得到的信号强度值。
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，先通过压缩感知重构算法不断选择稀疏基中的列向量，得到位置向量位置它是稀疏的，非0值位置对应着定位区域的网格，再通过指纹库中的训练的位置信息得到网格位置坐标，是一个大小为1×N的向量，网格的选择就是重构过程，公式如下：其中ε表示高斯白噪声。
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的离线状态信号传播模型为其中，d0为自由空间距离，d为发射端到接收端的距离，X0是服从均值为零方差为δ的随机正态分布的变量。
参见图6，图7，网格质心法模型和定位过程的压缩感知理论框图，根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，在线状态中网格质心法为：利用第一阶段的重构算法所选择的位置信息向量得到的q个估计网格位置坐标，假设每个网格处有一质量为“1”的质点，选择相应的加权函数，再通过网格质心法求取目标的精确位置，公式为为加权函数，其中q表示目标的个数，(xl,yl)表示几个网格的中心，(xi,yi)表示定位第一阶段估计目标所在网格的位置。
根据本发明所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，定位第一阶段先通过压缩感知重构算法不断选择稀疏基中的列向量，得到位置向量位置位置向量中是定位区域中所选择的最优q个网格，定位第二阶段根据指纹库中的训练的位置信息得到q个估计网格位置坐标，利用网格质心方法精确计算目标位置，最终坐标位置由公式计算可得。
Claims (9)
1.基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，包括离线状态和在线状态：
(1)离线状态：在无线局域网环境下，将定位空间离散化处理，在离散的区域利用传播模型计算信号强度，得到特征指纹库，存入服务器；
(2)在线状态：目标发射信号，在参考位置对目标进行信号强度采样，得到由RSSI值组成的测量值向量，定位第一阶段，通过参考节点位置构建测量矩阵，再从服务器导入指纹库，构建稀疏基，由测量值向量、测量矩阵以及稀疏基组成压缩感知的“三要素”，在测量矩阵和稀疏基满足不相干的条件下通过重构算法对所划分的网格区域进行动态选择，得到最优的几处网格位置，定位第二阶段，在基于压缩感知定位所确定的几处网格区域内，由指纹库得到其对应坐标，假设每个网格处有一质量为“1”的质点，选择相应的加权函数，运用网格质心法精确计算目标最终位置。
2.根据权利要求1所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的离线状态中定位区域离散化处理为将定位空间平面分成N个网格，先采样少量数据，再训练信号传播模型计算每个网格接收到信号强度值，M个参考节点以及K个目标节点都随机分布在定位空间平面。
3.根据权利要求1所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的离线状态中指纹库的构建是在N个参考位置计算自参考节点的RSSI值，组成一个大小为N×N的信号强度值矩阵Ψ，再结合参考点的位置坐标构建指纹库，存储在服务器。
4.根据权利要求1所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的在线状态中测量值向量为参考节点在线测量得到的M组RSSI值。
5.根据权利要求1所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的在线状态中测量矩阵是通过参考节点在网格中的位置构建，用Φ表示。
6.根据权利要求1所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的在线状态中重构算法估计得到目标的位置信息向量它是稀疏的，非0值位置对应着稀疏基中的列向量，再通过指纹库中的训练的位置信息得到目标的所在网格位置。
7.根据权利要求1所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的在线状态为利用第一阶段的重构算法所选择的位置信息向量得到的q个估计网格位置坐标，假设每个网格处有一质量为“1”的质点，选择相应的加权函数，再通过网格质心法求取目标的精确位置。
8.根据权利要求2所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的离线状态信号传播模型为其中，d0为自由空间距离，d为发射端到接收端的距离，X0是服从均值为零方差为δ的随机正态分布的变量。
9.根据权利要求2所述的基于离散动态网格选择的压缩感知矿井目标定位方法，其特征在于，所述的
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810232822.0A CN108260091A (zh) | 2018-03-21 | 2018-03-21 | 基于离散动态网格选择的压缩感知矿井目标定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810232822.0A CN108260091A (zh) | 2018-03-21 | 2018-03-21 | 基于离散动态网格选择的压缩感知矿井目标定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108260091A true CN108260091A (zh) | 2018-07-06 |
Family
ID=62747292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810232822.0A Pending CN108260091A (zh) | 2018-03-21 | 2018-03-21 | 基于离散动态网格选择的压缩感知矿井目标定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108260091A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109286894A (zh) * | 2018-11-19 | 2019-01-29 | 中国矿业大学(北京) | 一种基于压缩感知与多边测量相结合的定位方法 |
| CN110049435A (zh) * | 2019-05-10 | 2019-07-23 | 中国矿业大学(北京) | 基于压缩感知rss指纹库及超声波的井下定位方法 |
| CN110146844A (zh) * | 2019-06-19 | 2019-08-20 | 中国矿业大学(北京) | 基于能量衰减矩阵的目标信号重构方法 |
| CN110927669A (zh) * | 2019-12-14 | 2020-03-27 | 大连理工大学 | 一种用于无线声传感器网络的cs多声源定位方法及系统 |
| CN111601263A (zh) * | 2020-05-13 | 2020-08-28 | 北部湾大学 | 一种面向离散接收功率的动态精度无线定位方法 |
| CN112566240A (zh) * | 2020-11-25 | 2021-03-26 | 巢湖学院 | 一种矿井大规模异构传感节点协同定位方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103428850A (zh) * | 2013-08-05 | 2013-12-04 | 湖南大学 | 基于压缩感知的分布式多区域定位方法 |
| US20150149520A1 (en) * | 2012-06-05 | 2015-05-28 | Gwangju Institute Of Science And Technology | Method for reconstructing sparse signal in finite field, apparatus for reconstructing sparse signal in finite field, and recording medium for recording reconstruction method |
| 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 |
| CN107682822A (zh) * | 2017-11-06 | 2018-02-09 | 哈尔滨工程大学 | 一种基于电磁场强度的压缩感知室外定位方法 |
| CN107743296A (zh) * | 2017-11-15 | 2018-02-27 | 中国矿业大学(北京) | 一种基于压缩感知的rssi区域分段式定位方法 |
-
2018
- 2018-03-21 CN CN201810232822.0A patent/CN108260091A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150149520A1 (en) * | 2012-06-05 | 2015-05-28 | Gwangju Institute Of Science And Technology | Method for reconstructing sparse signal in finite field, apparatus for reconstructing sparse signal in finite field, and recording medium for recording reconstruction method |
| CN103428850A (zh) * | 2013-08-05 | 2013-12-04 | 湖南大学 | 基于压缩感知的分布式多区域定位方法 |
| 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 |
| CN107682822A (zh) * | 2017-11-06 | 2018-02-09 | 哈尔滨工程大学 | 一种基于电磁场强度的压缩感知室外定位方法 |
| CN107743296A (zh) * | 2017-11-15 | 2018-02-27 | 中国矿业大学(北京) | 一种基于压缩感知的rssi区域分段式定位方法 |
Non-Patent Citations (2)
| Title |
|---|
| 董袁泉;王浩;: "基于离散鸡群压缩感知的WSNs多目标定位", 计算机与现代化 * |
| 钱鹏;郭艳;李宁;孙保明;: "基于压缩感知的多目标定位与功率估计", 计算机科学 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109286894A (zh) * | 2018-11-19 | 2019-01-29 | 中国矿业大学(北京) | 一种基于压缩感知与多边测量相结合的定位方法 |
| CN110049435A (zh) * | 2019-05-10 | 2019-07-23 | 中国矿业大学(北京) | 基于压缩感知rss指纹库及超声波的井下定位方法 |
| CN110049435B (zh) * | 2019-05-10 | 2024-02-20 | 中国矿业大学(北京) | 基于压缩感知rss指纹库及超声波的井下定位方法 |
| CN110146844A (zh) * | 2019-06-19 | 2019-08-20 | 中国矿业大学(北京) | 基于能量衰减矩阵的目标信号重构方法 |
| CN110927669A (zh) * | 2019-12-14 | 2020-03-27 | 大连理工大学 | 一种用于无线声传感器网络的cs多声源定位方法及系统 |
| CN110927669B (zh) * | 2019-12-14 | 2023-07-07 | 大连理工大学 | 一种用于无线声传感器网络的cs多声源定位方法及系统 |
| CN111601263A (zh) * | 2020-05-13 | 2020-08-28 | 北部湾大学 | 一种面向离散接收功率的动态精度无线定位方法 |
| CN111601263B (zh) * | 2020-05-13 | 2021-12-14 | 北部湾大学 | 一种面向离散接收功率的动态精度无线定位方法 |
| CN112566240A (zh) * | 2020-11-25 | 2021-03-26 | 巢湖学院 | 一种矿井大规模异构传感节点协同定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108260091A (zh) | 基于离散动态网格选择的压缩感知矿井目标定位方法 | |
| Sorour et al. | Joint indoor localization and radio map construction with limited deployment load | |
| CN107743296A (zh) | 一种基于压缩感知的rssi区域分段式定位方法 | |
| CN106102163B (zh) | 基于rss线性相关与二次加权质心算法的wlan指纹定位方法 | |
| CN109068267B (zh) | 一种基于LoRa SX1280的室内定位方法 | |
| CN103747419B (zh) | 一种基于信号强度差值与动态线性插值的室内定位方法 | |
| CN104519571B (zh) | 一种基于rss的室内定位方法 | |
| CN105277917B (zh) | 一种基于反馈机制的动态指纹库室内定位方法 | |
| CN110763187B (zh) | 一种稳健的基于雷达分布式目标的地面沉降监测方法 | |
| CN104254126A (zh) | 基于css测距的无线传感器网络分布式节点定位方法 | |
| CN104038901A (zh) | 一种减少指纹数据采集工作量的室内定位方法 | |
| Sorour et al. | RSS based indoor localization with limited deployment load | |
| CN108307498A (zh) | 一种wsn节点的定位方法及装置 | |
| CN103826298A (zh) | 一种协作式迭代优化的无线传感器网络定位计算方法 | |
| CN106102162A (zh) | 一种用于无线传感器网络三维定位的迭代估计方法 | |
| Puckdeevongs | Indoor Localization using RSSI and artificial neural network | |
| CN108225332A (zh) | 基于监督的室内定位指纹地图降维方法 | |
| CN109286894A (zh) | 一种基于压缩感知与多边测量相结合的定位方法 | |
| CN114205741B (zh) | 基于uwb的toa与位置指纹联合室内定位方法 | |
| Li et al. | An indoor hybrid localization approach based on signal propagation model and fingerprinting | |
| CN113723006B (zh) | 一种基于ls-svm的单台站地球变化磁场建模预测方法及系统 | |
| CN115397012A (zh) | 基于twr-tdoa估计和mpga布局优化的uwb定位跟踪系统的实现方法 | |
| Zhang et al. | A RSSI based localization algorithm for multiple mobile robots | |
| CN104678351A (zh) | 一种基于ZigBee技术的室内定位系统的算法 | |
| Yang et al. | Sequence localization algorithm based on 3D Voronoi diagram in wireless sensor network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180706 |