CN108490387B - 一种无线层析成像用网格像素衰减值自适应确定方法 - Google Patents
一种无线层析成像用网格像素衰减值自适应确定方法 Download PDFInfo
- Publication number
- CN108490387B CN108490387B CN201810193651.5A CN201810193651A CN108490387B CN 108490387 B CN108490387 B CN 108490387B CN 201810193651 A CN201810193651 A CN 201810193651A CN 108490387 B CN108490387 B CN 108490387B
- Authority
- CN
- China
- Prior art keywords
- communication link
- grid pixel
- attenuation
- matrix
- grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000003325 tomography Methods 0.000 title claims abstract description 17
- 238000004891 communication Methods 0.000 claims abstract description 78
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims description 43
- 238000005562 fading Methods 0.000 claims description 35
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000000843 powder Substances 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 3
- 238000012937 correction Methods 0.000 abstract description 2
- 238000002474 experimental method Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
Images
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种无线层析成像用网格像素衰减值自适应确定方法，该方法依次包括如下步骤：（1）在监测区域周围部署n个传感器节点；（2）对通信链路进行校准；（3）确定公式第i条通信链路第j个网格像素的权值w ij ：（4）对方程（4）进行Tikhonov正则化图像重建得出网格像素衰减值。本发明所述的方法引入距离衰减因子，使椭圆区域内的网格像素权值能够随其距通信链路LOS路径的距离自适应变化，权值的修正更加贴合无线射频信号的传播特性，经过实验，本发明所述的方法与标准椭圆模型相比，重建图像目标位置能量聚集度更高，且伪位置区域面积更小，因此能够达到较高的定位精度。
Description
技术领域
本发明属于无线层析成像技术领域，尤其涉及一种无线层析成像用网格像素衰减值自适应确定方法。
背景技术
无线层析成像技术(radio tomographic imaging，RTI)2009年由美国犹他大学的SPAN实验室提出，该技术使用的是低功耗、低成本的无线传感器，通过接收信号强度(received signal strength，RSS)重建监测区域图像，为目标探测和跟踪提供了新的技术途径。为了提高RTI系统定位精度，研究者们对其各个环节做出改进和完善。在所有研究中，权重模型的改进至关重要，合理的权重模型能够更加贴合无线射频信号的传播。RTI的经典权重模型是由Joey Wilson和Neal Patwari在2010年首次提出，但经典椭圆权重模型只确定了对通信链路衰减起作用的像素范围，没有区分椭圆内像素具体权值大小，而将所有像素权值都定为通信链路距离平方根的逆。
针对经典椭圆权重模型存在的问题，近些年国内外研究团队提出一系列改进方案。
2014年佐治亚理工大学的Benjamin R.Hamilton团队提出一种逆面积椭圆模型，该模型认为靠近LOS路径的像素信号传播路径短权重应该大，而远离LOS路径的像素权值应该小。为体现这一特性，椭圆内的像素权值设置为该像素以无线传感器收发节点为焦点所在的最小椭圆的面积的逆，该模型在一定程度上提高了性能，但计算量较大。
2015年，北京理工大学的田小平等提出一种恒定离心率椭圆模型，该模型适用于通信链路距离较短时，椭圆覆盖区域较大的场景’可采用较少像素进行图像重建，大大降低了计算量，但未对椭圆内的像素权值选取进行研究。
2016年，武汉大学的Qian Lei团队提出一种基于几何的椭圆权重模型，该模型将椭圆范围内的像素按LOS路径和NLOS路径划分，将LOS部分的像素权值调大，NLOS部分像素调小，但权重参数需要通过实验确定，不利于实时定位。
发明内容
本发明旨在提供一种方法简单，使用效果好的无线层析成像用网格像素衰减值自适应确定方法。
为解决上述技术问题，本发明提供了如下的技术方案：一种无线层析成像用网格像素衰减值自适应确定方法，该方法依次包括如下步骤：
一种无线层析成像用网格像素衰减值自适应确定方法，该方法依次包括如下步骤：
(1)在监测区域周围部署n个传感器节点；n个传感器节点共构成M＝n(n-1)条有向通信链路，将监测区域每条边长划分为K等份，则监测区域内总像素数目为N＝K2，第i条通信链路在t时刻的RSS值为：
γi(t)＝Pi-Li-Si(t)-ni(t) (2)
其中，Pi为节点发射功率，Li为与距离有关的大尺度衰落，Si(t)为监测目标造成的阴影衰落，ni(t)为监测环境噪声及多径效应造成的哀落；
(2)对通信链路进行校准；假定校准时间为[0，ta]，通信链路校准之后，第i条通信链路的校准值用
表示，则由式(2)，可得tb时刻的通信链路哀减量为：
第i条通信链路的RSS衰减量△ri可看作所有网格像素衰减量的加权和Si(t)，由公式(3)可得：
式中：Δxi为第i条通信链路第j个网格像素的衰减量，wij为第i条通信链路第j个网格像素的权值，ni为通信链路测量噪声；
(3)根据公式(7)确定公式(4)中第i条通信链路第j个网格像素的权值wij：
式中，h是由dij(1)、dij(2)和节点距离di组成的三角形的高，即该网格像素到通信链路i的距离；
(4)根据公式(9)对方程(4)进行Tikhonov正则化图像重建得出网格像素衰减值；
X＝(WTW+αQTQ)-1WTy (9)
其中，X为网格像素衰减值，W为网格像素的权值矩阵；Q为Tikhonov矩阵；α是可调的正则化参数；y为传感器监测到的目标造成的阴影衰落值；T代表矩阵W的转置。
步骤(3)中公式(7)得出的具体过程为：
1)根据标准椭圆权重模型，可得到：
式中，λ为可调参数，经验值λ＝0.05m；dij(1)和dij(2)分别为第i条通信链路第j个网格像素中心点到两传感器节点的距离；di为两个传感器节点的距离；
2)对公式(6)进行修正：
步骤(4)中公式(9)得出的具体过程为：
1)确定目标函数：目标函数为：||WX-Y||2/2；
2)在目标函数中加入正则化项，得到：
其中，Q为Tikhonov矩阵；α||QX||2为正则化项，α是可调的正则化参数；y
为传感器监测到的目标造成的阴影衰落值；
3)求出方程(4)的正则化解：对方程(8)取微分，并强制导数为0得到方程
(4)的Tikhonov正则化解为：
x＝(WTW+αQtQ)-1Wty (9)
具中，X为网格像素衰减值，W为网格像素的权值矩阵；Q为Tikhonov矩阵；
α是可调的正则化参数；y为传感器监测到的目标造成的阴影衰落值；T代表矩阵W的转置。
网格像素的权值矩阵W的得出方法为：将公式(4)表示为矩阵形式：y＝Wx+n (5)
其中，
x＝[Δx1 Δx2 Δx3…ΔxN]T
y＝[Δy1 Δy2 Δy3…ΔyM]T
n＝[n1 n2 n3…nM]T
w＝[wij]M×N，
其中，
x为网格像素的衰减量矩阵，Δx1为第1个网格像素的衰减量；Δx2为第2个网格像素的衰减量；Δx3为第3个网格像素的衰减量；Δxn为第n个网格像素的衰减量。
y为传感器监测到的目标造成的阴影衰落值矩阵；Δy1为第1条通信链路上传感器监测到的目标造成的阴影衰落值；Δy2为第2条通信链路上传感器监测到的目标造成的阴影衰落值；Δy3为第3条通信链路上传感器监测到的目标造成的阴影哀落值；Δym为第m条通信链路上传感器监测到的目标造成的阴影衰落值；
n为通信链路测量噪声矩阵；n1为第1条通信链路测量噪声；n2为第2条通信链路测量噪声；n3为第3条通信链路测量噪声；nm为第m条通信链路测量噪声；
W为网格像素的权值矩阵；Wij第i条通信链路第j个网格像素的权值；M×N代表矩阵维数。
通过以上技术方案，本发明的有益效果为：采用本文所述的方法能提高目标定位精度且减少伪迹，与经典均一化权重椭圆模型相比，平均定位误差降低0.013m。
附图说明
图1为目标位于(1.2，2.4)时模型1下的重建图像；
图2为目标位于(1.2，2.4)时模型2下的重建图像；
图3为将图1放大后的图像；
图4为将图2放大后的图像；
图5为目标位于(4.2，0.6)时模型1下的重建图像；
图6为目标位于(4.2，0.6)时模型2下的重建图像；
图7为目标位于(4.8，4.8)时模型1下的重建图像；
图8为目标位于(4.8，4.8)时模型2下的重建图像。
具体实施方式
一种无线层析成像用网格像素衰减值自适应确定方法，依次包括如下步骤：
(1)在监测区域周围部署n个传感器节点；传感器节点间的链路是一条直线传输路径；当监测区域无任何目标时，节点间的通信链路衰减符合自由空间的路径损耗模型。当监测区域有障碍物存在时，透射目标或障碍物会造成无线信号发生衰减，
一般能达到5～10db，称为阴影衰落。数学形式为：
式中：P为实时测得的RSS值；Ps为链路校准阶段即监测区域为空的状态下的RSS值。ri表示了通信链路被障碍物遮挡的情况，ri变化剧烈表示监测区域有障碍物遮挡，变化不明显则代表通信链路之间不存在障碍物。
n个传感器节点共构成M＝n(n-1)条有向通信链路，将监测区域每条边长划分为K等份，则监测区域内总像素数目为N＝K2。
建立通信链路线性衰减模块，则第i条通信链路在t时刻的RSS值为：γi(t)＝Pi-Li-Si(t)-ni(t) (2)
其中，Pi为节点发射功率，Li为与距离有关的大尺度衰落，Si(t)为监测目标造成的阴影哀落，ni(t)为监测环境噪声及多径效应造成的哀落。
(2)对通信链路进行校准；假定校准时间为[0，ta]，通信链路校准之后，第i条通信链路的校准值用
表示，则由公式(2)，可得tb时刻的通信链路衰减量为：
第i条通信链路的RSS衰减量Δri可看作所有网格像素衰减最的加权和Si(t)，由公式(3)可得：
式中：Δxi为第i条通信链路第j个网格像素的衰减量，wij为第i条通信链路第j个网格像素的权值，ni为通信链路测量噪声；
(3)根据公式(7)确定公式(4)中第i条通信链路第j个网格像素的权值wij：
其中，公式(7)得出的具体过程为：
1)根据标准椭圆权重模型，可得到：
式中，λ为可调参数，经验值λ＝0.05m；dij(1)和dij(2)分别为第i条通信链路第j个网格像素中心点到两传感器节点的距离；di为两个传感器节点的距离；
2)对公式(6)进行修正得到：
通过公式(7)衰减因子能够细化椭圆范围内各个像素权值而不是采用统一的值，使像素权值层次分明。
(4)根据公式(9)对方程(4)进行Tikhonov正则化图像重建得出网格像素衰减值；
X＝(WTW+αQTQ)-1WTy (9)
其中，X为网格像素衰减值矩阵，W为网格像素的权值矩阵；Q为Tikhonov矩阵；α是可调的正则化参数；y为传感器监测到的目标造成的阴影衰落值；T代表矩阵W的转置。
其中，公式(9)得出的具体过程为：
1)确定目标函数：目标函数为；||WX-Y||2/2；
2)在目标函数中加入正则化项，得到：
其中，Q为Tikhonov矩阵；α||QX||2为正则化项，α是可调的正则化参数；y为传感器监测到的目标造成的阴影衰落值；
3)求出方程(4)的正则化解：对方程(8)取微分，并强制导数为0得到方程(4)的Tikhonov正则化解为：
X＝(WTW+αQTQ)-1WTy (9)
其中，X为网格像素衰减值，W为网格像素的权值矩阵；Q为Tikhonov矩阵；α是可调的正则化参数；y为传感器监测到的目标造成的阴影衰落值；T代表矩阵W的转置。
另外，网格像素的权值矩阵W的得出方法为：将公式(4)表示为矩阵形式：
y＝Wx+n (5)
其中，
x＝[Δx1Δx2 Δx3…ΔxN]T
y＝[Δy1 Δy2 Δy3…ΔyM]T
n＝[n1 n2 n3…nM]T
w＝[wij]M×N，
其中，
x为网格像素的衰减量矩阵，Δx1为第1个网格像素的衰减量；Δx2为第2条个网格像素的哀减量；Δx3为第3个网格像素的衰减量；Δxn为第n个网格像素的哀减量；
y为传感器监测到的目标造成的阴影衰落值矩阵；Δy1为第1条通信链路上传感器监测到的目标造成的阴影衰落值；Δy2为第2条通信链路上传感器监测到的目标造成的阴影衰落值；Δy3为第3条通信链路上传感器监测到的目标造成的阴影衰落值；Δym为第m条通信链路上传感器监测到的目标造成的阴影衰落值；
n为通信链路测量噪声矩阵；n1为第1条通信链路测量噪声；n2为第2条通信链路测量噪声；n3为第3条通信链路测量噪声；nm为第m条通信链路测量噪声.
W为网格像素的权值矩阵；Wij第i条通信链路第j个网格像素的权值；M×N代表矩阵维数。
性能评价：
目前，无线层析成像技术多采用均方误差衡量定位系统精度，表达式为：
其中
为无线层析成像系统估计出的第k个像素的阴影衰落值，F(k)为实际目标位置，N为网格像素总数。
为不失一般性，评价的过程中选取三组不同坐标下的重建图像，分析本文提出的椭圆权重模型与经典椭圆模型下的图像重建性能。
图1和图2分别给出了目标位于(1.2，2.4)时的上述两种模型下的重建图像，为了简化，称经典椭圆模型为模型1，本文提出的椭圆权重模型为模型2。
由图1和图2，图2中的目标位置成像区域明显减小，能量聚集度更高，且左下角的伪位置区域面积变小，相比之下，图1所示的重建图像左下角的伪位置区域受噪声影响出现大面积伪迹。
为进一步搜索目标位置，对图1和图2的目标区域重建图像进行放大，分别图3和图4所示。因为目标位置点的阴影衰落最严重的，其对应重建图像中像素衰减最大的点。图3所示图像最大衰减点有4个，伪位置像素点34个，图4中图像最大衰减点有1个，伪位置数15个。
图5和图6分别给出了目标位于(4.2，0.6)和(4.8，4.8)时上述两种模型下的重建图像分别如图5和图6、以及图7和图8所示。可以看出，尽管目标位置有变化，但是，采用基于距离衰减的椭圆权重模型，重建目标图像中目标位置的能量聚集度更高，且伪迹更小。
综上，表1给出了不同目标位置的定位性能，这里采用图像最大衰减像素点数和伪位置点数进行评价，从表1中可以能出采用本发明所述的方法可以提高目标位置的定位性能，利于目标图像的重建。
表1不同目标位置的重建图像目标定位性能
本发明公开了一种无线层析成像用网格像素衰减值自适应确定方法，该方法引入距离哀减因子，使椭圆区域内的网格像素权值能够随其距LOS路径的距离自适应变化，权值的修正更加贴合无线射频信号的传播特性，经过实验，本发明所述的方法与标准椭圆模型相比，重建图像目标位置能量聚集度更高，且伪位置区域面积更小，因此能够达到较高的定位精度。
Claims (4)
1.一种无线层析成像用网格像素衰减值自适应确定方法，其特征在于：该方法依次包括如下步骤：
(1)在监测区域周围部署n个传感器节点；n个传感器节点共构成M＝n(n-1)条有向通信链路，将监测区域每条边长划分为K等份，则监测区域内总像素数目为N＝K2，第i条通信链路在t时刻的RSS值为：
γi(t)＝Pi-Li-Si(t)-ni(t) (2)
其中，Pi为节点发射功率，Li为与距离有关的大尺度衰落，Si(t)为监测目标造成的阴影衰落，ni(t)为监测环境噪声及多径效应造成的衰落；
(2)对通信链路进行校准；假定校准时间为[0，ta]，通信链路校准之后，第i条通信链路的校准值用
表示，则由式(2)，可得tb时刻的通信链路衰减量为：
第i条通信链路的RSS衰减量Δri可看作所有网格像
素衰减量的加权和Si(t)，由公式(3)可得：
式中：Δxi为第i条通信链路第j个网格像素的衰减量，wij为第i条通信链路第j个网格像素的权值，ni为通信链路测量噪声；
(3)根据公式(7)确定公式(4)中第i条通信链路第j个网格像素的权值wij：
式中，h是由dij((1)、dij(2)和节点距离di组成的三角形的高，即该网格像素到通信链路i的距离；
(4)根据公式(9)对方程(4)进行Tikhonov正则化图像重建得出网格像素衰减值；
X＝(WTW+αQTQ)-1WTy (9)
其中，X为网格像素衰减值，W为网格像素的权值矩阵；Q为Tikhonov矩阵；α是可调的正则化参数；y为传感器监测到的目标造成的阴影衰落值；T代表矩阵W的转置。
2.如权利要求1所述的无线层析成像用网格像素衰减值自适应确定方法，其特征在于：步骤(3)中公式(7)得出的具体过程为：
1)根据标准椭圆权重模型，可得到：
式中，λ为可调参数，经验值λ＝0.05m；dij(1)和dij(2)分别为第i条通信链路第j个网格像素中心点到两传感器节点的距离；di为两个传感器节点的距离；
2)对公式(6)进行修正：
3.如权利要求2所述的无线层析成像用网格像素衰减值自适应确定方法，其特征在于：步骤(4)中公式(9)得出的具体过程为：
1)确定目标函数：目标函数为：||WX-Y||2/2；
2)在目标函数中加入正则化项，得到：
其中，Q为Tikhonov矩阵；α||QX||2为正则化项，α是可调的正则化参数；y为传感器监测到的目标造成的阴影衰落值；
3)求出方程(4)的正则化解：对方程(8)取微分，并强制导数为0得到方程(4)的Tikhonov正则化解为：
X＝(WTW+αQTQ)-1WTy (9)
其中，X为网格像素衰减值，W为网格像素的权值矩阵；Q为Tikhonov矩阵；α是可调的正则化参数；y为传感器监测到的目标造成的阴影衰落值；T代表矩阵W的转置。
4.如权利要求3所述的无线层析成像用网格像素衰减值自适应确定方法，其特征在于：网格像素的权值矩阵W的得出方法为：将公式(4)表示为矩阵形式：
y＝Wx+n (5)
其中，
x＝[Δx1 Δx2 Δx3…ΔxN]T
y＝[Δy1 Δy2 Δy3…ΔyM]T
n＝[n1 n2 n3…nM]T
w＝[wij]M×N，
其中，
x为网格像素的衰减量矩阵，Δx1为第1个网格像素的衰减量；Δx2为第2个网格像素的衰减量；Δx3为第3个网格像素的衰减量；Δxn为第n个网格像素的衰减量；
y为传感器监测到的目标造成的阴影衰落值矩阵；Δy1为第1条通信链路上传感器监测到的目标造成的阴影衰落值；Δy2为第2条通信链路上传感器监测到的目标造成的阴影衰落值；Δy3为第3条通信链路上传感器监测到的目标造成的阴影衰落值；Δym为第m条通信链路上传感器监测到的目标造成的阴影哀落值；
n为通信链路测量噪声矩阵；n1为第1条通信链路测量噪声；n2为第2条通信链路测量噪声；n3为第3条通信链路测量噪声；nm为第m条通信链路测量噪声；W为网格像素的权值矩阵；Wij第i条通信链路第j个网格像素的权值；M×N代表矩阵维数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810193651.5A CN108490387B (zh) | 2018-03-08 | 2018-03-08 | 一种无线层析成像用网格像素衰减值自适应确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810193651.5A CN108490387B (zh) | 2018-03-08 | 2018-03-08 | 一种无线层析成像用网格像素衰减值自适应确定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108490387A CN108490387A (zh) | 2018-09-04 |
| CN108490387B true CN108490387B (zh) | 2021-11-30 |
Family
ID=63338161
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810193651.5A Active CN108490387B (zh) | 2018-03-08 | 2018-03-08 | 一种无线层析成像用网格像素衰减值自适应确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108490387B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110766561A (zh) * | 2019-09-11 | 2020-02-07 | 河南工业大学 | 基于无线层析成像技术的异常粮情检测方法 |
| CN112070103B (zh) * | 2020-04-26 | 2021-04-30 | 河海大学 | 通过微波链路网格化自适应可变尺度反演大气能见度的方法 |
| CN112818514B (zh) * | 2021-01-05 | 2023-02-07 | 河南工业大学 | 无线层析成像方法及结合水平距离衰减的椭圆权重模型 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103024900A (zh) * | 2013-01-07 | 2013-04-03 | 北京理工大学 | 无线层析成像网络的分数阶傅立叶多径伪像修正定位方法 |
| 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 |
| CN105960017A (zh) * | 2016-06-24 | 2016-09-21 | 北京理工大学 | 基于超宽带节点网络的免携带设备定位方法 |
| CN107422296A (zh) * | 2017-07-31 | 2017-12-01 | 河南工业大学 | 无线层析成像用网格像素衰减值确定方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10281557B2 (en) * | 2005-12-15 | 2019-05-07 | Polte Corporation | Partially synchronized multilateration/trilateration method and system for positional finding using RF |
-
2018
- 2018-03-08 CN CN201810193651.5A patent/CN108490387B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103024900A (zh) * | 2013-01-07 | 2013-04-03 | 北京理工大学 | 无线层析成像网络的分数阶傅立叶多径伪像修正定位方法 |
| 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 |
| CN105960017A (zh) * | 2016-06-24 | 2016-09-21 | 北京理工大学 | 基于超宽带节点网络的免携带设备定位方法 |
| CN107422296A (zh) * | 2017-07-31 | 2017-12-01 | 河南工业大学 | 无线层析成像用网格像素衰减值确定方法 |
Non-Patent Citations (3)
| Title |
|---|
| dRTI: Directional Radio Tomographic Imaging;Bo Wei等;《ResearchGate》;20140228;全文 * |
| 基于传感器网络的无线层析成像方法;刘珩等;《北京理工大学学报》;20131115(第11期);全文 * |
| 基于无线电层析成像的目标定位;匡仁炳等;《信息通信》;20150515(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108490387A (zh) | 2018-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108490387B (zh) | 一种无线层析成像用网格像素衰减值自适应确定方法 | |
| JP5312802B2 (ja) | 物体の内部構造を測定する方法および装置 | |
| Mehdizadeh et al. | Eigenspace based minimum variance beamforming applied to ultrasound imaging of acoustically hard tissues | |
| CN109450499B (zh) | 一种基于导向矢量和空间功率估计的鲁棒波束形成方法 | |
| CN105676190B (zh) | 一种校正合成孔径雷达回波数据的方法和装置 | |
| CN105785339A (zh) | 非均匀杂波环境下机载雷达杂波协方差矩阵的估计方法 | |
| CN1346525A (zh) | 波束形成方法和装置 | |
| DE102008005212A1 (de) | Funknetzwerksystem und Verfahren zur Bestimmung einer unbekannten Position einer Sende-Empfangs-Einheit eines Funknetzwerkes | |
| CN110389327A (zh) | 接收站位置误差下多站多外辐射源雷达双基距定位方法 | |
| CN107728112B (zh) | 在目标导向矢量严重失配情况下的稳健波束形成方法 | |
| CN109884625A (zh) | 基于卷积神经网络的雷达关联成像方法 | |
| CN102288949A (zh) | 基于最优处理器的机动目标检测方法 | |
| CN103852749A (zh) | 提高mimo-stap检测性能的稳健波形优化方法 | |
| Perez-Simbor et al. | Initial UWB in-body channel characterization using a novel multilayer phantom measurement setup | |
| Aardal et al. | Radar cross section of the human heartbeat and respiration in the 500MHz to 3GHz band | |
| CN107132427A (zh) | 针对饱和工作状态的相控阵天线的近场信号测试方法及装置 | |
| CN107422296B (zh) | 无线层析成像用网格像素衰减值确定方法 | |
| CN108152796B (zh) | 一种基于灰色卡尔曼滤波的主瓣移动干扰消除方法 | |
| NL2026449B1 (en) | Abnormal grain condition detection method based on radio tomographic imaging | |
| US7817092B1 (en) | Agile electromagnetic geolocation | |
| Zhu et al. | Distance attenuation-based elliptical weighting-g model in radio tomography imaging | |
| Hany et al. | Non-parametric approach of video capsule endoscope localization using suboptimal method of position bounded CWCL | |
| CN111313999A (zh) | 一种基于零稀疏数据驱动权重模型的射频层析成像方法 | |
| CN104199032A (zh) | 一种基于相关系数的层析sar成像的航迹分布优化方法 | |
| CN108065950A (zh) | 一种放射成像方法及其系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |