CN108519577B - 基于压缩感知toa特征信号指纹库的分布式定位方法 - Google Patents

基于压缩感知toa特征信号指纹库的分布式定位方法 Download PDF

Info

Publication number
CN108519577B
CN108519577B CN201810201741.4A CN201810201741A CN108519577B CN 108519577 B CN108519577 B CN 108519577B CN 201810201741 A CN201810201741 A CN 201810201741A CN 108519577 B CN108519577 B CN 108519577B
Authority
CN
China
Prior art keywords
toa
positioning
target
grid
characteristic
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
Application number
CN201810201741.4A
Other languages
English (en)
Other versions
CN108519577A (zh
Inventor
田子建
刘真真
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology Beijing CUMTB
Original Assignee
China University of Mining and Technology Beijing CUMTB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology Beijing CUMTB filed Critical China University of Mining and Technology Beijing CUMTB
Priority to CN201810201741.4A priority Critical patent/CN108519577B/zh
Publication of CN108519577A publication Critical patent/CN108519577A/zh
Application granted granted Critical
Publication of CN108519577B publication Critical patent/CN108519577B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S5/00Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02Position-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
    • G01S5/0252Radio frequency fingerprinting
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S5/00Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02Position-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
    • G01S5/06Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了矿井通信与安全生产领域中一种基于压缩感知TOA特征信号指纹库的分布式定位方法,使分布式定位计算机能够简化计算的复杂度,实现低功耗,轻量化,主要解决了煤矿井下现场供电受防爆要求、电缆敷设、巷道条件等限制,给矿井定位计算机供电带来诸多不便的问题,该方法通过在基于压缩感知TOA的矿井定位方法中引入分布式方法,使得定位计算机的功能下移并分散布置在井下,提高定位方法的时效性,同时该方法在离线阶段建立指纹库的能耗和工作量分担了分布式定位计算机在线定位阶段的能耗和时间复杂度,可以大大简化分布式定位计算机方法复杂度,降低能耗,更利于目标定位方法在煤矿井下的实际应用。

Description

基于压缩感知TOA特征信号指纹库的分布式定位方法
技术领域
本发明属于矿井通信与安全生产领域,涉及一种基于压缩感知TOA特征信号指纹库的分布式定位方法,尤其涉及一种煤矿井下定位方法中简化分布式定位计算机的算法复杂度,降低功耗,达到电池供电的低功耗要求。
背景技术
矿井人员位置监测方法(又称煤矿井下作业人员管理方法等)是矿井安全生产的重要保障和应急救援必要手段,对提高生产效率,保障井下人员的安全,灾后及时施救与自救都具有十分重要的意义。
2000年国内科研单位和厂家开始研制煤矿井下人员位置监测系统,鉴于当时技术水平的限制,国内几乎所有人员位置监测系统都是采用射频识别(RFID-Radio FrequencyIdentification)技术设计制造的,而矿井RFID技术定位的实质是检测巷道中以人员为代表的动目标是否出现在二个读卡器之间,并不能确定目标所在的具体位置,属于区域定位,其定位精度取决于读卡器的密度,在煤矿井下有限空间内读卡器是不可能密集布置的,因此基于RFID技术不可能有较好的定位精度,故基于RFID技术的人员位置监测方法定位精确取决于二个读卡器间距,精度难以保障。
2010年《国务院关于进一步加强企业安全生产工作的通知(国发[2010]23号)》和《国家安全生产监督管理总局国家煤矿安全监察局关于建设完善煤矿井下安全避险“六大系统”的通知(安监总煤装[2010]146号)》,明确提出“建设完善煤矿井下人员定位系统”。“应优先选择技术先进、性能稳定、定位精度高的产品,确保准确掌握井下人员动态分布情况和采掘工作面人员数量”。这就要求矿井目标定位需要脱离RFID技术的局限,研究矿井目标精确定位方法。
当下几乎所有的矿井目标定位方法均采用集中式,其特点是布设在井下的参考结点测出目标节点相对参考节点的距离(RFID情况下,目标识别卡是否通过读卡器),参考节点将这些信息经由光纤以太网组成的矿井信息传输主干网络传送至地面定位计算机,由位于地面的定位计算机通过计算得出目标节点的坐标位置信息,所有关于目标节点的信息都汇聚到地面定位计算机,由地面定位计算机解算出目标节点的坐标位置信息,因此称为“集中式”,矿井目标定位方法的可靠性取决于光纤以太网矿井信息传输主干网络,如果矿井信息传输主干网络故障,则矿井目标定位方法就失效了,由于井下所有安全监测监控数据都占用矿井信息传输主干网络,特别是井下视频监视的普遍应用,不可避免地造成矿井目标定位数据的传输时延,无法满足灾后应急救援获取人员位置信息对矿井目标定位方法的实时性要求。同时由于煤矿井下现场供电受防爆要求、电缆敷设、巷道条件等限制,给矿井定位计算机供电带来诸多不便,因此定位计算机需要尽可能地做到低功耗、轻量化。
综上所述,煤矿井下目标的精确定位的实际应用中,巷道布设在井下的参考节点需将采集的信息传输至地面计算机进行解算,不可避免地存在目标定位数据的传输时延,那么在这种复杂的传输环境中定位方法的实时性就有所下降,而且巷道的复杂通信环境对现场供电存在着诸多限制,给定位计算机的就地供电带来诸多不便。为此,我们必须找到一种方法来实现上述方案-让简化定位计算机的算法复杂度,降低功耗的定位方法在煤矿井下的复杂环境下实现可靠定位。
发明内容
本发明的目的在于针对煤矿井下现场供电受防爆要求、电缆敷设、巷道条件等限制,无法实现定位计算机的就地供电要求的问题,以及煤矿井下巷道环境复杂的问题,提出一种基于压缩感知TOA特征信号指纹库的分布式定位方法。该方法是基于压缩感知TOA的矿井定位方法中引入分布式方法和指纹库,使得定位计算机的功能下移并分散布置在井下,提高定位方法的时效性。同时,本发明还可以降低定位计算机在方法运行过程中的能耗和时间复杂度更利于目标定位方法在煤矿井下的实际应用。
为实现上述目标,本发明采用的技术方案是:一种基于压缩感知TOA特征信号指纹库的分布式定位方法,所述的目标定位方法包括前期的离线阶段和在线定位阶段,所述方法包括以下步骤:
离线阶段:
将各巷道定位区域离散网格化,在井下各巷道的分布式定位计算机建立每个网格编号与TOA特征信号之间相对应的指纹库,利用网格点j发射的无线电信号到达参考节点i的TOA特征值建立离线测量矩阵;
在线定位阶段:
所述的在线定位阶段包括粗定位过程和精定位过程:
(1)粗定位过程:
目标节点所在巷道区域的分布式定位计算机根据参考节点实时采集到的TOA特征信号,利用TOA特征信号进行节点连通性训练数据,与指纹库中的特征值进行查表比对,锁定目标区域网格索引集;
(2)精定位过程:
分布式定位计算机根据参考节点实时采集的待定位目标节点的TOA特征信号,利用压缩感知方法进行降维、重构定位,解算得到目标网格索引,同时将计算出的目标节点位置信息通过矿井信息传输主干网络传送到地面数据调度中心,供地面数据中心调度及其他上层应用软件使用。
将定位计算机的功能下移并分散布置在井下的矿井分布式定位方法指出,井下定位计算机将目标节点的坐标位置信息通过矿井信息传输主干网络传送到地面调度中心,一旦井下发生灾害导致矿井信息传输主干网络故障,井下人员的坐标位置信息存在就近的井下定位计算机上,只是无法送到地面调度中心,为灾后应急救援获取人员位置信息留存了希望和可能,同时将提高矿井目标定位方法的实时性;同时,离线阶段建立的TOA特征信号指纹库分担了分布式定位计算机在线定位阶段的能耗和算法复杂度,相对于传统基于TOA的目标定位方法,大大降低了定位的能耗。
本发明的核心在于对传统的基于TOA的目标定位方法采用指纹库技术,通过压缩感知原理进行精确定位:
(1)首先在离线阶段建立每个网格编号与TOA特征信号之间相对应的指纹库,利用网格点j发射的无线电信号到达参考节点i的TOA特征值建立离线测量矩阵,离线阶段的工作量和能耗可以显著分担在线定位阶段分布式定位计算机的能耗。
(2)接着在在线定位阶段的粗定位过程对参考节点接收到目标节点发射的无线电信号的TOA值与离线指纹库进行比对,降低在线定位计算机的功耗。
(3)最后分布式定位计算机对各参考节点实时采集的目标节点的TOA测量值向量和离线测量矩阵,采用压缩感知信号恢复方法提高方法的实时性和定位精度。
为实现上述目的,本发明采用的另一个技术方案是:一种基于压缩感知TOA特征信号指纹库的分布式定位方法,所述离线阶段各网格点发射无线电信号,根据无线电信号到达参考节点的TOA特征值,得到网格点与TOA特征值之间相对应的离线TOA特征信号指纹库;所述离线测量矩阵由各网格点发射无线电信号到达参考节点的TOA值设计;所述粗定位过程是井下定位计算机根据能够接收到待定位目标节点发射的无线电信号的参考节点i的TOA特征值与离线指纹库中参考节点i与各网格点之间的离线TOA值进行比较,确定数值相近的网格点集合,在定位过程中起到确定目标网格索引集的作用;所述精定位过程通过离线测量矩阵Φ和实时TOA特征信号向量yM×1利用压缩感知恢复方法得到目标网格索引,而网格索引一旦确定,即可得出目标的最终定位结果。由此,分布式矿井定位方法简化分布式定位计算机的算法复杂度,降低功耗,达到电池供电的低功耗要求。
本发明的有益效果是:
1.本发明提出的基于压缩感知TOA特征信号指纹库的分布式定位方法,可以通过将定位计算机分散布置在井下,使得巷道中的目标节点坐标位置信息由就近的井下定位计算机解算得到,其实时性得到很大的改善。
2.与现有技术相比,本发明提出的基于压缩感知TOA特征信号指纹库的分布式定位方法能使定位计算机在在线定位阶段中利用离线阶段建立的指纹数据库进行查表比对,降低在线定位阶段对分布式定位计算机的能耗,达到电池供电的低功耗要求。
附图说明
图1是本发明的矿井分布式定位方法系统模型图
图2是本发明的目标定位方法的流程示意图
图3是本发明的目标定位方法的巷道节点部署模型图
图4是本发明的目标定位方法的稀疏信号的恢复流程图
图5是本发明的实验现场图
图6是本发明的网格数N对于定位误差的影响
具体实施方式
为了使本发明技术方案的内容和优势更加清楚明了,下面结合附图和具体实施例,对本发明基于压缩感知TOA特征信号指纹库的分布式定位方法进行进一步的详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
如图1所示,本发明所述的压缩感知TOA特征信号指纹库的分布式定位方法如下:采用的矿井巷道分布式定位方法由井下定位计算机、RP、测试目标、交换机、地面管理工作站五部分组成。测试目标与RP进行信息交互,测试目标所在区域的定位计算机根据RP测量到的TOA信号运行定位方法,实现分布式定位,井下定位计算机将测试目标的坐标位置信息通过矿井信息传输主干网络(交换机)传送到地面管理工作站。管理工作站的主要作用是接受测试目标的位置信息,并将其存储到自己的数据库中,以便在意外发生时能够及时获取人员位置,方便工作的进行。
如图2所示,本发明所述的目标定位方法包括前期的离线阶段和在线定位阶段,所述方法包括以下步骤:
离线阶段:
如图3所示,由于矿井巷道狭窄,无法在巷道中央或底部布置参考节点,只能在巷道壁上部设置位置已知的参考节点,同时将各巷道定位区域离散网格化,在井下各巷道的分布式定位计算机建立每个网格编号与TOA特征信号之间相对应的指纹库,由网格点的网格编号,网格点发射的无线电信号到达参考节点的TOA特征信号值和网格点坐标组成,即离线TOA特征信号指纹库表示为(j;ti,j;xj,yj),i=1,2...M,j=1,2...N,其中M表示巷道定位区域内设置的参考节点总数,N表示巷道定位区域划分的离散网格总数。各巷道布置的分布式定位计算机中的离线指纹库反映了各巷道区域的TO特征值,便于在线定位阶段提取与测试目标相近的数据进行定位,减少环境因素和非视距时延带来的误差。
利用网格点j发射的无线电信号到达参考节点i的TOA特征值建立离线测量矩阵,由各网格点与参考节点之间的TOA特征信号值组成,巷道定位区域内网格点的总数为N,巷道定位区域内设置的参考节点总数为M,采集所有参考节点与网格点之间的TOA值,得到一个M×N维的离线测量矩阵Φ,即
在线定位阶段:
所述的在线定位阶段包括粗定位过程和精定位过程:
(1)粗定位过程:
目标节点所在巷道区域的分布式定位计算机根据参考节点实时采集到的TOA特征信号,利用TOA特征信号进行节点连通性训练数据,与指纹库中的特征值进行查表比对,锁定目标区域网格索引集;
假设RPi的连通域是以RPi为中心的圆形区域,RPi的连通域半径已知,即位于RPi连通域内的各网格点发射的无线电信号到达RPi的TOA值确定,故RPi连通域内包含网格的网格索引值可以用向量li表示,即
li={1,2,…i…m}
其中m∈[1,N]表示RPi连通域内包含网格的网格索引值。
对于一个特定位置的测试目标j,如果RPi可以接收到测试目标j发送的无线电信号,即测试目标与RPi之间的TOA信号为tTOA,将tTOA与离线指纹库中RPi连通域内各网格点相对应的TOA特征值进行比对,数值相近的网格编号组成测试目标j所在区域的网格索引集Rj
(2)精定位过程:
分布式定位计算机根据参考节点实时采集的待定位目标节点的TOA特征信号,利用压缩感知方法进行降维、信号恢复定位,解算得到目标网格索引,同时将计算出的目标节点位置信息通过矿井信息传输主干网络传送到地面管理工作站,供地面管理工作站调
度及其他上层应用软件使用。
如图4所示,根据压缩感知定位原理,在在线定位阶段获取的离线TOA测量矩阵满足约束等距性(RIP),由于网格点数N>>M(参考节点数量),当各参考节点实时采集目标节点测量值向量y的长度大于M=O(KlogN)时,就可以精确的重构原始信号即通过计算/>的最优解就可以得到原始K(K<<N)稀疏位置向量/>其非零值的位置表示目标节点的位置索引,即最后就可得到目标节点的网格索引。
图5为本发明的实验现场图。该矿业大学(北京)逸夫楼顶层的长直走廊长10米,宽5米,高3.5米,将矩形走廊的10m×5m的平面区域划分为N=100个网格,并且在平面区域内随机均匀部署Z=4个目标信号发射器,同时将M=10个信号接收模块悬挂在墙壁窗台上,其中无明显障碍物,如图5中小图部分所示,将一个型号为TL-AP302P的300M室外无线AP悬挂在墙壁窗台上作为参考节点,另一个型号为OMT-620的手持信号发射器作为移动目标在走廊内移动,实时TOA测量值是由参考节点接收到移动目标发送的无线信号获得,测量数据实时输入计算机,移动目标与参考节点之间保持时间同步,计算机利用实时采集的数据和定位方法确定移动目标位置。
图6为本发明的网格数N对于定位误差的影响。横坐标代表定位区域划分的离散网格数N,纵坐标代表定位误差。当N=100,K=20时,定位误差为0.20m,当N=100,K=12时,定位误差为0.16m,当N=100,K=4时,定位误差为0.12m,当N=200,K=4时,定位误差为0.03m。N越大,相同的巷道定位区域情况下网格数量越大,其定位误差越小。
本发明设计了一种在传统的矿井目标定位方法中井下所有安全监测监控数据都占用矿井信息传输主干网络,造成矿井目标定位数据的网络传输时延限制定位方法时效性的基于压缩感知TOA的目标定位方法中引入分布式方法,使得巷道中的目标节点坐标位置信息由就近的井下定位计算机解算得到,进而改善定位方法的时效性。同时,本发明还在在线定位阶段利用离线阶段建立的指纹库所分担的工作量,降低在线定位阶段分布式定位计算机的功耗和方法复杂度,更利于目标定位方法在煤矿井下的实际应用。
以上所述仅为本发明较佳的实施方式,但本发明的保护范围并不局限于此,但凡熟悉本领域的技术人员在本发明揭露的技术范围内,所作的等效修饰或变换,都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种基于压缩感知TOA特征信号指纹库的矿井分布式定位方法,其特征在于,所述的定位方法包括前期的离线阶段和在线定位阶段;
离线阶段:
将各巷道定位区域离散网格化,在井下各巷道的分布式定位计算机建立每个网格编号与TOA特征信号之间相对应的指纹库,利用网格点j发射的无线电信号到达参考节点i的TOA特征值建立离线测量矩阵;
在线定位阶段:
所述的在线定位阶段包括粗定位过程和精定位过程:
(1)粗定位过程:
目标节点所在巷道区域的分布式定位计算机根据参考节点实时采集到的TOA特征信号,利用TOA特征信号进行节点连通性训练数据,与指纹库中的特征值进行查表比对,锁定目标区域网格索引集;
(2)精定位过程:
分布式定位计算机根据参考节点实时采集的待定位目标节点的TOA特征信号,利用压缩感知方法进行降维、重构定位,解算得到目标网格索引,同时将计算出的目标节点位置信息通过矿井信息传输主干网络传送到地面管理工作站,供地面管理工作站调度及其他上层应用软件使用。
2.根据权利要求1所述一种基于压缩感知TOA特征信号指纹库的矿井分布式定位方法,其特征在于,所述的离线阶段离线TOA特征信号指纹库,由网格点的网格编号,网格点发射的无线电信号到达参考节点的TOA特征信号值和网格点坐标组成,即离线TOA特征信号指纹库表示为(j;ti,j;xj;yj),i=1,2...M,j=1,2...N,其中M表示巷道定位区域内设置的参考节点总数,N表示巷道定位区域划分的离散网格总数。
3.根据权利要求1所述一种基于压缩感知TOA特征信号指纹库的矿井分布式定位方法,其特征在于,所述的离线阶段离线测量矩阵,由各网格点与参考节点之间的TOA特征信号值组成,巷道定位区域内网格点的总数为N,巷道定位区域内设置的参考节点总数为M,采集所有参考节点与网格点之间的TOA值,得到一个M×N维的离线测量矩阵Φ,即
其中ti,j表示网格点j发射的无线电信号到达参考节点i的离线TOA值。
4.根据权利要求1所述一种基于压缩感知TOA特征信号指纹库的矿井分布式定位方法,其特征在于,所述的在线定位阶段的粗定位过程中目标区域网格索引集,由井下定位计算机根据能够接收到待定位目标节点发射的无线电信号的参考节点i的TOA特征值与离线指纹库中参考节点i与各网格点之间的离线TOA值比对得到。
5.根据权利要求1所述一种基于压缩感知TOA特征信号指纹库的矿井分布式定位方法,其特征在于,所述的在线定位阶段的精定位过程中目标网格索引,由参考节点实时采集的待定位目标节点的M×1维TOA特征信号向量yM×1和离线测量矩阵Φ通过压缩感知信号恢复方法得到。
6.一种采用如权利要求1所述的基于压缩感知TOA特征信号指纹库的矿井分布式定位方法的装置,其特征在于,所述离线阶段各网格点发射无线电信号,根据无线电信号到达参考节点的TOA特征值,得到网格点与TOA特征值之间相对应的离线TOA特征信号指纹库;所述离线测量矩阵由各网格点发射无线电信号到达参考节点的TOA值设计;所述粗定位过程是井下定位计算机根据能够接收到待定位目标节点发射的无线电信号的参考节点i的TOA特征值与离线指纹库中参考节点i与各网格点之间的离线TOA值进行比较,确定数值相近的网格点集合,在定位过程中起到确定目标网格索引集的作用;所述精定位过程通过离线测量矩阵Φ和实时TOA特征信号向量yM×1利用压缩感知恢复方法得到目标网格索引,而网格索引一旦确定,即可得出目标的最终定位结果;由此,分布式矿井定位方法简化分布式定位计算机的算法复杂度,降低功耗,达到电池供电的低功耗要求。
CN201810201741.4A 2018-03-12 2018-03-12 基于压缩感知toa特征信号指纹库的分布式定位方法 Active CN108519577B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810201741.4A CN108519577B (zh) 2018-03-12 2018-03-12 基于压缩感知toa特征信号指纹库的分布式定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810201741.4A CN108519577B (zh) 2018-03-12 2018-03-12 基于压缩感知toa特征信号指纹库的分布式定位方法

Publications (2)

Publication Number Publication Date
CN108519577A CN108519577A (zh) 2018-09-11
CN108519577B true CN108519577B (zh) 2023-09-15

Family

ID=63433174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810201741.4A Active CN108519577B (zh) 2018-03-12 2018-03-12 基于压缩感知toa特征信号指纹库的分布式定位方法

Country Status (1)

Country Link
CN (1) CN108519577B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110022527B (zh) * 2019-04-10 2020-11-27 中国人民解放军陆军工程大学 一种基于测量值量化的压缩感知无源被动式目标定位方法
CN110351655B (zh) * 2019-07-10 2021-06-18 博睿泰克科技(宁波)有限公司 一种基于信号多径传播测量的室内定位方法及系统
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

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103002576A (zh) * 2012-10-24 2013-03-27 中国海洋大学 一种基于脉冲幅度比值指纹的天线阵列单基站定位方法
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
CN104244405A (zh) * 2014-09-18 2014-12-24 电子科技大学 基于码分多址的室内定位装置及方法
CN104519571A (zh) * 2014-12-26 2015-04-15 北京工业大学 一种基于rss的室内定位方法
CN106231549A (zh) * 2016-07-25 2016-12-14 青岛科技大学 一种基于重构算法的60GHz脉冲室内定位方法
CN106454750A (zh) * 2016-11-23 2017-02-22 湖南大学 一种基于压缩感知技术的多区域室内安全定位方法
WO2017139961A1 (en) * 2016-02-19 2017-08-24 Telefonaktiebolaget Lm Ericsson (Publ) Hybrid fingerprinting/otdoa positioning techniques and systems
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
CN107741579A (zh) * 2017-11-15 2018-02-27 中国矿业大学(北京) 基于压缩感知子空间重构的toa矿井目标定位方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100932271B1 (ko) * 2007-12-07 2009-12-16 한국전자통신연구원 실내 무선 측위를 위한 핑거프린트 데이터베이스 자동 생성방법
US8933841B2 (en) * 2010-12-13 2015-01-13 The Governing Council Of The University Of Toronto System and method for localization

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103002576A (zh) * 2012-10-24 2013-03-27 中国海洋大学 一种基于脉冲幅度比值指纹的天线阵列单基站定位方法
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
CN104244405A (zh) * 2014-09-18 2014-12-24 电子科技大学 基于码分多址的室内定位装置及方法
CN104519571A (zh) * 2014-12-26 2015-04-15 北京工业大学 一种基于rss的室内定位方法
WO2017139961A1 (en) * 2016-02-19 2017-08-24 Telefonaktiebolaget Lm Ericsson (Publ) Hybrid fingerprinting/otdoa positioning techniques and systems
CN106231549A (zh) * 2016-07-25 2016-12-14 青岛科技大学 一种基于重构算法的60GHz脉冲室内定位方法
CN106454750A (zh) * 2016-11-23 2017-02-22 湖南大学 一种基于压缩感知技术的多区域室内安全定位方法
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
CN107741579A (zh) * 2017-11-15 2018-02-27 中国矿业大学(北京) 基于压缩感知子空间重构的toa矿井目标定位方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A Multichannel Spatial Compressed Sensing Approach for Direction of Arrival Estimation;Gretsistas, A;《LATENT VARIABLE ANALYSIS AND SIGNAL SEPARATION》;第6356卷;第458-465页 *
Compressed sensing grid-based target stepwise location method in underground tunnel;Tian, ZiJian;《SENSOR REVIEW》;第40卷(第4期);第397-405页 *
一种基于分布式压缩感知的矿井目标指纹数据库建立方法;田子建;《电子与信息学报》;第41卷(第10期);第2450-2456页 *
基于压缩感知的定位算法研究;李伟光;《万方知识服务平台》;第27-32页 *
基于离散动态网格的信号强度指纹库压缩感知定位方法;徐志明;《煤炭学报》;第43卷(第z2期);第672-678页 *

Also Published As

Publication number Publication date
CN108519577A (zh) 2018-09-11

Similar Documents

Publication Publication Date Title
CN102523621B (zh) 一种井下人员定位系统及方法
CN108519577B (zh) 基于压缩感知toa特征信号指纹库的分布式定位方法
CN103152823B (zh) 一种无线室内定位方法
CN108709557B (zh) 基于多用户轨迹拟合的室内地图生成方法
CN102711040B (zh) 基于无线传感器网络的煤矿井下一维定位方法和系统
Qin et al. Research on the technological architectural design of geological hazard monitoring and rescue-after-disaster system based on cloud computing and Internet of things
CN102752855A (zh) 基于路径规则和预测的室内人员定位系统及方法
CN102868751B (zh) 基于距离约束的井下目标定位方法
CN103777174A (zh) 基于有源多功能rfid标签室内定位系统
CN103235285A (zh) 基于zigbee网络和超声波测距的井下定位系统
CN104519571A (zh) 一种基于rss的室内定位方法
CN105844569A (zh) 无线直传三维数字危房安全监控管理系统
CN102724751A (zh) 一种基于非现场勘测的无线室内定位方法
CN104574834A (zh) 滑坡体地质灾害远程预警与监测系统
CN101907461B (zh) 基于角度余切值的被动多传感器量测数据关联方法
CN108226864A (zh) 基于最大似然估计法压缩感知的煤矿井下人员定位方法
CN202772928U (zh) 基于距离约束的井下目标定位系统
Liu et al. A coal mine personnel global positioning system based on wireless sensor networks
Puckdeevongs Indoor Localization using RSSI and artificial neural network
CN103200674A (zh) 面向无人值守变电站的移动对象定位跟踪方法
CN202634708U (zh) 一种井下人员定位系统
US20230316744A1 (en) Method and system for remotely analysing trees
Denisov et al. Peculiarities of Time of Flight Indoor Positioning based on DWM1000 Modules
TWI411805B (zh) 使用地理資訊系統定位rfid標籤的方法
CN104618863A (zh) 区域性定位系统与方法

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