CN108828510A - 一种基于渐变阴影权重模型的射频层析成像定位方法 - Google Patents

一种基于渐变阴影权重模型的射频层析成像定位方法 Download PDF

Info

Publication number
CN108828510A
CN108828510A CN201810530929.3A CN201810530929A CN108828510A CN 108828510 A CN108828510 A CN 108828510A CN 201810530929 A CN201810530929 A CN 201810530929A CN 108828510 A CN108828510 A CN 108828510A
Authority
CN
China
Prior art keywords
link
gradual change
weight model
radio frequency
target
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.)
Granted
Application number
CN201810530929.3A
Other languages
English (en)
Other versions
CN108828510B (zh
Inventor
王婷婷
柯炜
葛益娴
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.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
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 Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN201810530929.3A priority Critical patent/CN108828510B/zh
Publication of CN108828510A publication Critical patent/CN108828510A/zh
Application granted granted Critical
Publication of CN108828510B publication Critical patent/CN108828510B/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
    • 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)

Abstract

本发明公开了一种基于渐变阴影权重模型的射频层析成像定位方法,根据目标对无线链路影响的空间关系提出一种渐变阴影权重模型,建立目标位置与信号强度变化之间的精确关系,并克服了现有权重模型中椭圆短轴长度靠经验取值的缺点,用以提高射频层析成像质量;同时根据异常链路上接收信号强度(Received Signal Strength,RSS)变化通常偏小或偏大的特点,在实现定位时,利用双门限法挑选出有效链路进行成像,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,以提高定位结果的准确性,并减少伪目标的干扰。

Description

一种基于渐变阴影权重模型的射频层析成像定位方法
技术领域
本发明涉及一种基于渐变阴影权重模型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
当前,以卫星导航定位技术、蜂窝定位技术和WiFi定位技术等为代表的众多无线定位技术,均有被定位目标需要携带与定位系统相匹配定位设备的要求,例如GPS接收机或手机等,否则就无法实现定位。这种要求被定位目标主动参与定位过程的定位方式,被称为主动定位方式。这类定位方式往往可以通过定位系统和定位装置之间的合作实现到达时间(Time of Arrival,TOA)、到达时间差(Time Difference of Arrival,TDOA)、到达角(Angle of Arrival,AOA)等参数测量,进而解算出位置坐标。然而,在如入侵者检测、灾后救援、战场侦测、人质解救等应用场合下,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者是不可能的,此时TOA、TDOA、AOA等参数将无法测量,主动定位方式也将无法实现。
针对这种情况,无需被定位目标携带任何定位装置的被动定位方式成为无线定位领域的研究热点和难点之一,也被称为无设备目标定位(Device-Free Localization,DFL)。目前国内外用于解决无设备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,另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。其中,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。这种定位技术通常成本较高,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,也无法穿透障碍物。尽管红外目标定位系统无需光线的要求,但由于红外线的穿透距离有限,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度传感器和气压传感器来检测是否有人的脚印来实现定位,这项技术需要比较密集的节点布置才能在要求范围内有效定位,因而成本较高。以上这些因素极大限制了非射频类技术在无设备目标定位领域中的应用。
在基于射频技术的DFL方法中,除去成本高昂的超宽带雷达外,人们利用低成本的无线传感网,根据目标引起的射频信号强度变化来进行定位,并借鉴医学CT的思想,提出射频层析成像(Radio Tomographic Imaging,RTI)技术。RTI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。实现RTI的关键之一是需要利用阴影权重模型来建立目标位置与信号强度变化之间的关系。在最初的RTI中,是采用椭圆阴影权重模型来构建这种关系,该模型假设在以一对无线节点为椭圆焦点构成的椭圆内所有格点的权重与这对节点的距离成反比,而椭圆外所有格点的权重为零。虽然这种模型有一定的合理性,但椭圆内所有格点的权重相同并不符合实际,而且该模型的椭圆短轴长度靠经验选取,同样缺乏理论依据。因此,基于椭圆阴影权重模型的RTI成像结果往往成像质量不高,容易出现伪目标,影响DFL精度。
发明内容
本发明为了解决现有技术中存在的问题,提出一种基于渐变阴影权重模型的DFL定位方法,该方法利用渐变阴影权重模型建立目标位置与信号强度变化之间的精确关系,并用于提高射频层析成像定位的成像质量;同时利用双门限法挑选出有效链路进行成像,以提高定位结果的准确性,减少伪目标的干扰。
为了达到上述目的,本发明提出的技术方案为:一种基于渐变阴影权重模型的射频层析成像定位方法,包括以下步骤:
步骤一、建立无线定位系统,所述定位系统包括若干个无线收发节点,无线收发节点两两之间互相通信,组成多条无线链路;
步骤二、根据目标对无线链路影响的空间关系建立渐变阴影权重模型;
步骤三、分别测量无线链路在无目标时和有目标时的RSS值;
步骤四、采用双门限方式选取有效链路;
步骤五、基于渐变阴影权重模型利用射频层析成像方法进行定位。
对上述技术方案的进一步设计为:所述定位系统包括M+1个无线收发节点,以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,均匀分布在定位系统所定位区域的周边上,第M+1个节点为数据采集节点,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;所述定位区域均匀划分为N个像素点。
所述渐变阴影权重模型中第i(i=1,2,…,L)条链路所对应的渐变阴影权重模型公式如下:
其中,wij表示当目标位于第j个像素点时对第i条链路所产生影响对应的权重值,di为第i条链路长度,,dij1,dij2分别为第j个像素点到组成第i条链路两节点的距离,ai表示第i条链路对应椭圆的长轴长度;为第i条链路对应的最大第1菲涅尔区半径,其中λ表示电磁波的波长。
所述双门限法选取的有效链路的集合为:
S={li|thlow<Δyi(t)<thhigh,i=1,…,L}
其中,下门限值为thlow=max{μ(t)-σ(t)×zα/2|,min(ΔY(t))+3};上门限值为thhigh=min{|μ(t)+σ(t)×zα/2|,max(ΔY(t))-3},△yi(t)表示t时刻第i条链路的RSS变化量,△Y(t)=[△y1(t)Δy2(t)…ΔyL(t)],zα/2表示RSS变化量概率分布的α(0<α<1)分位点值,代表1-α的置信度,分别代表t时刻所有L条链路上RSS变化量的均值和方差。
所述射频层析成像定位包括以下步骤:
步骤5.1、假设步骤四挑选出P条有效链路,分别计算P条有效链路的RSS变化量,结果记为ΔYP,根据射频层析成像原理,可得:
ΔYP=WPx+v
其中,x=[x1,x2,…,xN]T表示定位区域划分的像素矢量,xi,i=1,2,…,N表示各像素点上的值,v表示噪声矢量,WP为权重矩阵,由与集合S中P条链路相对应的P行矢量构成。
步骤5.2、引入正则化约束项,得到目标函数如下:
其中,β表示正则化系数,Q表示正则矩阵,||·||表示2范数,求上式,得到:
本发明所达到的有益效果:
(1)本发明的方法用渐变阴影权重模型代替现有固定权值的椭圆模型去实现射频层析成像,同时克服了椭圆短轴长度靠经验取值的缺点,可以有效减小模型误差,提高成像质量;
(2)本发明的方法采用双门限法滤去野值链路,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,而且可以大大减轻伪目标的影响,提高定位结果的准确性和鲁棒性。
附图说明
图1是本发明中定位系统的结构示意图;
图2是渐变阴影权重模型参数关系示意图;
图3是本发明实施例中现有RTI方法目标定位实验结果图;
图4是本发明实施例中本发明方法的目标定位实验结果图。
具体实施方式
下面结合附图以及具体实施例对本发明进行详细说明。
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。
本发明的基于渐变阴影权重模型的射频层析成像定位方法,包括如下步骤:
步骤一、建立定位系统;
该定位系统包括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,均匀分布在定位区域的周边上,第M+1个节点为数据采集节点,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;定位区域均匀划分成N个像素点,定位系统结构如图1所示。
步骤二、根据目标对无线链路影响的空间关系构建渐变阴影权重模型;
根据实验和理论分析,第i(i=1,2,…,L)条链路所对应的渐变阴影权重模型公式如下:
其中,wij表示当目标位于第j个像素点时对第i条链路所产生影响对应的权重值,di为第i条链路长度,dij1,dij2分别为第j个像素点到组成第i条链路两节点的距离,ai表示第i条链路对应椭圆的长轴长度。为第i条链路对应的最大第1菲涅尔区半径,其中λ表示电磁波的波长。图2给出了以上各个量的示例。
步骤三、测量无线链路在背景环境下和有目标时的RSS值;
根据通信理论,第i条链路中接收端的接收信号强度RSS值可以表示为
yi(t)=Pi-Li-Si(t)-Fi(t)-vi(t) (2)
其中Pi表示发送端的发射功率,一般假设发送功率固定,Li表示与传输距离、天线模式等相关的静态损耗,Si(t)表示阴影损耗,Fi(t)表示衰落损耗,vi(t)代表噪声。分别测量无目标时和有目标时第i条链路的RSS测量值,则在时刻t第i条链路的RSS变化量Δyi(t)可以表示为
其中yi(0)=Pi-Li-Fi(0)-vi(0)表示没有目标存在时第i条链路的背景RSS测量值,由于噪声和阴影衰落相比要小很多,所以Δyi(t)主要由t时刻的阴影衰落决定。采用同样的测量方式,全部L条链路的测量值可以用矢量Y(t)=[y1(t)y2(t) … yL(t)]T表示,其中[]T表示转置操作。相应地,背景测量矢量可用Y(0)=[y1(0)y2(0) … yL(0)]T来表示。计算测量矢量Y(t)和背景测量矢量Y(0)的差值,就可以得到t时刻RSS变化矢量ΔY(t)=abs[Y(t)-Y(0)]=[Δy1(t) Δy2(t) … ΔyL(t)],其中abs[]表示绝对值操作。
步骤四、采用双门限方式选取有效链路;
首先分别计算t时刻所有L条链路上RSS变化量的均值和方差,计算公式分别为
设定下门限值为thlow=max{|μ(t)-σ(t)×zα/2|,min(ΔY(t))+3};上门限值为thhigh=min{|μ(t)+σ(t)×zα/2|,max(ΔY(t))-3},zα/2表示RSS变化量概率分布的α(0<α<1)分位点值,代表1-α的置信度。
RSS变化量ΔY(t)小于下门限值或大于上门限值的链路都被认为是野值链路,因此有效链路集合为
S={li|thlow<Δyi(t)<thhigh,i=1,…,L} (6)
步骤五、采用改进权重模型进行射频层析成像定位。
假设步骤四中挑选出P条有效链路,分别计算P条有效链路的RSS变化量,结果记为ΔYP。根据射频层析成像原理,可得:
ΔYP=WPx+v (7)
其中,x=[x1,x2,…,xN]T表示定位区域划分的像素矢量,xi,i=1,2,…,N表示各像素点上的值,v表示噪声矢量,权重模型根据步骤2)的公式计算得到,但与一般RTI方式不同的是,仅挑选与集合S中P条链路相对应的P行矢量构成WP
引入正则化约束项,得到目标函数如下:
其中,β表示正则化系数,Q表示正则矩阵,||·||表示2范数,求解式(8),得到:
实施例
本实施例以符合Zigbee协议的CC2530芯片为基础,自主开发了无线收发节点。定位区域为一个6.3米×6.3米的方形区域,每隔0.9米摆放1个无线收发节点,总共28个无线收发节点组成定位网络,另外1个无线节点作为数据采集节点,负责将测量数据传给电脑。每个定位节点放在高度为1米的支架上。在软件协议方面,本实施例以IEEE802.15.4无线通信协议为基础,利用Z-stack协议栈软件,自主开发了轮询测量和接收信号强度值读取的程序代码。28个定位节点从1到28依次编ID号,通过该ID号的不同来区分不同的模块。一个节点发送定位数据时,数据包会携带发送模块的ID号,当下一个节点收到此ID号后,就会触发该节点的定位数据的发送,这样轮询测量就建立起来了。当一个发送节点发送定位数据之后,其他定位节点收到该数据时会产生一个强度值RSSI,并立即把这个数据保存下来,然后依次发送给数据采集节点,并通过数据采集节点传送给电脑。一旦采集到数据,经过处理后,利用双门限方式选取有效链路;然后利用渐变阴影权重模型和公式(1)-(9)进行计算,就可以得到射频层析成像定位结果,其中,像素点N=2500,正则化系数为β=10,α=0.05。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(1.8,2.7)米位置,而图4是本发明在相同条件下单个目标定位结果图,被定位目标同样处于(1.8,2.7)米位置。如图3所示,现有RTI方法由于采用固定权重的椭圆模型,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,而且左上角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。如图4所示,本发明方法的定位性能要优于现有RTI方法,不仅背景噪声较少,而且左上角的虚假目标也未出现。
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 (5)

1.一种基于渐变阴影权重模型的射频层析成像定位方法,其特征在于,包括以下步骤:
步骤一、建立无线定位系统,所述定位系统包括若干个无线收发节点,无线收发节点两两之间互相通信,组成多条无线链路;
步骤二、根据目标对无线链路影响的空间关系建立渐变阴影权重模型;
步骤三、分别测量无线链路在无目标时和有目标时的RSS值;
步骤四、采用双门限方式选取有效链路;
步骤五、基于渐变阴影权重模型利用射频层析成像方法进行定位。
2.根据权利要求1所述的基于渐变阴影权重模型的射频层析成像定位方法,其特征在于:所述定位系统包括M+1个无线收发节点,以IEEE802.15.4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,均匀分布在定位系统所定位区域的周边上,第M+1个节点为数据采集节点,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;所述定位区域均匀划分为N个像素点。
3.根据权利要求1所述的基于渐变阴影权重模型的射频层析成像定位方法,其特征在于:所述渐变阴影权重模型中第i(i=1,2,…,L)条链路所对应的渐变阴影权重模型公式如下:
其中,wij表示当目标位于第j个像素点时对第i条链路所产生影响对应的权重值,di为第i条链路长度,dij1,dij2分别为第j个像素点到组成第i条链路两节点的距离,ai表示第i条链路对应椭圆的长轴长度;为第i条链路对应的最大第1菲涅尔区半径,其中λ表示电磁波的波长。
4.根据权利要求1所述的基于渐变阴影权重模型的射频层析成像定位方法,其特征在于:所述双门限法选取的有效链路的集合为:
S={li|thlow<Δyi(t)<thhigh,i=1,…,L}
其中,下门限值为thlow=max{|μ(t)-σ(t)×zα/2|,min(ΔY(t))+3};上门限值为thhigh=min{|μ(t)+σ(t)×zα/2|,max(ΔY(t))-3},Δyi(t)表示t时刻第i条链路的RSS变化量,ΔY(t)=[Δy1(t)Δy2(t)…ΔyL(t)],zα/2表示RSS变化量概率分布的α(0<α<1)分位点值,代表1-α的置信度,分别代表t时刻所有L条链路上RSS变化量的均值和方差。
5.根据权利要求1所述的基于渐变阴影权重模型的射频层析成像定位方法,其特征在于:所述射频层析成像定位包括以下步骤:
步骤5.1、假设步骤四挑选出P条有效链路,分别计算P条有效链路的RSS变化量,结果记为ΔYP,根据射频层析成像原理,可得:
ΔYP=WPx+v
其中,x=[x1,x2,…,xN]T表示定位区域划分的像素矢量,xi,i=1,2,…,N表示各像素点上的值,v表示噪声矢量,WP为权重矩阵,由与集合S中P条链路相对应的P行矢量构成。
步骤5.2、引入正则化约束项,得到目标函数如下:
其中,β表示正则化系数,Q表示正则矩阵,||·||表示2范数,求上式,得到:
CN201810530929.3A 2018-05-29 2018-05-29 一种基于渐变阴影权重模型的射频层析成像定位方法 Active CN108828510B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810530929.3A CN108828510B (zh) 2018-05-29 2018-05-29 一种基于渐变阴影权重模型的射频层析成像定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810530929.3A CN108828510B (zh) 2018-05-29 2018-05-29 一种基于渐变阴影权重模型的射频层析成像定位方法

Publications (2)

Publication Number Publication Date
CN108828510A true CN108828510A (zh) 2018-11-16
CN108828510B CN108828510B (zh) 2022-06-03

Family

ID=64146171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810530929.3A Active CN108828510B (zh) 2018-05-29 2018-05-29 一种基于渐变阴影权重模型的射频层析成像定位方法

Country Status (1)

Country Link
CN (1) CN108828510B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111653105A (zh) * 2020-04-30 2020-09-11 南京理工大学 一种道路两侧基于无源被动技术的车辆测速方法及系统
CN111999697A (zh) * 2020-04-30 2020-11-27 南京理工大学 一种道路两侧三维无线层析成像系统节点自定位方法
CN112818514A (zh) * 2021-01-05 2021-05-18 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)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010030956A2 (en) * 2008-09-12 2010-03-18 University Of Utah Research Foundation Method and system for tracking objects using radio tomographic imaging
CN106255059A (zh) * 2016-07-27 2016-12-21 南京师范大学 一种基于几何方式的无设备目标定位方法
CN106304330A (zh) * 2016-08-02 2017-01-04 南京信息工程大学 一种减轻背景电磁波影响的射频层析成像定位方法
CN106793076A (zh) * 2016-12-30 2017-05-31 北京理工大学 一种阴影衰落辅助的免携带设备定位方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010030956A2 (en) * 2008-09-12 2010-03-18 University Of Utah Research Foundation Method and system for tracking objects using radio tomographic imaging
CN106255059A (zh) * 2016-07-27 2016-12-21 南京师范大学 一种基于几何方式的无设备目标定位方法
CN106304330A (zh) * 2016-08-02 2017-01-04 南京信息工程大学 一种减轻背景电磁波影响的射频层析成像定位方法
CN106793076A (zh) * 2016-12-30 2017-05-31 北京理工大学 一种阴影衰落辅助的免携带设备定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王小雪: "基于无线传感器网络的无源被动式目标定位研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111653105A (zh) * 2020-04-30 2020-09-11 南京理工大学 一种道路两侧基于无源被动技术的车辆测速方法及系统
CN111999697A (zh) * 2020-04-30 2020-11-27 南京理工大学 一种道路两侧三维无线层析成像系统节点自定位方法
CN111653105B (zh) * 2020-04-30 2022-03-15 南京理工大学 一种道路两侧基于无源被动技术的车辆测速方法及系统
CN111999697B (zh) * 2020-04-30 2022-05-20 南京理工大学 一种道路两侧三维无线层析成像系统节点自定位方法
CN112818514A (zh) * 2021-01-05 2021-05-18 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
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

Also Published As

Publication number Publication date
CN108828510B (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
Li et al. AF-DCGAN: Amplitude feature deep convolutional GAN for fingerprint construction in indoor localization systems
Zhang et al. An RF-based system for tracking transceiver-free objects
EP1754385B1 (en) Wireless node location mechanism featuring definition of search region to optimize location computation
CN104093202B (zh) 一种环境自适应的无设备目标定位方法
US7286835B1 (en) Enhanced wireless node location using differential signal strength metric
CN103874200B (zh) 一种楼层识别方法及系统
CN106255059B (zh) 一种基于几何方式的无设备目标定位方法
CN108882151A (zh) 基于csi信息区域化标注的室内定位方法
CN106231552B (zh) 一种基于混合方式的非合作目标定位方法
CN106304330B (zh) 一种减轻背景电磁波影响的射频层析成像定位方法
EP3749975A1 (en) Position estimation device and communication device
EP1726169A2 (en) Location of wireless nodes using signal strength weighting metric
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
CN107992882A (zh) 一种基于WiFi信道状态信息和支持向量机的室内人数统计方法
CN112040394A (zh) 一种基于ai深度学习算法的蓝牙定位方法及系统
Liu et al. A research on CSI-based human motion detection in complex scenarios
CN109819394A (zh) 基于WiFi与超声波混合的室内定位方法及其系统
Jiang et al. An enhanced approach of indoor location sensing using active RFID
Hashem et al. Deepnar: Robust time-based sub-meter indoor localization using deep learning
US20240337726A1 (en) Sensing method and apparatus, sensing configuration method and apparatus, and a communication device
Doiphode et al. Survey of indoor positioning measurements, methods and techniques
CN108761391B (zh) 一种模型类无设备目标定位方法
Yang et al. A clustering-based algorithm for device-free localization in IoT
TW202402073A (zh) 使用來自多個無線節點的射頻感測的人群感測
CN110471030A (zh) 基于改进共轭梯度的射频层析成像被动式定位求解方法

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