CN109286894A - 一种基于压缩感知与多边测量相结合的定位方法 - Google Patents
一种基于压缩感知与多边测量相结合的定位方法 Download PDFInfo
- Publication number
- CN109286894A CN109286894A CN201811374731.7A CN201811374731A CN109286894A CN 109286894 A CN109286894 A CN 109286894A CN 201811374731 A CN201811374731 A CN 201811374731A CN 109286894 A CN109286894 A CN 109286894A
- Authority
- CN
- China
- Prior art keywords
- target
- positioning
- node
- compressed sensing
- vector
- 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 88
- 238000005259 measurement Methods 0.000 title claims abstract description 58
- 230000004807 localization Effects 0.000 title abstract description 6
- 239000013598 vector Substances 0.000 claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 239000003245 coal Substances 0.000 claims description 32
- 238000005516 engineering process Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 abstract description 13
- 238000004891 communication Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- 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
-
- 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
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于压缩感知与多边测量相结合的定位方法,解决了井下环境复杂多变,电磁干扰严重,有别于奈奎斯特采样定理,仅采集少量数据就能实现定位,降低算法复杂度和通信开销,且大大提高定位精度,包括离线阶段和在线阶段。(1)离线阶段:在无线局域网环境下对任意椭圆定位区域进行信号采样,得到离线指纹库,存入中心服务器;(2)在线阶段:粗定位过程在定位区域内对参考节点和目标节点进行信号采样,构建观测矩阵和测量值向量,从服务器导入指纹库构建过完备字典,在观测矩阵和字典满足不相干的条件下,运用压缩感知重构算法确定目标分布的小区域;精定位过程运用多边测量定位方法在粗定位的基础上得到目标当前位置。
Description
技术领域
本发明属于室内定位领域,涉及基于压缩感知与多边测量相结合的煤矿井下定位方法,适用于环境相对复杂,定位开销要求较少的环境。
背景技术
随着无线网络的普及和不断发展,各种定位技术比比皆是,基于位置服务的应用受到各界的广泛关注和不断探索,无线定位技术已经在教育、医疗、公共安全、目标追踪和军事等领域不断得到突破发展。常用的传统定位系统中基于测量参数的方法,主要有基于接收信号强度(RSSI)、到达时间(TOA)、到达时间差(TDOA)和到达角度(AOA)等。但是这些方法定位的精确度取决于测量参数的准确性,在复杂多变、不确定因素居多的室内环境中,噪声干扰以及建筑物遮挡、距离因素等,都极大可能会给定位带来较大的误差;且基于这些方式的系统需要很多特定的硬件设备支持辅助,测试处理大量数据,工作量很大,这样就给定位过程带来诸多不便,在一定程度上限制了定位系统的普及应用。
多边测量定位技术采用一种特有的方式来布设参考节点,接收信号强度(Received Signal Strength,RSS)仅需无线收发器,具有容易被无线电设备接收的特性,只需少量硬件辅助设备,实现简单,成本低。因此在多边测量定位技术中,采用基于RSS的基站选择策略,提高多边测量法对复杂环境的适应性。基于RSS的定位被广泛用来研究,众所周知的有基于指纹库的定位,利用信号传播模型离线阶段训练指纹库,在线定位阶段将接收到的目标信号强度与离线指纹库进行比对进而得到目标估计,但在干扰甚多的复杂巷道环境中,当接收信号强度的数目较少时,定位效果不理想。而且此类定位方法使用奈奎斯特采样定理,要求采样频率大于或等于信号中最高频率的两倍来采集样本,所需通信开销和处理的信息量很大。当室内环境发生较大变化时,离线数据指纹库的更新也需要很大工作量。
定位通信开销、环境噪声以及建筑物的干扰、数据处理复杂度是定位需要考虑的几个重要方面。压缩感知理论指出:如果信号是可压缩的或者在某个变换域内是稀疏的,并且变换基与观测矩阵具有不相关性,则可用远比奈奎斯特采样速率低的采样频率以高概率进行无损恢复。实现方式是:借助一个变换矩阵,将一个高维信号转换到一个低维空间,再通过求解一个优化问题,把低维空间里的投影信号,以高概率恢复成初始信号。压缩感知作为一门新兴的采样理论,通过挖掘信号的可压缩特性,在远低于香农-奈奎斯特采样率的条件下进行信号采样,最后通过重构算法完美的重建信号。它的这一特性正好与基于RSS基站选择策略的多边测量定位技术相结合,由于测量信号数具有稀疏性,所以就可以根据少量的采样值利用压缩感知理论与多边测量定位技术有效结合,得到目标的精确位置。
综上所述,在定位系统中运用压缩感知理论,根据压缩感知的特性,通过少量采样值来重构目标的位置信息向量,得到目标位置,此方法大大降低了计算复杂度,减少通信开销。因此,有必要设计一种新的基于压缩感知的方法来实现室内定位提高定位性能。
发明内容
技术问题:本发明所要解决的技术问题是提供了基于压缩感知与多边测量相结合的煤矿井下定位方法,该方法主要思想是将定位过程分为两个阶段:离线阶段与在线阶段。离线测量阶段在定位区域选择N个参考节点,进行巷道传输距离与接收信号强度值测试,将参考节点的位置标识信息和接收信号强度测量值建立一一对应关系,形成离线指纹数据库,构建稀疏基矩阵。在线阶段又分为两个过程:粗定位过程与精定位过程。在粗定位过程中,运用压缩感知技术,在定位区域仅需布设M(M<<N)个参考节点,根据参考节点的接收信号强度构建观测矩阵与测量值向量,再与离线指纹库结合,通过重构算法得到目标的位置信息向量。精定位过程中,根据粗定位获得的初步目标定位区域,利用多边测量定位技术选择近邻参考节点,最终估计目标的位置坐标。有效的降低了成本开销和提高了定位精度。
为实现上述目标,本发明实现的技术方案如下:
基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,包括以下步骤:
A.离线测量阶段,根据煤矿井下工作环境及巷道走向的分布,在任意一块椭圆定位区域的临近直线上布设N个定位参考节点,同时沿巷道走向划分各参考节点的局部定位区域,收集待定位目标发射的信号强度值数据存入指纹库,形成较完备的离线指纹数据库,构建稀疏基矩阵,存入中心服务器;
B.在线定位阶段分为两个过程,粗定位过程运用压缩感知技术,只需在临近椭圆定位区域的直线上放置M(M<<N)个参考节点,通过M个参考节点在线接收每个目标节点信号强度值数据构建测量值向量,每检测到一个目标就会生成一个列向量;之后收集M个参考节点在线接收的全部目标节点信号强度值数据构建观测矩阵,在观测矩阵与稀疏基矩阵满足不相干的条件下,结合测量值向量,运用压缩感知重构算法粗略估计目标初始位置,完成粗定位;
C.在线定位阶段精定位过程在粗定位的基础上,通过多边测量定位技术进一步确定目标的精确坐标;
根据本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,所述的离线测量阶段包括以下步骤:
A1.假设定位区域存在N个目标节点,在临近椭圆定位区域的直线上每隔任意小段距离随机放置一个参考节点,共放置N个参考节点;
A2.每个参考节点到N个目标节点的距离r是可得的,根据信号传播模型中距离与信号强度关系公式可计算目标节点的信号强度值,依次对目标信号进行采样;
A3.每个参考节点都要对椭圆定位区域内可能存在的N个目标节点发射的信号强度值进行采样,生成一个1×N行向量;
A4.每个参考节点都会生成一个1×N的行向量,N个参考节点就会生成N个行向量,所有参考节点采集的目标节点信号组合在一起就得到了完备的离线指纹数据库,构建为N×N的稀疏基矩阵Ψ。
根据本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,所述的接收信号强度值数据是从所述目标节点发射的信号中得到。
根据本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,所述的在线定位阶段粗定位过程包括以下步骤:
B1.粗定位过程运用压缩感知技术,避免了采集和处理大量数据,只需采集少量数据就可重构目标所在范围,在临近椭圆定位区域的直线上每隔距离d布设一个参考节点,一共布设M(M<<N)个参考节点;
B2.M个参考节点在线接收每个目标节点的信号强度值数据构建M×1的测量值向量y,有多少个目标节点就会生成多少个测量值向量y;
B3.M个参考节点在线接收的N个目标节点信号强度值数据构建M×N的观测矩阵Φ,从服务器导入稀疏基矩阵Ψ,采用正交化预操作使Φ与Ψ满足不相干性,结合测量值向量y,运用压缩感知重构算法得到位置信号稀疏向量,初步估计目标初始位置,确定一个小范围;
根据本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,所述的在线定位阶段精定位过程包括以下步骤:
C1.精定位过程目标的搜索范围缩小,选取接收目标信号最强的X个近邻参考节点作为多边测量的参考节点,接收未知目标节点的信号强度;
C2.参考节点与目标节点间的距离r可以通过传输距离与信号强度之间的公式求出;
C3.根据得到的接收目标节点信号强度值跟距离r,通过多边测量定位技术的相关计算求出目标节点坐标,多次测量取平均值得到最终目标节点精确坐标(x,y);
根据本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,所述的信号传播模型中距离r与信号强度关系公式为:Pr是无线信号的接收功率,只需将接收到的信号功率Pr代入公式就是接收信号强度;又因为Pt=Pr·rn,Pt为无线信号的发射功率,r是参考节点与目标节点之间的距离,n是传播因子,也称路径损耗指数,数值大小取决于无线信号传播环境,实际情况下,障碍物越多,n的值越大,无线信号的发射功率Pt通常是已知的,根据定位环境的不同,传播因子n也是固定的,代入公式Pt=Pr·rn,可求出距离r。
根据本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,所述的稀疏基矩阵
其中,Ψmn,1≤m≤N,1≤n≤N,表示离线测量阶段第m个参考节点采集到的第n个目标节点的信号强度值。
根据本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,所述的布设的参考节点之间的距离d的范围通常是5m<d<10m。
根据本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,所述的测量值向量y=[y1,y2,y3,…yM]M×1 T,观测矩阵位置信号稀疏向量为θ;
其中,1≤i≤M,1≤j≤N,表示粗定位过程第i个参考节点到第j的目标节点采样Y次的信号强度平均值,表示第β次采样值;测量值向量y中每个元素yl(1≤l≤M)表示第l个参考节点采集到目标节点的信号强度值。
根据本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,所述的在线阶段获取观测矩阵Φ和稀疏基矩阵Ψ,Φ和Ψ通过正交化预操作使二者满足不相干性,正交化预操作的步骤为:
对测量值向量y进行正交化预操作,即y'=py。定义p=TA+,其中,A=ΦΨ,T=orth(AT)T,T是A的正交基,orth(A)表示对矩阵A的规范正交化化操作,A+为A的广义逆。则有y'=py=TA+y=TA+Aθ=Tθ。
根据本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,所述的位置信号稀疏向量为θ,θ是一个大小为1×N的向量,目标的初步位置估计就是重构θ的过程,重构公式如下:
其中,表示目标的位置信息向量,值为“1”表示索引到定位区域相应参考位置,当定位环境有噪声存在时,ε表示噪声干扰的误差值。
根据本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,所述的多边测量计算公式为r为参考节点与目标节点间的距离,展开并简化为将其线性化之后得到Aθ=b;
其中,代入线性化公式后得到目标节点最终坐标值(x,y)。
根据本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,所述的X为4个,(xi,yi)是第i个参考节点的坐标,g为位置信息稀疏向量θ中含有的g个接近1的非零值,(x,y)是多次测量取平均值之后的最终目标节点坐标;
本发明的有益效果是:
1.与基于指纹法的定位方法相比,仅需采集少量的信息样本就能估计未知目标的位置,降低数据处理复杂度的同时大大节约成本,指纹法通过信息比对的方式导致定位精度有限,且需要花费大量的开销去更新指纹信息库。
2.与传统的基于压缩感知的定位方法相比,在线阶段通过压缩感知技术进行粗定位,初步估计目标的位置,缩小目标所在的区域,接着在精定位过程引入多边测量定位技术,取距离目标最近,接收信号强度最强的4个参考节点,按照多边测量定位技术的相关计算确定最终目标坐标,降低了计算复杂度,大大提高了定位精度,也可以通过重构算法更新指纹库,节省了通信开销。
附图说明
图1本发明所述的定位方法基本原理图;
图2本发明的定位流程图;
图3本发明的离线阶段指纹库构建原理图;
图4本发明的基于压缩感知的粗定位模型图;
图5本发明压缩感知算法重构流程图;
图6本发明多边测量法模型图;
图7本发明近邻选择模型图;
图8本发明区域定位模型图;
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压缩感知与多边测量相结合的煤矿井下定位方法进行更详细的说明。
参见图1,图2,本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,包括离线阶段和在线阶段:
A.离线测量阶段,根据煤矿井下工作环境及巷道走向的分布,在任意一块椭圆定位区域的临近直线上布设N个定位参考节点,同时沿巷道走向划分各参考节点的局部定位区域,收集待定位目标发射的信号强度值数据存入指纹库,形成较完备的离线指纹数据库,构建稀疏基矩阵,存入中心服务器;
B.在线定位阶段分为两个过程,粗定位过程运用压缩感知技术,只需在临近椭圆定位区域的直线上放置M(M<<N)个参考节点,通过M个参考节点在线接收每个目标节点信号强度值数据构建测量值向量,每检测到一个目标就会生成一个列向量;之后收集M个参考节点在线接收的全部目标节点信号强度值数据构建观测矩阵,在观测矩阵与稀疏基矩阵满足不相干的条件下,结合测量值向量,运用压缩感知重构算法粗略估计目标初始位置,完成粗定位;
C.在线定位阶段精定位过程在粗定位的基础上,通过多边测量定位技术进一步确定目标的精确坐标;
参见图3,离线阶段指纹库构建原理图,本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,离线阶段包括以下步骤:
A1.假设定位区域存在N个目标节点,在临近椭圆定位区域的直线上每隔任意小段距离随机放置一个参考节点,共放置N个参考节点;
A2.每个参考节点到N个目标节点的距离r是可得的,根据信号传播模型中距离与信号强度关系公式可计算目标节点的信号强度值,依次对目标信号进行采样;
A3.每个参考节点都要对椭圆定位区域内可能存在的N个目标节点发射的信号强度值进行采样,生成一个行向量;
A4.每个参考节点都会生成一个1×N的行向量,N个参考节点就会生成N个行向量,所有参考节点采集的目标节点信号组合在一起就得到了完备的离线指纹数据库,构建为N×N的稀疏基矩阵稀疏基矩阵Ψ中的元素Ψmn,1≤m≤N,1≤n≤N,表示离线测量阶段第m个参考节点采集到的第n个目标节点的信号强度值。
本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,所述的接收信号强度值数据是从所述目标节点发射的信号中得到。
本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,所述的信号传播模型中距离r与信号强度关系公式为Pr是无线信号的接收功率,只需将接收到的信号功率Pr代入公式就是接收信号强度;又因为Pt=Pr·rn,Pt为无线信号的发射功率,r是参考节点与目标节点之间的距离,n是传播因子,也称路径损耗指数,数值大小取决于无线信号传播环境,实际情况下,障碍物越多,n的值越大,无线信号的发射功率Pt通常是已知的,根据定位环境的不同,传播因子n也是固定的,代入公式Pt=Pr·rn,可求出距离r。
参见图4,基于压缩感知的粗定位模型图,本发明所述的压缩感知与多边测量相结合的煤矿井下定位方法,在线定位阶段粗定位过程包括以下步骤:
B1.粗定位过程运用压缩感知技术,避免了采集和处理大量数据,只需采集少量数据就可重构目标所在范围,在临近椭圆定位区域的直线上每隔距离d布设一个参考节点,一共布设M个参考节点;
B2.M个参考节点在线接收每个目标节点信号强度值数据构建M×1的测量值向量y,其中,y=[y1,y2,y3,…yM]M×1 T,测量值向量y中每个元素yl(1≤l≤M)表示第l个参考节点采集到目标节点的信号强度值;
B3.M个参考节点在线接收的N个目标节点信号强度值数据构建M×N的观测矩阵Φ,从服务器导入稀疏基矩阵Ψ,采用正交化预操作使Φ与Ψ满足不相干性,结合测量值向量y,运用压缩感知重构算法得到位置信号稀疏向量,初步估计目标初始位置,确定一个小范围,其中,1≤i≤M,1≤j≤N,表示粗定位过程第i个参考节点到第j的目标节点采样Y次的信号强度平均值,表示第β次采样值。
本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,所述的布设的参考节点之间的距离d的范围通常是5m<d<10m。
本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,所述的在线阶段获取观测矩阵Φ和稀疏基矩阵Ψ,Φ和Ψ通过正交化预操作使二者满足不相干性,正交化预操作的步骤为:
对测量值向量y进行正交化预操作,即y'=py。定义p=TA+,其中,A=ΦΨ,T=orth(AT)T,T是A的正交基,orth(A)表示对矩阵A的规范正交化化操作,A+为A的广义逆。则有y'=py=TA+y=TA+Aθ=Tθ。
见图5,压缩感知算法重构流程图,本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,所述的位置信号稀疏向量为θ,θ是一个大小为1×N的向量,目标的位置估计就是θ的重构过程,公式如下:
其中,表示目标的位置信息向量,值为“1”表示索引到定位区域相应参考位置,当定位环境有噪声存在时,ε表示噪声干扰的误差值。
参见图6,图7,图8,多边测量法模型图、近邻选择模型图和区域定位模型图,本发明所述的压缩感知与多边测量相结合的煤矿井下定位方法,在线定位阶段精定位过程包括以下步骤:
C1.精定位过程目标的搜索范围缩小,选取接收目标信号最强的X个近邻参考节点作为多边测量的参考节点,接收未知目标节点的信号强度;
C2.参考节点与目标节点间的距离r可以通过传输距离与信号强度之间的公式求出;
C3.根据得到的接收目标节点信号强度值跟距离r,通过多边测量定位技术的相关计算求出目标节点坐标,多次测量取平均值得到最终目标节点精确坐标(x,y);
本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,所述的X为4个。
本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,所述的多边测量计算公式r为参考节点与目标节点之间的距离,展开并简化为将其线性化之后得到Aθ=b;
其中,代入线性化公式后得到目标节点最终坐标值(x,y)。
本发明所述的基于压缩感知与多边测量相结合的煤矿井下定位方法,所述的(xi,yi)是第i个参考节点的坐标,g为位置信息稀疏向量θ中含有的g个接近1的非零值,(x,y)是多次测量取平均值之后的最终目标坐标。
Claims (8)
1.一种基于压缩感知与多边测量相结合的煤矿井下定位方法,其特征在于,包括以下步骤:
A.离线测量阶段,根据煤矿井下工作环境及巷道走向的分布,在任意一块椭圆定位区域的临近直线上布设N个定位参考节点,同时沿巷道走向划分各参考节点的局部定位区域,收集待定位目标发射的信号强度值数据存入指纹库,形成较完备的离线指纹数据库,构建稀疏基矩阵,存入中心服务器;
B.在线定位阶段分为两个过程,粗定位过程运用压缩感知技术,只需在临近椭圆定位区域的直线上放置M(M<<N)个参考节点,通过M个参考节点在线接收每个目标节点信号强度值数据构建测量值向量,每检测到一个目标就会生成一个列向量;之后收集M个参考节点在线接收的全部目标节点信号强度值数据构建观测矩阵,在观测矩阵与稀疏基矩阵满足不相干的条件下,结合测量值向量,运用压缩感知重构算法粗略估计目标初始位置,完成粗定位;
C.在线定位阶段精定位过程在粗定位的基础上,通过多边测量定位技术进一步确定目标的精确坐标。
2.根据权利要求1所述的方法,其特征在于,所述步骤A包括下列步骤:
A1.假设定位区域存在N个目标节点,在临近椭圆定位区域的直线上每隔任意小段距离随机放置一个参考节点,共放置N个参考节点;
A2.每个参考节点到N个目标节点的距离r是可得的,根据信号传播模型中距离与信号强度关系公式可计算目标节点的信号强度值,依次对目标信号进行采样;
A3.每个参考节点都要对椭圆定位区域内可能存在的N个目标节点发射的信号强度值进行采样,生成一个行向量;
A4.每个参考节点都会生成一个1×N的行向量,N个参考节点就会生成N个行向量,所有参考节点采集的目标节点信号组合在一起就得到了完备的离线指纹数据库,构建为N×N的稀疏基矩阵Ψ。
3.根据权利要求1所述的方法,其特征在于,所述接收信号强度值数据是从所述目标节点发射的信号中得到。
4.根据权利要求1所述的方法,其特征在于,所述步骤B中包括下列步骤:
B1.粗定位过程运用压缩感知技术,避免了采集和处理大量数据,只需采集少量数据就可重构目标所在范围,在临近椭圆定位区域的直线上每隔距离d布设一个参考节点,一共布设M个参考节点;
B2.M个参考节点在线接收每个目标节点信号强度值数据构建M×1的测量值向量y,有多少个目标节点就会生成多少个测量值向量y;
B3.M个参考节点在线接收的N个目标节点信号强度值数据构建M×N的观测矩阵Φ,从服务器导入稀疏基矩阵Ψ,采用正交化预操作使Φ与Ψ满足不相干性,结合测量值向量y,运用压缩感知重构算法得到位置信号稀疏向量,初步估计目标初始位置,确定一个小范围。
5.根据权利要求1所述的方法,其特征在于,所述步骤C包括下列步骤:
C1.精定位过程目标的搜索范围缩小,选取接收目标信号最强的X个近邻参考节点作为多边测量的参考节点,接收未知目标节点的信号强度;
C2.参考节点与目标节点间的距离r可以通过传输距离与信号强度之间的公式求出;
C3.根据得到的接收目标节点信号强度值跟距离r,通过多边测量定位技术的相关计算求出目标节点坐标,多次测量取平均值得到最终目标节点精确坐标(x,y)。
6.根据权利要求2所述的方法,其特征在于,所述的稀疏基矩阵
7.根据权利要求4所述的方法,其特征在于,所述的测量值向量y=[y1,y2,y3,…yM]M×1 T,观测矩阵位置信号稀疏向量为θ;
其中,1≤i≤M,1≤j≤N,表示粗定位过程第i个参考节点到第j的目标节点采样Y次的信号强度平均值,表示第β次采样值。
8.根据权利要求5所述的方法,其特征在于,所述的X为4个,(xi,yi)是第i个参考节点的坐标,g为位置信息稀疏向量θ中含有的g个接近1的非零值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811374731.7A CN109286894A (zh) | 2018-11-19 | 2018-11-19 | 一种基于压缩感知与多边测量相结合的定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811374731.7A CN109286894A (zh) | 2018-11-19 | 2018-11-19 | 一种基于压缩感知与多边测量相结合的定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109286894A true CN109286894A (zh) | 2019-01-29 |
Family
ID=65176477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811374731.7A Pending CN109286894A (zh) | 2018-11-19 | 2018-11-19 | 一种基于压缩感知与多边测量相结合的定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109286894A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115175122A (zh) * | 2022-07-01 | 2022-10-11 | 重庆邮电大学 | 一种基于半张量积压缩感知的室内定位方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120149415A1 (en) * | 2010-12-13 | 2012-06-14 | Shahrokh Valaee | System, method and computer program for anonymous localization |
CN102540137A (zh) * | 2011-12-28 | 2012-07-04 | 浙江大学 | 一种基于信号相位差的无线声传感器网络目标定位方法 |
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 |
CN103945529A (zh) * | 2014-04-15 | 2014-07-23 | 南京邮电大学 | 基于rss的无线传感器网络定位方法 |
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 |
CN108260091A (zh) * | 2018-03-21 | 2018-07-06 | 中国矿业大学(北京) | 基于离散动态网格选择的压缩感知矿井目标定位方法 |
CN108614237A (zh) * | 2018-03-19 | 2018-10-02 | 西北大学 | 基于压缩感知的指纹库建立及rfid定位方法 |
US20180300522A1 (en) * | 2017-04-14 | 2018-10-18 | Synaptics Incorporated | Integrated fingerprint and force sensor |
-
2018
- 2018-11-19 CN CN201811374731.7A patent/CN109286894A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120149415A1 (en) * | 2010-12-13 | 2012-06-14 | Shahrokh Valaee | System, method and computer program for anonymous localization |
CN102540137A (zh) * | 2011-12-28 | 2012-07-04 | 浙江大学 | 一种基于信号相位差的无线声传感器网络目标定位方法 |
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 |
CN103945529A (zh) * | 2014-04-15 | 2014-07-23 | 南京邮电大学 | 基于rss的无线传感器网络定位方法 |
US20180300522A1 (en) * | 2017-04-14 | 2018-10-18 | Synaptics Incorporated | Integrated fingerprint and force sensor |
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 |
CN108614237A (zh) * | 2018-03-19 | 2018-10-02 | 西北大学 | 基于压缩感知的指纹库建立及rfid定位方法 |
CN108260091A (zh) * | 2018-03-21 | 2018-07-06 | 中国矿业大学(北京) | 基于离散动态网格选择的压缩感知矿井目标定位方法 |
Non-Patent Citations (2)
Title |
---|
冯辰: "基于压缩感知的RSS室内定位系统的研究与实现", 中国博士学位论文全文数据库信息科技辑 * |
杨朝齐: "基于RSSI室内定位系统的研究与实现", 中国优秀硕士学位论文全文数据库信息科技辑, pages 45 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN115175122A (zh) * | 2022-07-01 | 2022-10-11 | 重庆邮电大学 | 一种基于半张量积压缩感知的室内定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1514130B1 (en) | Probabilistic model for a positioning technique | |
CN108989976B (zh) | 一种智慧教室内的指纹定位方法及系统 | |
CN107015198B (zh) | 一种基于天线非规则布设的室内定位方法 | |
CN105954712B (zh) | 联合无线电信号复包络和载波相位信息的多目标直接定位方法 | |
CN110290491B (zh) | 一种基于多径辅助的室内目标定位方法 | |
CN104519571B (zh) | 一种基于rss的室内定位方法 | |
CN105898865B (zh) | 非线性非高斯条件下基于ekf和pf的协同定位方法 | |
CN107743296A (zh) | 一种基于压缩感知的rssi区域分段式定位方法 | |
CN109286894A (zh) | 一种基于压缩感知与多边测量相结合的定位方法 | |
CN109195110B (zh) | 基于层次聚类技术和在线极限学习机的室内定位方法 | |
Zhou et al. | Indoor fingerprint localization based on fuzzy c-means clustering | |
CN103796304B (zh) | 一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法 | |
US9213100B1 (en) | Bearing-only tracking for horizontal linear arrays with rapid, accurate initiation and a robust track accuracy threshold | |
CN104038901A (zh) | 一种减少指纹数据采集工作量的室内定位方法 | |
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 | |
CN107592654B (zh) | 一种基于压缩感知的同频多辐射源场强定位方法 | |
Rahman et al. | Lochunt: Angle of arrival based location estimation in harsh multipath environments | |
Nkabiti et al. | Application of solely self-attention mechanism in CSI-fingerprinting-based indoor localization | |
KR101627419B1 (ko) | 이동 노드의 위치 추정 방법 및 그 장치 | |
CN102880673A (zh) | 一种室内定位方法 | |
Li et al. | A K-nearest neighbor indoor fingerprint location method based on coarse positioning circular domain and the highest similarity threshold | |
CN107479055B (zh) | 一种高轨星载sar的自聚焦方法和装置 | |
CN109407051A (zh) | 凸优化融合图论的广义秩目标传感网时空数据定位方法 | |
Garcia et al. | Localization using a particle filter and magnetic induction transmissions: Theory and experiments in air | |
CN114679683A (zh) | 一种基于派生指纹迁移的室内智能定位方法 |
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 |