CN110049435A - 基于压缩感知rss指纹库及超声波的井下定位方法 - Google Patents
基于压缩感知rss指纹库及超声波的井下定位方法 Download PDFInfo
- Publication number
- CN110049435A CN110049435A CN201910388437.XA CN201910388437A CN110049435A CN 110049435 A CN110049435 A CN 110049435A CN 201910388437 A CN201910388437 A CN 201910388437A CN 110049435 A CN110049435 A CN 110049435A
- Authority
- CN
- China
- Prior art keywords
- fingerprint base
- destination node
- rss
- compressed sensing
- ultrasonic
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 230000004807 localization Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G01S5/0257—Hybrid positioning
-
- 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
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication 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)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了矿井通信和安全生产领域中一种基于压缩感知RSS指纹库及超声波的井下定位方法，该方法简化定位算法复杂度，减少井下节点数量，降低功耗。本发明采用压缩感知算法，减少参考节点数量和数据传输量，缓解矿井通信网络的带宽压力。基于矿井巷道的空间特点，本发明采用更加简单的指纹库采集方案，结合超声波测距技术，保证定位精度的同时，减轻了指纹库采集阶段的工作量，更加便于井下目标定位的实施。
Description
技术领域
本发明属于矿井通信和安全生产领域，涉及一种基于压缩感知RSS指纹库及超声波的井下定位方法。
背景技术
井下目标定位是煤矿井下研究课题的一项重要内容，对于井下人员安全、设备安置具有重要意义。井下目标定位方法多样，一些方法是基于测距的，其中常用的两种测距方式：一种是基于检测接收信号强度(Received Signal Strength,RSS)的测距方式；另一种是基于传输到达时间(Time ofArrival,TOA)和到达时间差(Time Difference ofArrival,TDOA)的测距方式。另外，存在一些方法是基于非测距的，如特征指纹库等。
进行井下目标定位，需要在巷道内布设大量参考节点，用来检测目标并将目标状态信息传输至定位计算机，定位计算机根据收到的目标状态信息确定目标位置。然而矿井通信网络带宽有限且传输过程中存在时延，这些因素对定位的实时性产生消极影响。
为此，精简数据传输量，简化定位计算机的算法复杂度，对于井下目标定位格外重要。
发明内容
基于井下巷道空间特点，本发明提出一种定位精度高，算法简单，参考节点数量少的井下定位方法。该方法通过目标节点RSS特征信号与超声波测距技术，结合少量的参考节点和简单的算法实现井下目标的精确定位。
本发明采用的技术方案是：一种基于压缩感知RSS指纹库及超声波的井下定位方法，定位过程包含指纹库采集阶段和实时定位阶段。
指纹库采集阶段：
将定位区域离散网格化，改变目标节点的位置，参考节点接收不同采样点处目标节点发射的信号强度，建立采样点编号和相对应的RSS特征信号的指纹库，利用指纹库中的RSS特征信号，构建测量矩阵。
实时定位阶段：
所述的实时定位阶段包括压缩感知定位和超声波测距，是将两者联合在一起实现的。
压缩感知定位过程：
定位计算机根据参考节点接收的目标节点RSS特征信号，通过压缩感知算法重构出包含目标节点位置信息的位置矩阵，结合指纹库数据，加权计算得到目标节点的纵向坐标。
超声波测距过程：
目标节点向巷道壁发射超声波信号，超声波信号在遇到巷道壁后反射，目标节点接收反射的超声波，记录发射时间和接收时间，通过时间差计算目标节点的横向坐标。
结合以上坐标信息即可确定目标节点在巷道内的位置。
本发明所述的基于压缩感知RSS指纹库及超声波的井下定位方法，其将传统的基于RSS的目标定位方法与指纹库定位技术相结合，定位计算机根据参考节点接收的目标节点RSS特征信号，通过压缩感知算法对包含目标节点位置信息的位置矩阵进行重构，列出矩阵中不为零元素对应的采样点纵向坐标，按照矩阵中不为零元素数值的大小进行加权计算，确定目标节点的纵向坐标。利用超声波测距技术，记录超声波的飞行时间，测量目标节点到巷道壁之间的距离，确定目标节点的横向坐标。
本发明的有益效果是：
1.本发明提出的基于压缩感知RSS指纹库及超声波的井下定位方法，借助压缩感知算法，精简数据传输量，减少矿井通信网络的带宽占用，提高定位系统实时性。
2.本发明提出的基于压缩感知RSS指纹库及超声波的井下定位方法，由于超声波测距技术的加入，相比传统的压缩感知定位方法，本发明的RSS特征信号指纹库采集方案更加简单，极大地减少了指纹库采集阶段的工作量。
3.本发明采用超声波测距技术测量目标节点和巷道壁之间的距离，超声波测距技术适用于短距离，测距性能好，该技术的使用进一步简化了定位算法的复杂性。
附图说明
图1是本发明所述定位方法系统组成框图
图2是本发明所述定位方法目标节点硬件示意图
图3是传统的压缩感知定位方法的巷道节点部署和指纹库采样点模拟图
图4是本发明所述定位方法的巷道节点部署和指纹库采样点模拟图
图5是本发明所述定位方法的流程图
图6是本发明所述定位方法的坐标平面图
具体实施方法
为了使本发明技术方案的内容和优势更加清楚明了，以下结合附图，对本发明做进一步的详细说明。
图1是本发明所述定位方法系统组成框图，包括地面监控系统(1)、定位计算机(2)、光纤(3)、交换机(4)、总线(5)、网关(6)、参考节点(7)、目标节点(8)。所涉及到的井下设备均为本安型设备，其中目标节点(8)由井下人员或设备携带。
如图1所示，本发明所述的基于压缩感知RSS指纹库及超声波的井下定位方法如下：参考节点(7)布置于井下巷道壁两侧，接收目标节点(8)发射的信号强度和时间差数据并打包为目标节点信息，通过网关(6)、总线(5)、交换机(4)、光纤(3)上传至定位计算机(2)，定位计算机(2)根据目标节点信息确定目标节点位置，通过光纤(3)将目标节点位置传送至地面监控系统(1)用于监控或者服务上层应用软件。
参考节点(7)等间隔交错布置在巷道两侧壁上部，保证能够完全覆盖巷道，且保证网络连通性。每个参考节点能够接收相邻参考节点发送的目标节点信息并转发至相邻的另一个参考节点，接力转发目标节点信息至网关处。
网关(6)布设在巷道一端的端点处，负责接收参考节点(7)发送的目标节点信息并发送至交换机(4)，保证网关和最邻近的参考节点的距离在两者无线通信的范围内。
如图2所示，所述目标节点由处理器(201)、存储器(202)、电磁波发射器(203)、超声波收发器(204)、蜂鸣器(205)、传感器模块(206)、电源(207)组成。处理器(201)控制其他单元部件的运行；存储器(202)用于存放数据，识别码存放于存储器(202)中，每个目标节点对应一个识别码，识别码与携带目标节点的人员身份或设备名称相对应；蜂鸣器(205)采用无源蜂鸣器；传感器模块(206)集成了O2传感器、CO传感器、温度传感器，传感器模块(206)负责检测当前区域中CO含量、O2含量和温度，当CO含量、O2含量或温度异常时，蜂鸣器(205)发声提醒携带目标节点的人员远离此区域；电磁波发射器(203)负责发射电磁波信号；超声波收发器(204)负责发射和接收超声波信号；电源(207)负责给各个单元部件供电。
图3是传统的压缩感知定位方法的巷道参考节点部署和指纹库采样点模拟图，包含参考节点(301)和指纹库采样点(302)，指纹库采样点为网格几何中心。
图4是本发明所述定位方法的巷道参考节点部署和指纹库采样点模拟图，按照图4所示将巷道区域网格化处理，本发明选用的指纹库采样点在巷道中心线与网格(实线)交汇处，采样点数量少，本发明的创新点在于指纹库采样点的选取。传统压缩感知定位方法的指纹库采样点分布如图3所示，采样点数量多，指纹库采集阶段工作量大，且井下巷道环境复杂，采集工作难度增加。本发明选用的指纹库采集方案，结合超声波测距技术，在保证精确度的同时，极大地减少指纹库采集阶段工作量。
如图5所示，所述的定位方法结合了压缩感知算法和超声波测距技术，定位过程包含指纹库采集阶段和实时定位阶段。
指纹库采集阶段：
(501)将定位区域网格化处理，划分成N-1个网格(如图4所示)，改变目标节点的位置，使用M(M<<N-1)个参考节点接收不同采样点处目标节点发射的信号强度，一个采样点位置需多次测量取平均值为该采样点的RSS值；
(502)建立采样点编号和相对应的RSS特征信号的指纹库，RSS特征信号指纹库表示为其中j表示定位区域内采样点编号，表示第i个参考节点接收到的第j个采样点处目标节点的信号强度，yj表示第j个采样点的纵向坐标。
(503)利用指纹库中的RSS特征信号，构建测量矩阵A：
实时定位阶段：
所述的实时定位阶段包括压缩感知定位和超声波测距，是将两者联合在一起实现的。
(504)在线接收信号强度、时间差；
(505)检查是否接收到；
(506)若接收到，将各参考节点接收目标节点发射的信号强度组成观测值向量r：
r＝[r1 r2 … rM]T
利用观测值向量r和测量矩阵A，推导出包含目标节点位置信息的位置矩阵d。
r＝Ad
d是N×1维矩阵，每个元素与采样点一一对应，理论上数值为“1”的元素所对应的采样点位置是目标节点存在的位置。
由于r的维数远低于d的维数，方程的个数远小于未知数的个数，方程是没有确定解的，无法重构信号d。但是d是稀疏的且A满足有限等距性质(RIP)，d的矩阵元素能够通过M个观测值求解l1范式最优解进行重构，即
(507)计算出包含目标节点位置信息的位置矩阵d。位置矩阵d通常是有若干个非零元素和零元素构成。设位置矩阵d中非零元素为k个(k<N)，分别为e1，e2，…，ek，元素数值越接近于1，表明目标节点与该元素所对应的采样点位置越接近，通过加权计算得到目标节点位置的纵向坐标：
式中yn是非零元素en对应采样点的纵向坐标。
(508)目标节点周期性地向巷道壁发射超声波信号，用来计算横向坐标。设t1时刻目标节点向巷道壁发射超声波信号，超声波信号遇到巷道壁后反射，t2时刻目标节点接收到反射的超声波信号，记录时间差T＝t2-t1，同时向参考节点发送时间差T，参考节点接收并通过网关、交换机上传至定位计算机，定位计算机通过超声波的飞行时间与声速的乘积，即L＝VT(V为声速)，计算出目标节点的横向坐标。
综合上述信息得出目标节点坐标为其中
图6所示为正在发射超声波的目标节点(601)。
Claims (2)
1.一种基于压缩感知RSS指纹库及超声波的井下定位方法，其特征在于：所述的定位方法是基于井下巷道空间特点，通过目标节点RSS特征信号与超声波测距技术，结合少量的参考节点实现井下目标的精确定位，定位过程包含指纹库采集阶段和实时定位阶段；
指纹库采集阶段：
将定位区域离散网格化，改变目标节点的位置，参考节点接收不同采样点处目标节点发射的信号强度，建立采样点编号和相对应的RSS特征信号的指纹库，利用指纹库中的RSS特征信号，构建测量矩阵；
实时定位阶段：
所述的实时定位阶段包括压缩感知定位和超声波测距，是将两者联合在一起实现的；
压缩感知定位过程：
定位计算机根据参考节点接收的目标节点RSS特征信号，通过压缩感知算法重构出包含目标节点位置信息的位置矩阵，结合指纹库数据，加权计算得到目标节点的纵向坐标；
超声波测距过程：
目标节点周期性向巷道壁发射超声波信号，超声波信号在遇到巷道壁后反射，目标节点接收反射的超声波，记录发射时间和接收时间，通过时间差计算目标节点到巷道壁的距离，确定目标节点的横向坐标；
结合以上坐标信息即可确定目标节点在巷道内的位置。
2.根据权利要求1所述的一种基于压缩感知RSS指纹库及超声波的井下定位方法，其特征在于：所述的指纹库采集阶段RSS特征信号指纹库，是由采样点编号和相对应的RSS特征信号以及采样点纵向坐标构成，即RSS特征信号指纹库表示为 其中j表示定位区域内采样点编号，表示第i个参考节点接收到的第j个采样点处目标节点的信号强度，yj表示第j个采样点的纵向坐标，M表示定位区域设置的参考节点数量，N表示定位区域内采样点数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910388437.XA CN110049435B (zh) | 2019-05-10 | 2019-05-10 | 基于压缩感知rss指纹库及超声波的井下定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910388437.XA CN110049435B (zh) | 2019-05-10 | 2019-05-10 | 基于压缩感知rss指纹库及超声波的井下定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110049435A true CN110049435A (zh) | 2019-07-23 |
| CN110049435B CN110049435B (zh) | 2024-02-20 |
Family
ID=67281460
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910388437.XA Active CN110049435B (zh) | 2019-05-10 | 2019-05-10 | 基于压缩感知rss指纹库及超声波的井下定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110049435B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111049892A (zh) * | 2019-12-06 | 2020-04-21 | 腾讯科技（深圳）有限公司 | 一种感知终端的数据处理方法及装置 |
| CN112346062A (zh) * | 2020-11-20 | 2021-02-09 | 北京奥特雷柏科技有限公司 | 一种远距离场景下的超声测距方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102638889A (zh) * | 2012-03-21 | 2012-08-15 | 浙江大学 | 基于贝叶斯压缩感知的室内无线终端定位方法 |
| CN102721944A (zh) * | 2012-07-09 | 2012-10-10 | 中国矿业大学(北京) | 基于距离约束的井下电磁波超声联合定位系统及方法 |
| CN102768352A (zh) * | 2012-07-09 | 2012-11-07 | 中国矿业大学(北京) | 基于模式匹配的井下超宽带电磁波超声联合定位系统与方法 |
| CN102798373A (zh) * | 2012-07-20 | 2012-11-28 | 中山大学 | 用于机器人平台的压缩红外方位测量系统及其实现方法 |
| CN102932914A (zh) * | 2012-11-01 | 2013-02-13 | 西北大学 | 基于压缩感知的无线传感器网络多目标被动式定位方法 |
| US20130257783A1 (en) * | 2012-03-28 | 2013-10-03 | Texas Instruments Incorporated | System and method for sparse touch sensing on capacitive touch screen |
| EP2817656A1 (de) * | 2012-02-20 | 2014-12-31 | Robert Bosch GmbH | Verfahren zur lokalisierung von objekten mittels ultraschall |
| CN105792350A (zh) * | 2016-01-29 | 2016-07-20 | 中国矿业大学(北京) | 一种基于无线传感器网络的井下人员定位方法 |
| CN108226864A (zh) * | 2018-03-13 | 2018-06-29 | 中国矿业大学(北京) | 基于最大似然估计法压缩感知的煤矿井下人员定位方法 |
| 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 |
| 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 |
| CN208783112U (zh) * | 2018-11-19 | 2019-04-23 | 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系统 |
| CN209526889U (zh) * | 2019-05-10 | 2019-10-22 | 中国矿业大学(北京) | 一种井下监测定位系统 |
-
2019
- 2019-05-10 CN CN201910388437.XA patent/CN110049435B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2817656A1 (de) * | 2012-02-20 | 2014-12-31 | Robert Bosch GmbH | Verfahren zur lokalisierung von objekten mittels ultraschall |
| CN102638889A (zh) * | 2012-03-21 | 2012-08-15 | 浙江大学 | 基于贝叶斯压缩感知的室内无线终端定位方法 |
| US20130257783A1 (en) * | 2012-03-28 | 2013-10-03 | Texas Instruments Incorporated | System and method for sparse touch sensing on capacitive touch screen |
| CN102721944A (zh) * | 2012-07-09 | 2012-10-10 | 中国矿业大学(北京) | 基于距离约束的井下电磁波超声联合定位系统及方法 |
| CN102768352A (zh) * | 2012-07-09 | 2012-11-07 | 中国矿业大学(北京) | 基于模式匹配的井下超宽带电磁波超声联合定位系统与方法 |
| CN102798373A (zh) * | 2012-07-20 | 2012-11-28 | 中山大学 | 用于机器人平台的压缩红外方位测量系统及其实现方法 |
| CN102932914A (zh) * | 2012-11-01 | 2013-02-13 | 西北大学 | 基于压缩感知的无线传感器网络多目标被动式定位方法 |
| CN105792350A (zh) * | 2016-01-29 | 2016-07-20 | 中国矿业大学(北京) | 一种基于无线传感器网络的井下人员定位方法 |
| CN108226864A (zh) * | 2018-03-13 | 2018-06-29 | 中国矿业大学(北京) | 基于最大似然估计法压缩感知的煤矿井下人员定位方法 |
| 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 |
| 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 |
| CN208783112U (zh) * | 2018-11-19 | 2019-04-23 | 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系统 |
| CN209526889U (zh) * | 2019-05-10 | 2019-10-22 | 中国矿业大学(北京) | 一种井下监测定位系统 |
Non-Patent Citations (3)
| Title |
|---|
| JOAQUÍN APARICIO等: "Robust Airborne Ultrasonic Positioning of Moving Targets in Weak Signal Coverage Areas", IEEE SENSORS JOURNAL * |
| YUN LU等: "Channel model-based sensing for indoor ultrasonic location systems", 2011 8TH WORKSHOP ON POSITIONING, NAVIGATION AND COMMUNICATION * |
| 姜华;何风行;陈文权;毛嘉;苑广欣;: "一种基于超声和射频融合的无线传感器网络网格定位方法", 传感器与微系统, no. 03 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111049892A (zh) * | 2019-12-06 | 2020-04-21 | 腾讯科技（深圳）有限公司 | 一种感知终端的数据处理方法及装置 |
| CN111049892B (zh) * | 2019-12-06 | 2022-04-22 | 腾讯科技（深圳）有限公司 | 一种感知终端的数据处理方法及装置 |
| CN112346062A (zh) * | 2020-11-20 | 2021-02-09 | 北京奥特雷柏科技有限公司 | 一种远距离场景下的超声测距方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110049435B (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2095151B1 (en) | A method for localizing remote devices, using acoustical and electromagnetic waves | |
| CN102768352B (zh) | 基于模式匹配的井下超宽带电磁波超声联合定位系统与方法 | |
| CN102638763B (zh) | 井下电磁波超声联合定位系统及方法 | |
| CN108802735A (zh) | 一种用于未知声速环境的水下目标定位及测速方法和装置 | |
| CN103379427A (zh) | 一种定位方法、设备及系统 | |
| CN101957404B (zh) | 一种粮堆介电常数的微波测量方法 | |
| CN102721944B (zh) | 基于距离约束的井下电磁波超声联合定位方法 | |
| Azmi et al. | A survey of localization using RSSI and TDoA techniques in wireless sensor network: System architecture | |
| CN105549005A (zh) | 一种基于网格划分的动态目标波达方向跟踪方法 | |
| JP2011215001A (ja) | 位置推定装置及び位置推定方法 | |
| CN110049435A (zh) | 基于压缩感知rss指纹库及超声波的井下定位方法 | |
| WO2022046949A1 (en) | City-scale acoustic impulse detection and localization | |
| CN104267440A (zh) | 一种用于探地雷达的共中心点cmp探测方法 | |
| CN109239686A (zh) | 一种针对分布式mimo雷达目标定位的发射机和接收机布局方法 | |
| CN208783112U (zh) | 一种基于压缩感知与多边测量相结合的定位系统 | |
| CN202583451U (zh) | 井下电磁波超声联合定位系统 | |
| CN202870292U (zh) | 基于距离约束的井下电磁波超声联合定位系统 | |
| KR101356605B1 (ko) | 수중 탐사 시스템 | |
| CN202770989U (zh) | 基于模式匹配的井下超宽带电磁波超声联合定位系统 | |
| CN108152790A (zh) | 一种基于分布式架构的非合作多目标航迹推算方法 | |
| Rahman et al. | Coordinates determination of submerged sensors using cayley-menger determinant | |
| CN206892335U (zh) | 一种基于相位检测的高精度收发分体式超声波测距系统 | |
| CN202475760U (zh) | 无线传感网定位系统 | |
| CN108398662A (zh) | 一种提高空间定位精度的方法 | |
| CN101017206A (zh) | 被动式冲量法测量降水目标运动方向的方法及其测量装置 |
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 |