CN110471030A - 基于改进共轭梯度的射频层析成像被动式定位求解方法 - Google Patents

基于改进共轭梯度的射频层析成像被动式定位求解方法 Download PDF

Info

Publication number
CN110471030A
CN110471030A CN201910785531.9A CN201910785531A CN110471030A CN 110471030 A CN110471030 A CN 110471030A CN 201910785531 A CN201910785531 A CN 201910785531A CN 110471030 A CN110471030 A CN 110471030A
Authority
CN
China
Prior art keywords
model
radio frequency
target
conjugate gradient
wireless network
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
Application number
CN201910785531.9A
Other languages
English (en)
Inventor
马永涛
王伯波
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN201910785531.9A priority Critical patent/CN110471030A/zh
Publication of CN110471030A publication Critical patent/CN110471030A/zh
Pending legal-status Critical Current

Links

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
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
    • G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
    • 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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Variable-Direction Aerials And Aerial Arrays (AREA)

Abstract

本发明公开了一种基于改进共轭梯度的射频层析成像被动式定位求解方法，在定位区域放置M个UHF RFID标签和N个阅读器天线，M个UHF RFID标签与N个阅读器天线之间相互通信形成m＝M×N通信链路，并成为一无线网络；建立射频层析成像模型y＝Wx+n，y为阅读器天线在有无目标两种状态下从该无线网络接收到的信号能量之差，为模型的输入；x为重建图像像素点的灰度值，为模型的输出；W为权重模型，n为噪声；通过正则化将权重模型W转化为对称正定矩阵，再采用共轭梯度算法求解，得到重建图像像素点的灰度值x，从而定位目标。本发明用改进的共轭梯度算法进行求解，未干扰原系统，降低了误差，提高定位精度。

Description

基于改进共轭梯度的射频层析成像被动式定位求解方法
技术领域
本发明涉及一种多目标定位方法，特别涉及一种基于改进共轭梯度的射频层析成像被动式定位求解方法。
背景技术
目前，随着以物联网、大数据和云计算等技术为特征的泛在网络为人们提供了日益丰富和方便的服务。人们渴望在任意时间、任意地点、以多种方式感知环境变化并得到丰富多样的情景服务。在情境感知服务技术领域，位置信息是最重要的环境参数之一，并决定着情境服务能否有效、准确地实施。
目前，位置信息获取技术根据是否需要用户协助可分为：主动式定位和被动式定位。主动式定位技术需要用户携带一些辅助设备(如手机、标签等)来协助定位。例如，GPS和北斗定位系统通过卫星接收到用户携带的手机或其他设备发射的信号来进行定位。该定位技术在有些场景受到限制，如紧急救援、入侵检测等。被动式定位技术能够获得上述场景下用户的位置信息。它无需用户携带任何辅助性设备，就可获取用户的位置。被动式定位系统的信号在定位区域形成一个无线网络，在定位区域的目标不可避免的会对无线网络产生影响，系统就是利用这些影响来感知目标的位置。但是，受复杂信道、丰富多径、严重噪声等因素的影响，使得如何实现精度高、抗干扰能力强的被动式定位方法仍然是有待解决的难题。
射频层析成像(Radio Tomographic Imaging，RTI)是一种新颖的被动式定位方法。它的基本思想：在定位区域内布置一定量的无线设备，它们之间通信形成一个无线网络，同时将定位区域划分为许多网格(像素点)，通过设备测量接收信号能量RSS，计算出每个网格对无线网络的衰落影响，衰落最大的网格所在的位置就是目标的位置，由于每个网格的位置是已知，所以就可以确定目标的位置。该方法具有计算复杂度低，定位精度高，无需大量人力建立指纹库，实时性好等优点。目前RTI主要应用于基于无线传感器网络(WSN)的定位技术，然而，在物联网中应用广泛的无源UHF RFID标签具有无需供电，成本低，体积小，部署方便，维护简单等优点。因此，本发明采用基于无源UHF RFID标签的射频层析成像技术实现人员被动式定位。在射频层析成像模型中，测得的接收信号能量值数远远小于定位区域的网格数，所以该模型的求解是一个典型的欠定问题，即没有精确解。目前普遍采用最小二乘和Tikhonov正则化方法对该问题进行求解，但是，在求解过程中，它们引入的正则化参数严重扰乱了原来模型系统，增大了求解误差。
发明内容
本发明为解决公知技术中存在的技术问题而提供一种提高定位精度的基于改进共轭梯度的射频层析成像被动式定位求解方法。
本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种基于改进共轭梯度的射频层析成像被动式定位求解方法，在定位区域放置M个UHF RFID标签和N个阅读器天线，M个UHF RFID标签与N个阅读器天线之间相互通信形成m＝M×N通信链路，并成为一个无线网络；建立射频层析成像模型y＝Wx+n，其中，y为阅读器天线在有无目标两种状态下从该无线网络接收到的信号能量之差，y作为模型的输入；x为重建图像像素点的灰度值，x作为模型的输出；W为权重模型，n为噪声；通过正则化将权重模型W转化为对称正定矩阵，再采用共轭梯度算法求解，得到重建图像像素点的灰度值x，从而定位目标。
进一步地，M个UHF RFID标签和N个阅读器天线均布在定位区域。
进一步地，利用椭圆模型，拟合目标位置与阅读器天线在有无目标两种状态下从该无线网络接收到信号能量之差的关系，得到权重模型如公式1所示：
其中，wij是第j个像素点对第i条链路的影响，di是第i条链路的长度，dij(1)和dij(2)分别是像素点j到第i条链路两端点的距离，λ是无线信号的波长。
进一步地，设s0＝WTc0，c0为单位向量，射频层析成像模型经过改进的共轭梯度算法正则化后变为(WTW+s0s0 T)x＝WTy，其中：
s0为正则化参数；
c0为常向量，这里取单位向量；
W为权重模型；
WT为权重模型的转置；
x为重建图像像素点的灰度值；
y为测量接收信号能量差。
进一步地，当无目标进入定位区域时，将阅读器从该无线网络接收到的信号能量设为ya，当有目标进入定位区域时，将阅读器从该无线网络接收到的信号能量设为yb，则射频层析成像模型的输入值y等于ya-yb，目标定位的求解步骤包括：
步骤a，假设初始灰度值x0为零向量；设迭代终止的误差为ζ，设迭代次数为l，迭代次数的上限值为n，l＝0,1,2,…,n；设t0＝y-W′x0，h0＝t0；
步骤b，由公式2至公式4，求得βl、xl+1以及tl+1；
xl+1＝xl+βlhl； (公式3)
tl+1＝tl-βlW′hl； (公式4)
步骤c，如果||tl+1||＜ζ或l＞n，则转至步骤f，否则转至步骤d；
步骤d，由公式5和公式6，求得σl及hl+1；
hl+1＝tl+1+σlhl； (公式6)
步骤e，使l＝l+1，返回步骤b；
步骤f，终止迭代，将当前的xl+1值作为射频层析成像模型重建图像像素点最终的灰度值；
式中：
ζ为迭代终止的误差；
n为迭代的上限值；
l为迭代次数，l＝0,1,2,…,n；
s0为正则化参数；
c0为常向量，这里取单位向量
W为权重模型；
WT为权重模型的转置；
ya为无目标进入定位区域时阅读器从该无线网络接收到的信号能量；
yb为有目标进入定位区域时阅读器从该无线网络接收到的信号能量；
y为阅读器天线在有无目标两种状态下从该无线网络接收到的信号能量之差；
xl为第l次重建图像像素点的灰度值；l＝0,1,2,…,n；
βl为第l次的迭代因子，l＝0,1,2,…,n；
hl为第l次的搜索方向，l＝0,1,2,…,n；
tl为第l次搜索的误差，l＝0,1,2,…,n；
σl为第l次的搜索因子，l＝0,1,2,…,n。
进一步地，迭代终止的误差ζ的取值范围为：ζ＜0.01，迭代次数的上限值n的取值范围为：40-50。
本发明具有的优点和积极效果是：本发明采用改进的共轭梯度算法对该模型进行求解，该算法只是利用数学转换的方法获得新的正则化参数，没有干扰原来系统，降低了求解误差，提高定位精度。仿真结果表明本发明的算法定位准确度高于经典最小二乘和Tikhonov正则化算法。
附图说明
图1本发明的工作原理示意图；
图2本发明的一种权重模型示意图；
图3是四个目标在定位场景中的实际位置；
图4是利用经典最小二乘和Tikhonov正则化算法求解的定位结果；
图5是利用本发明的改进的共轭梯度算法求解的定位结果；
图6本发明改进的共轭梯度算法定位不同数目目标的定位误差累积分布曲线。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹列举以下实施例，并配合附图详细说明如下：
本申请中的英文及英文缩写的中文释义：
UHF RFID：超高频的射频识别；
RSS：接收的信号能量；
RTI：射频层析成像；
Antenna-to-Tag：天线到标签；
Tag-to-Antenna：标签到天线；
Tikhonov：吉洪诺夫。
请参见图1至图6，一种基于改进共轭梯度的射频层析成像被动式定位求解方法，在定位区域放置M个UHF RFID标签和N个阅读器天线，M个UHF RFID标签与N个阅读器天线之间相互通信形成m＝M×N通信链路，并成为一个无线网络；建立射频层析成像模型y＝Wx+n，其中，y为阅读器天线在有无目标两种状态下从该无线网络接收到的信号能量之差，y作为模型的输入；x为重建图像像素点的灰度值，x作为模型的输出；W为权重模型，n为噪声；通过正则化将权重模型W转化为对称正定矩阵，再采用共轭梯度算法求解，得到重建图像像素点的灰度值x，从而定位目标。
通过正则化将权重模型W转化为对称正定矩阵，再采用共轭梯度算法求解，本申请将这种求解方法称为改进的共轭梯度算法。
经典共轭梯度算法适用于对系数为对称正定矩阵的方程求解，但是射频层析成像模型y＝Wx+n求解为一个典型的病态问题，即W为非对称非正定矩阵，直接利用经典共轭梯度算法求解结果不稳定，且极易受到其他干扰的影响，因此，本发明利用改进的共轭梯度算法对射频层析成像模型y＝Wx+n进行求解，改进共轭梯度算法为：通过正则化将射频层析成像模型y＝Wx+n中的W矩阵变换为一个对称正定矩阵，再循环迭代求解，此循环迭代过程与经典共轭梯度算法相同。
进一步地，为便于精确定位，和减少计算量，M个UHF RFID标签和N个阅读器天线可均布在定位区域。
进一步地，可利用椭圆模型，拟合目标位置与阅读器天线在有无目标两种状态下从该无线网络接收到信号能量之差的关系，可得到权重模型如公式1所示：
其中，wij是第j个像素点对第i条链路的影响，di是第i条链路的长度，dij(1)和dij(2)分别是像素点j到第i条链路两端点的距离，λ是无线信号的波长。
进一步地，可设s0＝WTc0，c0为单位向量，射频层析成像模型经过改进的共轭梯度算法正则化后可变为(WTW+s0s0 T)x＝WTy，其中：各变量可表示如下：
s0为正则化参数；
c0为常向量，这里取单位向量；
W为权重模型；
WT为权重模型的转置；
x为重建图像像素点的灰度值；
y为测量接收信号能量差。
进一步地，当无目标进入定位区域时，可将阅读器从该无线网络接收到的信号能量设为ya，当有目标进入定位区域时，可将阅读器从该无线网络接收到的信号能量设为yb，则射频层析成像模型的输入值y可等于ya-yb，目标定位的求解步骤可包括：
步骤a，可假设初始灰度值x0为零向量；可设迭代终止的误差为ζ，可设迭代次数为l，迭代次数的上限值为n，l＝0,1,2,…,n；可设t0＝y-W′x0，h0＝t0；
步骤b，可由公式2至公式4，求得βl、xl+1以及tl+1；
xl+1＝xl+βlhl； (公式3)
tl+1＝tl-βlW′hl； (公式4)
步骤c，如果||tl+1||＜ζ或l＞n，则转至步骤f，否则转至步骤d；
步骤d，可由公式5和公式6，求得σl及hl+1；
hl+1＝tl+1+σlhl； (公式6)
步骤e，使l＝l+1，返回步骤b；
步骤f，终止迭代，可将当前的xl+1值作为射频层析成像模型重建图像像素点最终的灰度值；
式中：各变量可表示如下：
ζ为迭代终止的误差；
n为迭代的上限值；
l为迭代次数，l＝0,1,2,…,n；
s0为正则化参数；
c0为常向量，这里取单位向量
W为权重模型；
WT为权重模型的转置；
ya为无目标进入定位区域时阅读器从该无线网络接收到的信号能量；
yb为有目标进入定位区域时阅读器从该无线网络接收到的信号能量；
y为阅读器天线在有无目标两种状态下从该无线网络接收到的信号能量之差；
xl为第l次重建图像像素点的灰度值；l＝0,1,2,…,n；
βl为第l次的迭代因子，l＝0,1,2,…,n；
hl为第l次的搜索方向，l＝0,1,2,…,n；
tl为第l次搜索的误差，l＝0,1,2,…,n；
σl为第l次的搜索因子，l＝0,1,2,…,n。
进一步地，迭代终止的误差ζ的取值范围可为：ζ＜0.01，迭代次数的上限值n的取值范围可为：40-50。
请参见图1至图6，本发明还提供一种基于改进共轭梯度的射频层析成像被动式定位求解系统的实施例，该系统该系统包括射频层析成像模型，以及在定位区域设置的M个UHF RFID标签和N个阅读器天线；M个UHF RFID标签与N个阅读器天线之间相互通信，形成m＝M×N个通信链路，并形成一个无线网络；射频层析成像模型为：y＝Wx+n，其中，y为阅读器天线在有无目标两种状态下从该无线网络接收到的信号能量之差，x为重建图像像素点的灰度值，W为权重模型，n为噪声；射频层析成像模型，其输入阅读器天线在有无目标两种状态下接收到的信号能量的变化值，其通过正则化将权重模型W转化为对称正定矩阵，再采用共轭梯度算法求解，得到重建图像像素点的灰度值x并输出，从而定位目标。
进一步地，为便于精确定位，和减少计算量，该系统中的M个UHF RFID标签和N个阅读器天线均布在定位区域。
下面结合本发明的一个优选实施例来说明本发明的工作原理：
图1为本发明的工作原理示意图，定位区域是一个9m×9m正方四边形，4个阅读器天线分别位于四边形的四边外侧，每个阅读器天线距离相应的四边形各边中间点1m左右，位置坐标分别为(5,0)，(10,5)，(5,10)，(0,5)。32个UHF RFID标签均匀分布在四边形的四条边上。在Antenna-to-Tag通信中，阅读器天线发射无线信号给UHF RFID标签，以激活标签；在Tag-to-Antenna通信中，被激活的标签向天线发射信号，天线获得该信号的能量RSS。当定位区域没有目标时，可将阅读器测得的无线网络接收信号能量设为ya；当有目标进入定位区域时，可将阅读器测得的无线网络接收信号能量设为yb，则射频层析成像模型的输入值y＝ya-yb，。
2，图2本发明的一种权重模型示意图；其可表示为公式1：
其中，wij是第j个像素点对第i条链路的影响，di是第i条链路的长度，dij(1)和dij(2)分别是像素点j到第i条链路两端点的距离，λ是无线信号的波长。
3，射频层析成像模型y＝Wx+n，n为测量和环境噪声。测量值y含有4*32个元素远远小于重建图像的像素点数，因此射频层析成像模型的求解是一个欠定问题，经典共轭梯度算法适用于对系数为对称正定矩阵的方程求解，但是RTI模型求解为一个典型的病态问题，即W为非对称非正定矩阵，直接利用经典共轭梯度算法求解结果不稳定，且极易受到其他干扰的影响，因此，本发明利用改进的共轭梯度算法对RTI模型进行求解，方法可如下：先用正则化将RTI模型变换为(WTW+s0s0 T)x＝WTy，令s0＝WTc0，c0为单位向量。变为一个对称正定矩阵，再循环迭代求解，此循环迭代过程与经典共轭梯度算法相同。
具体迭代求解过程如下：
步骤a，假设初始灰度值x0为零向量；设迭代终止的误差为ζ，设迭代次数为l，迭代次数的上限值为n，l＝0,1,2,…,n；设t0＝y-W′x0，h0＝t0；
以下是求解射频层析成像模型重建图像像素点最终的灰度值的迭代循环：
步骤b，由公式2至公式4，求得βl、xl+1以及tl+1；
xl+1＝xl+βlhl； (公式3)
tl+1＝tl-βlW′hl； (公式4)
步骤c，如果||tl+1||＜ζ或l＞n，则转至步骤f：
步骤d，由公式5和公式6，求得σl及hl+1；
hl+1＝tl+1+σlhl； (公式6)
步骤e，使l＝l+1，返回步骤b；
步骤f，终止迭代，将当前的xl+1值作为射频层析成像模型重建图像像素点最终的灰度值；即定位结果。
式中：
ζ为迭代终止的误差；
n为迭代的上限值；
l为迭代次数，l＝0,1,2,…,n；
s0为正则化参数；
c0为常向量，这里取单位向量
W为权重模型；
WT为权重模型的转置；
ya为无目标进入定位区域时阅读器从该无线网络接收到的信号能量；
yb为有目标进入定位区域时阅读器从该无线网络接收到的信号能量；
y为阅读器天线在有无目标两种状态下从该无线网络接收到的信号能量之差；
xl为第l次重建图像像素点的灰度值；l＝0,1,2,…,n；
βl为第l次的迭代因子，l＝0,1,2,…,n；
hl为第l次的搜索方向，l＝0,1,2,…,n；
tl为第l次搜索的误差，l＝0,1,2,…,n；
σl为第l次的搜索因子，l＝0,1,2,…,n。
迭代次数的上限值的n值可取40。迭代终止的误差ζ可设定为0.001。
图3是四个目标在定位场景中的实际位置，图4是利用经典最小二乘和Tikhonov正则化算法求解的定位结果，很难确定目标数量且定位精度低，图5是利用本发明的方法求解的定位结果，可以轻易获得目标数量并且定位精度很高，仿真结果表明本发明的算法定位准确度高于经典最小二乘和Tikhonov正则化算法。图6是目标分别为1,2,3,4,5,6,7情况下的定位误差累积分布函数，说明本发明算法对多目标有很好的定位准确度。
以上所述的实施例仅用于说明本发明的技术思想及特点，其目的在于使本领域内的技术人员能够理解本发明的内容并据以实施，不能仅以本实施例来限定本发明的专利范围，即凡本发明所揭示的精神所作的同等变化或修饰，仍落在本发明的专利范围内。

Claims (6)

1.一种基于改进共轭梯度的射频层析成像被动式定位求解方法，其特征在于，在定位区域放置M个UHF RFID标签和N个阅读器天线，M个UHF RFID标签与N个阅读器天线之间相互通信形成m＝M×N通信链路，并成为一个无线网络；建立射频层析成像模型y＝Wx+n，其中，y为阅读器天线在有无目标两种状态下从该无线网络接收到的信号能量之差，y作为模型的输入；x为重建图像像素点的灰度值，x作为模型的输出；W为权重模型，n为噪声；通过正则化将权重模型W转化为对称正定矩阵，再采用共轭梯度算法求解，得到重建图像像素点的灰度值x，从而定位目标。
2.根据权利要求1所述的基于改进共轭梯度的射频层析成像被动式定位求解方法，其特征在于，M个UHF RFID标签和N个阅读器天线均布在定位区域。
3.根据权利要求1所述的基于改进共轭梯度的射频层析成像被动式定位求解方法，其特征在于，利用椭圆模型，拟合目标位置与阅读器天线在有无目标两种状态下从该无线网络接收到信号能量之差的关系，得到权重模型如公式1所示：
其中，wij是第j个像素点对第i条链路的影响，di是第i条链路的长度，dij(1)和dij(2)分别是像素点j到第i条链路两端点的距离，λ是无线信号的波长。
4.根据权利要求1所述的基于改进共轭梯度的射频层析成像被动式定位求解方法，其特征在于，设s0＝WTc0，c0为单位向量，射频层析成像模型经过改进的共轭梯度算法正则化后变为(WTW+s0s0 T)x＝WTy，其中：
s0为正则化参数；
c0为常向量，这里取单位向量；
W为权重模型；
WT为权重模型的转置；
x为重建图像像素点的灰度值；
y为测量接收信号能量差。
5.根据权利要求4所述的基于改进共轭梯度的射频层析成像被动式定位求解方法，其特征在于，当无目标进入定位区域时，将阅读器从该无线网络接收到的信号能量设为ya，当有目标进入定位区域时，将阅读器从该无线网络接收到的信号能量设为yb，则射频层析成像模型的输入值y等于ya-yb，目标定位的求解步骤包括：
步骤a，假设初始灰度值x0为零向量；设迭代终止的误差为ζ，设迭代次数为l，迭代次数的上限值为n，l＝0,1,2,…,n；设t0＝y-W′x0，h0＝t0；
步骤b，由公式2至公式4，求得βl、xl+1以及tl+1；
xl+1＝xl+βlhl；(公式3)
tl+1＝tl-βlW′hl；(公式4)
步骤c，如果||tl+1||＜ζ或l＞n，则转至步骤f，否则转至步骤d；
步骤d，由公式5和公式6，求得σl及hl+1；
hl+1＝tl+1+σlhl；(公式6)
步骤e，使l＝l+1，返回步骤b；
步骤f，终止迭代，将当前的xl+1值作为射频层析成像模型重建图像像素点最终的灰度值；
式中：
ζ为迭代终止的误差；
n为迭代的上限值；
l为迭代次数，l＝0,1,2,…,n；
s0为正则化参数；
c0为常向量，这里取单位向量
W为权重模型；
WT为权重模型的转置；
ya为无目标进入定位区域时阅读器从该无线网络接收到的信号能量；
yb为有目标进入定位区域时阅读器从该无线网络接收到的信号能量；
y为阅读器天线在有无目标两种状态下从该无线网络接收到的信号能量之差；
xl为第l次重建图像像素点的灰度值；l＝0,1,2,…,n；
βl为第l次的迭代因子，l＝0,1,2,…,n；
hl为第l次的搜索方向，l＝0,1,2,…,n；
tl为第l次搜索的误差，l＝0,1,2,…,n；
σl为第l次的搜索因子，l＝0,1,2,…,n。
6.根据权利要求5所述的基于改进共轭梯度的射频层析成像被动式定位求解方法，其特征在于，迭代终止的误差ζ的取值范围为：ζ＜0.01，迭代次数的上限值n的取值范围为：40-50。
CN201910785531.9A 2019-08-23 2019-08-23 基于改进共轭梯度的射频层析成像被动式定位求解方法 Pending CN110471030A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910785531.9A CN110471030A (zh) 2019-08-23 2019-08-23 基于改进共轭梯度的射频层析成像被动式定位求解方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910785531.9A CN110471030A (zh) 2019-08-23 2019-08-23 基于改进共轭梯度的射频层析成像被动式定位求解方法

Publications (1)

Publication Number Publication Date
CN110471030A true CN110471030A (zh) 2019-11-19

Family

ID=68513715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910785531.9A Pending CN110471030A (zh) 2019-08-23 2019-08-23 基于改进共轭梯度的射频层析成像被动式定位求解方法

Country Status (1)

Country Link
CN (1) CN110471030A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111182491A (zh) * 2019-12-31 2020-05-19 淮安中科晶上智能网联研究院有限公司 一种基于射频层析成像的无设备目标定位的方法及装置
CN113676997A (zh) * 2020-05-13 2021-11-19 中国移动通信集团重庆有限公司 干扰源定位方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120223814A1 (en) * 2011-03-02 2012-09-06 Intelleflex Corporation Rfid devices, systems and methods for accurate equipment and asset tracking
CN104486833A (zh) * 2014-11-24 2015-04-01 北京理工大学 基于运动预测删除干扰链路的室内无线层析成像增强方法
CN106559749A (zh) * 2016-11-22 2017-04-05 天津大学 一种基于射频层析成像的多目标被动式定位方法
CN107273642A (zh) * 2017-07-12 2017-10-20 英特工程仿真技术（大连）有限公司 一种计算静磁场的正则化有限元数值方法
CN107480606A (zh) * 2017-07-28 2017-12-15 天津大学 基于射频层析成像的伪目标识别方法
CN107607935A (zh) * 2017-08-24 2018-01-19 南京邮电大学 一种基于共轭梯度法的室内定位方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120223814A1 (en) * 2011-03-02 2012-09-06 Intelleflex Corporation Rfid devices, systems and methods for accurate equipment and asset tracking
CN104486833A (zh) * 2014-11-24 2015-04-01 北京理工大学 基于运动预测删除干扰链路的室内无线层析成像增强方法
CN106559749A (zh) * 2016-11-22 2017-04-05 天津大学 一种基于射频层析成像的多目标被动式定位方法
CN107273642A (zh) * 2017-07-12 2017-10-20 英特工程仿真技术（大连）有限公司 一种计算静磁场的正则化有限元数值方法
CN107480606A (zh) * 2017-07-28 2017-12-15 天津大学 基于射频层析成像的伪目标识别方法
CN107607935A (zh) * 2017-08-24 2018-01-19 南京邮电大学 一种基于共轭梯度法的室内定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张彩霞: "电容层析成像系统的图像重建算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
高鑫: "RFID场景下射频层析成像被动式定位研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111182491A (zh) * 2019-12-31 2020-05-19 淮安中科晶上智能网联研究院有限公司 一种基于射频层析成像的无设备目标定位的方法及装置
CN111182491B (zh) * 2019-12-31 2022-03-22 淮安中科晶上智能网联研究院有限公司 一种基于射频层析成像的无设备目标定位的方法及装置
CN113676997A (zh) * 2020-05-13 2021-11-19 中国移动通信集团重庆有限公司 干扰源定位方法及装置
CN113676997B (zh) * 2020-05-13 2023-09-19 中国移动通信集团重庆有限公司 干扰源定位方法及装置

Similar Documents

Publication Publication Date Title
Hsieh et al. Deep learning-based indoor localization using received signal strength and channel state information
Alhomayani et al. Deep learning methods for fingerprint-based indoor positioning: A review
Svečko et al. Distance estimation using RSSI and particle filter
Elbakly et al. A robust zero-calibration RF-based localization system for realistic environments
CN104519571B (zh) 一种基于rss的室内定位方法
CN104185270A (zh) 室内定位方法、系统和定位平台
CN108882151A (zh) 基于csi信息区域化标注的室内定位方法
US20160091341A1 (en) Method and apparatus for object localization
CN104581945B (zh) 基于距离约束的半监督apc聚类算法的wlan室内定位方法
Timoteo et al. An approach using support vector regression for mobile location in cellular networks
Gao et al. Employing spatial analysis in indoor positioning and tracking using Wi-Fi access points
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
CN108225332B (zh) 基于监督的室内定位指纹地图降维方法
Wu et al. Path-independent device-free gait recognition using mmwave signals
Ding et al. Multiview features fusion and Adaboost based indoor localization on Wifi platform
El-Absi et al. Indoor large-scale MIMO-based RSSI localization with low-complexity RFID infrastructure
Xu et al. 3-D indoor device-free object detection by passive radio frequency identification
Liu et al. CTSLoc: An indoor localization method based on CNN by using time-series RSSI
Bozkurt Keser et al. An F‐Score‐Weighted Indoor Positioning Algorithm Integrating WiFi and Magnetic Field Fingerprints
Xiang et al. Crowdsourcing-based indoor localization with knowledge-aided fingerprint transfer
Yu et al. Indoor passive localisation based on reliable CSI extraction
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
Li et al. A K-nearest neighbor indoor fingerprint location method based on coarse positioning circular domain and the highest similarity threshold
Zi et al. Wi-Fi imaging based segmentation and recognition of continuous activity
US20160091349A1 (en) Method and apparatus for object localizing

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191119