CN115077514A - 一种基于动态窗口的无线电地图构建方法 - Google Patents
一种基于动态窗口的无线电地图构建方法 Download PDFInfo
- Publication number
- CN115077514A CN115077514A CN202210845190.1A CN202210845190A CN115077514A CN 115077514 A CN115077514 A CN 115077514A CN 202210845190 A CN202210845190 A CN 202210845190A CN 115077514 A CN115077514 A CN 115077514A
- Authority
- CN
- China
- Prior art keywords
- matrix
- grid
- rasterized
- radio map
- sensor
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 93
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000005457 optimization Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 13
- 238000011084 recovery Methods 0.000 abstract description 8
- 238000009412 basement excavation Methods 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- BXLICFUSUZPSHT-UHFFFAOYSA-N 1-(4-chlorophenyl)-3-fluoropropan-2-amine Chemical compound FCC(N)CC1=CC=C(Cl)C=C1 BXLICFUSUZPSHT-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005358 geomagnetic field Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/005—Map projections or methods associated specifically therewith
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Automation & Control Theory (AREA)
- Educational Technology (AREA)
- Algebra (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
Description
技术领域
本发明涉及无线电领域,特别是涉及一种基于动态窗口的无线电地图构建方法。
背景技术
基于部分观测值对物理场空间进行重建在很多领域具有重大意义。目前主流的物理场空间构建方法主要有空间插值法、压缩感知法和基于深度学习的方法。
空间插值是场空间恢复中最常用的方法,具有算法复杂度低,操作简单等优势。基本理念为,给定场空间内一些稀疏的观测信息,恢复出未知的或未观测到的频谱信息。其中,最常用的几种方法有,反距离加权插值,Kriging,最邻近插值,样条插值,局部多项式拟合。其中,最邻近插值通过选择距离待估计位置最近的n个值进行插值重建,样条插值通过对已有信息用分段多项式拟合的方法进行插值。然而插值类方法适用于信息量足够的情况下的频谱空间重建,在信息量过于稀疏的情况下,插值方法无法发挥作用。
压缩感知的方法是近些年来流行的场空间重建的方法。通过利用信号的稀疏性,在采样率远低于奈奎斯特采样条件下,对信号进行恢复重建。在场空间恢复中,压缩感知方法发挥着不可替代的作用,特别是随着矩阵补全算法的日益完善,多种不同的矩阵补全算法都已经应用到场空间恢复中去。矩阵补全算法通过将观测区域离散化成N1×N2的矩阵,并将采集到的观测值填入矩阵,构造出一个稀疏矩阵,从而进行矩阵恢复。常用的几种矩阵补全的算法有,最小化核范数,交替最小二乘法,FPCA法,奇异值阈值SVT法。然而压缩感知的方法从全局出发对场空间进行恢复,只能利用到全局信息,无法针对局部的语义信息做出利用。
基于深度学习的方法:随着可获得数据量的喷发式上升,计算力资源的进步,深度学习技术越来越多的应用于物理场重建当中。一些方法提出利用一种称为循环神经网络(RNN)的深度神经网络模型来重建室内指纹地图并进行定位,该模型可以通过跟踪随物体运动而感应到的地磁场信号序列来定位物体的位置,并且擅长识别传感器数据的时变序列。另外一些方法提出采用生成对抗网络(GAN)用来预测平面域上任意点相对于发射机的传播路径损耗。然而深度学习的方法在数据训练过程中对数据量需求较大,并且有较大的能源消耗。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于动态窗口的无线电地图构建方法,融合插值法与矩阵补全方法,实现无线电地图局部特征与全局特征的联合挖掘,基于动态窗口选择能够提升矩阵补全精度,最终提升了无线电地图的恢复精度与空间分辨率。
本发明的目的是通过以下技术方案来实现的:一种基于动态窗口的无线电地图构建方法,包括以下步骤:
S1.获取观测区域中的传感器输出的传感器数据,所述传感器数据包括传感器的位置坐标和传感器接收的信号强度;
优选地,所述栅格化矩阵中的每个栅格作为一个矩阵元素;对于任意一个栅格,其矩阵元素的值等于当前栅格位置上的接收信号强度,所述接收信号强度是指:以当前栅格的中心点为圆心、以 为窗口半径范围内,一个或多个传感器接收的来自信号源的信号强度的加权值。
一阶形式下,
S204.采用如下任一种方法对窗口变量进行优化:
进一步地,所述步骤S3包括:
其中 表示待补全的栅格化矩阵, 表示 的核范数, 表示矩阵 第行第 列的元素, 表示矩阵 第 行第列的元素的物理含义为估计值的不确定性,即与真实值的误差:, i=1,2,…,N1;j=1,2,…,N2,其中, 为预设常数,取值范围在0~3之间,补全后的栅格化矩阵 即构建的无线电地图。
本发明的有益效果是:本发明融合插值法与矩阵补全方法,实现无线电地图局部特征与全局特征的联合挖掘,基于动态窗口选择能够提升矩阵补全精度,最终提升了无线电地图的恢复精度与空间分辨率。
附图说明
图1为本发明的方法流程图;
图2为观测区域中信号源与传感器的分布示意图;
图3为参数b下动态窗口的原理示意图;
图4为实施例中实际矩阵补全误差对应于观测值数量M的关系图;
图5为实施例中实际矩阵补全误差对应于矩阵维度N的关系图,其中N=N1=N2。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
本发明希望在无线电测量数据较少的条件下仍然准确地恢复出无线电地图。其核心技术路线是联合插值法与矩阵补全法来实现无线电地图的构建。其中,经典的插值方法旨在利用无线电地图在局部区域上的空间相关性,通过在邻近位置上测量到的信号强度来估计空间中各点的信号强度;然而,在测量数据较稀疏的区域,插值方法性能较差。另一方面,矩阵补全的思路是对空间进行栅格化,将各栅格上的信号强度组织成矩阵,若某一个栅格上没有测量数据,则该栅格所对应的矩阵元素缺失。通过一些现有的矩阵补全算法可以恢复矩阵中缺失的元素,从而恢复空间离散化的无线电地图。矩阵补全法利用到的核心原理是无线电地图的全局结构化特征。该特征在数学上的具体表现形式为前面所构造的信号强度矩阵具有低秩的特性。然而,矩阵补全法所恢复的无线电地图的精度与空间分辨率较低。
本发明要的核心是如何融合插值法与矩阵补全方法,实现无线电地图局部特征与全局特征的联合挖掘,最终提升无线电地图的恢复精度与空间分辨率。本发明提出的方案是在空间中各点构造动态窗口,其中窗口大小与邻近局部区域上的传感器分布密度相关;通过在各窗口范围内进行局部插值,提取局部信息,然后结合矩阵补全的方法实现无线电地图的构建。该方案要解决的具体问题是如何选择窗口的大小。因此,本发明的核心创新点可归纳为两部分,一是动态窗口大小的选择,二是面向全局无线电地图信息融合的局部信息提取,具体地:
如图1所示,一种基于动态窗口的无线电地图构建方法,包括以下步骤:
S1.获取观测区域中的传感器输出的传感器数据,所述传感器数据包括传感器的位置坐标和传感器接收的信号强度;如图2所示,其中十字表示信号源,正方形表示传感器位置,灰度深浅表示接收信号强弱;
在本申请的实施例中,所述栅格化矩阵 中的每个栅格作为一个矩阵元素;如图3所示,对于任意一个栅格,其矩阵元素的值等于当前栅格位置上的接收信号强度,所述接收信号强度是指:以当前栅格的中心点为圆心、以 为窗口半径范围内,一个或多个传感器接收的来自信号源的信号强度的加权值。
一阶形式下,
S204.采用如下任一种方法对窗口变量进行优化:
进一步地,所述步骤S204中,采用全局最优法对b进行优化的方式如下:
进一步地,所述步骤S3包括:
其中 表示待补全的栅格化矩阵, 表示 的核范数, 表示矩阵 第 行第 列的元素, 表示矩阵 第行第 列的元素 的物理含义为估计值 的不确定性,即与真实值的误差:, i=1,2,…,N1;j=1,2,…,N2,其中, 为预设常数,取值范围在0~3之间,补全后的栅格化矩阵 即构建的无线电地图。
在本申请的实施例中,以一个L×L,L=2km的水下通信场景为实验场景。其中图4对应传感器数量为M=40-200,栅格空间分辨率为N1=N2=30。图5对应传感器数量M=100,栅格空间分辨率为N1=N2=10-30。矩阵补全误差通过计算真实矩阵与恢复出的矩阵之差的归一化的Frobenius范数得到。其中传统矩阵方法的噪声的置信区间为一个固定值,即不随栅格的位置动态变化。通过图4~5可知:本发明提出的基于动态窗口的矩阵补全方法对比传统的矩阵补全方法和Kriging方法均有较大提升。其中,局部最优方法得到的动态 较全局最优窗口b在传感器数量少的情况下又有新的提升,当传感器数量足够多的时候,由于传感器的空间分布的均匀性提升,全局 与动态 最终有相近效果,全局 与动态 均属于动态窗口的发明范畴。
以上所述是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应该看作是对其他实施例的排除,而可用于其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (6)
一阶形式下,
S204.采用如下任一种方法对窗口变量进行优化:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210845190.1A CN115077514B (zh) | 2022-07-19 | 2022-07-19 | 一种基于动态窗口的无线电地图构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210845190.1A CN115077514B (zh) | 2022-07-19 | 2022-07-19 | 一种基于动态窗口的无线电地图构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115077514A true CN115077514A (zh) | 2022-09-20 |
CN115077514B CN115077514B (zh) | 2022-11-11 |
Family
ID=83259490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210845190.1A Active CN115077514B (zh) | 2022-07-19 | 2022-07-19 | 一种基于动态窗口的无线电地图构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115077514B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140011518A1 (en) * | 2012-06-26 | 2014-01-09 | The Governing Council Of The University Of Toronto | System, method and computer program for dynamic generation of a radio map |
CN107147586A (zh) * | 2017-05-15 | 2017-09-08 | 北京邮电大学 | 基于随机博弈理论的动态竞争窗口调整方法、装置及设备 |
CN107612878A (zh) * | 2017-07-21 | 2018-01-19 | 西安电子科技大学 | 基于博弈论的动态窗口选择方法及无线网络信任管理系统 |
WO2020155024A1 (zh) * | 2019-01-31 | 2020-08-06 | 深圳市瑞立视多媒体科技有限公司 | 一种三维轨迹数据的数据缺失处理方法及装置 |
CN113296521A (zh) * | 2021-05-26 | 2021-08-24 | 紫清智行科技(北京)有限公司 | 一种基于动态窗口的障碍物局部避障方法 |
CN113721191A (zh) * | 2021-07-30 | 2021-11-30 | 香港中文大学(深圳) | 自适应栅格化提升矩阵补全性能的信号源定位方法和系统 |
CN113740802A (zh) * | 2021-07-30 | 2021-12-03 | 香港中文大学(深圳) | 以自适应噪声估计进行矩阵补全的信号源定位方法和系统 |
CN113987105A (zh) * | 2021-10-28 | 2022-01-28 | 南开大学 | 基于滑动窗口的标签感知图形流草图构建方法及应用 |
CN114189809A (zh) * | 2021-11-15 | 2022-03-15 | 华东师范大学 | 基于卷积神经网络与高维5g观测特征的室内定位方法 |
-
2022
- 2022-07-19 CN CN202210845190.1A patent/CN115077514B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140011518A1 (en) * | 2012-06-26 | 2014-01-09 | The Governing Council Of The University Of Toronto | System, method and computer program for dynamic generation of a radio map |
CN107147586A (zh) * | 2017-05-15 | 2017-09-08 | 北京邮电大学 | 基于随机博弈理论的动态竞争窗口调整方法、装置及设备 |
CN107612878A (zh) * | 2017-07-21 | 2018-01-19 | 西安电子科技大学 | 基于博弈论的动态窗口选择方法及无线网络信任管理系统 |
WO2020155024A1 (zh) * | 2019-01-31 | 2020-08-06 | 深圳市瑞立视多媒体科技有限公司 | 一种三维轨迹数据的数据缺失处理方法及装置 |
CN113296521A (zh) * | 2021-05-26 | 2021-08-24 | 紫清智行科技(北京)有限公司 | 一种基于动态窗口的障碍物局部避障方法 |
CN113721191A (zh) * | 2021-07-30 | 2021-11-30 | 香港中文大学(深圳) | 自适应栅格化提升矩阵补全性能的信号源定位方法和系统 |
CN113740802A (zh) * | 2021-07-30 | 2021-12-03 | 香港中文大学(深圳) | 以自适应噪声估计进行矩阵补全的信号源定位方法和系统 |
CN113987105A (zh) * | 2021-10-28 | 2022-01-28 | 南开大学 | 基于滑动窗口的标签感知图形流草图构建方法及应用 |
CN114189809A (zh) * | 2021-11-15 | 2022-03-15 | 华东师范大学 | 基于卷积神经网络与高维5g观测特征的室内定位方法 |
Non-Patent Citations (3)
Title |
---|
HAO SUN等: "Propagation Map Reconstruction via Interpolation Assisted Matrix Completion", 《ARXIV》 * |
HAO SUN等: "Regression Assisted Matrix Completion for Reconstructing a Propagation Field with Application to Source Localization", 《2022 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS,SPEECH AND SIGNAL PROCESSING(ICASSP)》 * |
黄祥等: "结合灰度和基于动态窗口的纹理特征的遥感影像分类", 《测绘科学技术学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115077514B (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109409499B (zh) | 一种基于深度学习和卡尔曼滤波修正的轨迹恢复方法 | |
CN109086773B (zh) | 基于全卷积神经网络的断层面识别方法 | |
CN109709603B (zh) | 地震层位识别与追踪方法、系统 | |
CN103363962B (zh) | 一种基于多光谱影像的湖泊水储量遥感估算方法 | |
Marwan et al. | Cross recurrence plots and their applications | |
CN112949407A (zh) | 一种基于深度学习和点集优化的遥感影像建筑物矢量化方法 | |
CN115205481A (zh) | 一种基于图神经网络的频谱地图构建方法及系统 | |
CN115859116A (zh) | 一种基于径向基函数回归插值法的海洋环境场重建方法 | |
CN115077514B (zh) | 一种基于动态窗口的无线电地图构建方法 | |
CN117271979A (zh) | 一种基于深度学习的赤道印度洋表层海流流速预测方法 | |
CN112051611A (zh) | 基于深度强化学习的地下浅层起爆点定位方法 | |
Denisenko et al. | Automated geosteering while drilling using machine learning. case studies | |
CN116183868A (zh) | 一种复杂生态系统土壤有机碳遥感估算方法及系统 | |
CN114463175B (zh) | 基于深度卷积神经网络的火星图像超分辨方法 | |
CN109387872B (zh) | 表面多次波预测方法 | |
CN109633531A (zh) | 一种复合噪声条件下的无线传感器网络节点定位系统 | |
CN114814776A (zh) | 基于图注意力网络和迁移学习的pd雷达目标检测方法 | |
CN108182492A (zh) | 一种资料同化方法及装置 | |
CN106407678B (zh) | 一种基于相控非参数各向异性变差函数构建方法 | |
CN113721191A (zh) | 自适应栅格化提升矩阵补全性能的信号源定位方法和系统 | |
Sari et al. | Optimized Artificial Neural Network for the Classification of Urban Environment Comfort using Landsat-8 Remote Sensing Data in Greater Jakarta Area, Indonesia | |
CN112305588A (zh) | 初至波自动拾取方法及装置 | |
CN110794469A (zh) | 基于最小地质特征单元约束的重力反演方法 | |
Sajid et al. | AIML Provides the Efficiency and Precision in our Subsurface Geological Understanding | |
Padmavathi et al. | Predictive Analytics For Groundwater Resources Using SVM And Deep Radial Basis Approaches In Smart City Planning For Feature Extraction And Prediction |
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 |