一種基于空間遷移壓縮感知的被動(dòng)式定位方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及被動(dòng)定位領(lǐng)域，特別涉及一種基于空間迀移壓縮感知的被動(dòng)式定位方 法。
【背景技術(shù)】
[0002] 近年來，被動(dòng)式定位（Device Free Localization，簡稱DFL)技術(shù)以其不需要用戶 佩戴任何無線設(shè)備和不要求用戶主動(dòng)參與定位過程的特點(diǎn)，受到了學(xué)術(shù)界和產(chǎn)業(yè)界的巨大 關(guān)注。主流的被動(dòng)式定位方法是利用待定位目標(biāo)在監(jiān)測區(qū)域?qū)o線信號的擾動(dòng)進(jìn)行定位， 一般具有兩個(gè)步驟：在訓(xùn)練階段，基于"接收信號強(qiáng)度"（Received Signal Strength，簡稱 RSS)與"目標(biāo)的位置"關(guān)系建立定位模型（先驗(yàn)知識庫）；在定位階段，通過將實(shí)時(shí)的RSS 值與先驗(yàn)知識庫進(jìn)行匹配，確定目標(biāo)的位置。
[0003] 但是現(xiàn)有的DFL方法都具有一個(gè)共同的前提，即訓(xùn)練得到先驗(yàn)知識庫均是針對給 定的區(qū)域得到的。當(dāng)定位區(qū)域大小一旦變化，節(jié)點(diǎn)部署形成的鏈路長度將發(fā)生變化，對應(yīng)目 標(biāo)對無線信號的擾動(dòng)也會變化，因此需要對新的區(qū)域進(jìn)行重新訓(xùn)練得到新區(qū)域的先驗(yàn)知識 庫，這需要花費(fèi)大量的時(shí)間去掃描監(jiān)控區(qū)域的每個(gè)位置，所以帶了數(shù)據(jù)量大能耗高和人力 消耗巨大的問題。而在現(xiàn)實(shí)世界的應(yīng)用中，由于在不同的應(yīng)用上監(jiān)控的區(qū)域也是不同的，所 以對所有的監(jiān)控區(qū)域都進(jìn)行先驗(yàn)知識的獲取顯然是不現(xiàn)實(shí)而且不可行的。
[0004]現(xiàn)有的許多被動(dòng)式定位方法都沒有考慮到該問題，它們大體分為以下3類：
[0005] 第一類：以張顛等為代表的基于學(xué)習(xí)的被動(dòng)式定位。通過將節(jié)點(diǎn)部署為相鄰等邊 三角形形成多個(gè)六邊形，并以中間節(jié)點(diǎn)與六邊形頂點(diǎn)節(jié)點(diǎn)進(jìn)行通信的模式，利用目標(biāo)處于 不同網(wǎng)格位置處對信號的干擾建立先驗(yàn)知識庫。但由于該方法需要部署較密集的節(jié)點(diǎn)以獲 取較高的代價(jià)，且當(dāng)監(jiān)測區(qū)域發(fā)生變化時(shí)需要重新建立先驗(yàn)知識庫，因此該類方法并沒有 解決數(shù)據(jù)量大能耗高和人力消耗巨大的問題。
[0006] 第二類：以Joseph Wilson等為代表的層析成像被動(dòng)式定位。通過將節(jié)點(diǎn)均勾部 署在監(jiān)測區(qū)域的四周，所有節(jié)點(diǎn)之間進(jìn)行兩兩通信，根據(jù)目標(biāo)在不同位置對兩兩通信節(jié)點(diǎn) 造成的干擾建立層析成像知識庫，結(jié)合層析圖像的方法對目標(biāo)的位置進(jìn)行顯示，從而實(shí)現(xiàn) 定位。但該類方法由于兩兩節(jié)點(diǎn)之間需要通信，且針對不同監(jiān)測區(qū)域需要建立層析成像知 識庫，因此并沒有解決數(shù)據(jù)量大能耗高和人力消耗巨大的問題。
[0007] 第三類：以房鼎益為代表的基于壓縮感知（Compressive Sensing，簡稱CS)的被 動(dòng)式定位。在定位區(qū)域的兩側(cè)部署相同個(gè)數(shù)的節(jié)點(diǎn)，只有標(biāo)號相同的節(jié)點(diǎn)進(jìn)行通信。通過 在定位前記錄目標(biāo)在每個(gè)網(wǎng)格處時(shí)所有鏈路的RSS值構(gòu)建感知矩陣，定位時(shí)所有鏈路收集 一組RSS值，通過該組數(shù)據(jù)和感知矩陣，精確得到目標(biāo)的位置。該方法由于不需要所有節(jié)點(diǎn) 之間進(jìn)行兩兩通信且部署節(jié)點(diǎn)較少，從而大大減少了數(shù)據(jù)量，降低了能耗。但當(dāng)監(jiān)測區(qū)域發(fā) 生變化時(shí)，也需要對不同的區(qū)域構(gòu)建感知矩陣，因此不能解決人力消耗大的問題。
[0008] 綜上所述，這三類定位方法都沒有考慮到監(jiān)測區(qū)域變化的問題，即對一給定區(qū)域 建立的定位模型并不能用于大小不同的新區(qū)域。而且，現(xiàn)實(shí)情況中針對所有大小不同的區(qū) 域建立一個(gè)對應(yīng)的定位模型是非常不現(xiàn)實(shí)的。因此，面對多監(jiān)測區(qū)域進(jìn)行實(shí)際應(yīng)用的被動(dòng) 式定位需要新的技術(shù)。

【發(fā)明內(nèi)容】

[0009] 為了解決現(xiàn)有技術(shù)的問題，本發(fā)明提供了一種基于空間迀移壓縮感知的被動(dòng)式定 位方法，所述基于空間迀移壓縮感知的被動(dòng)式定位方法包括：
[0010] 步驟一，在樣本區(qū)域和待監(jiān)測區(qū)域分別部署傳感器節(jié)點(diǎn)；
[0011] 步驟二，通過所述傳感器節(jié)點(diǎn)采集樣本區(qū)域和待監(jiān)測區(qū)域中參考位置處的RSS矩 陣；
[0012] 步驟三，根據(jù)所述樣本區(qū)域和待監(jiān)測區(qū)域的所述RSS矩陣，得到迀移函數(shù)；
[0013] 步驟四，通過所述傳感器節(jié)點(diǎn)采集樣本區(qū)域中的樣本RSS值，將所述樣本RSS值組 合為感知矩陣；
[0014] 步驟五，通過所述傳感器節(jié)點(diǎn)采集待監(jiān)測區(qū)域中的定位RSS值，將所述定位RSS值 組合為測量向量；
[0015] 步驟六，根據(jù)所述迀移函數(shù)，將所述樣本區(qū)域的感知矩陣和所述待監(jiān)測區(qū)域中的 測量向量進(jìn)行迀移，得到迀移后的感知矩陣和迀移后的測量向量；
[0016] 步驟七，當(dāng)所述樣本區(qū)域的面積小于所述待監(jiān)測區(qū)域的面積時(shí)，對迀移后的感知 矩陣進(jìn)行網(wǎng)格插值處理，得到迀移后的高分辨率感知矩陣；
[0017] 步驟八，根據(jù)迀移后的感知矩陣和迀移后的測量向量，利用壓縮感知理論恢復(fù)目 標(biāo)的位置。
[0018] 可選的，所述基于空間迀移壓縮感知的被動(dòng)式定位方法，還包括：
[0019] 當(dāng)所述樣本區(qū)域的面積不小于所述待監(jiān)測區(qū)域的面積時(shí)，在完成步驟六后，直接 進(jìn)行步驟八。
[0020] 可選的，所述在樣本區(qū)域和待監(jiān)測區(qū)域分別部署傳感器節(jié)點(diǎn)，包括：
[0021] 設(shè)樣本區(qū)域的面積大小lXa，待監(jiān)測區(qū)域的面積大小為uXb，在樣本區(qū)域部署的 節(jié)點(diǎn)形成的無線鏈路長度為1，待監(jiān)測區(qū)域部署的節(jié)點(diǎn)形成的無線鏈路長度為u，且1辛u， 樣本區(qū)域和待監(jiān)測區(qū)域部署的鏈路個(gè)數(shù)均為M。
[0022] 可選的，所述通過所述傳感器節(jié)點(diǎn)采集樣本區(qū)域和待監(jiān)測區(qū)域中參考位置處的 RSS矩陣，包括：
[0023] 首先將樣本區(qū)域和待監(jiān)測區(qū)域都劃分為N個(gè)正方形網(wǎng)格，然后在樣本區(qū)域和待監(jiān) 測區(qū)域分別選取相同的參考位置點(diǎn)，分別用l，2，"*n和1'，2'，…n'表示，n = n'彡N。
[0024] 然后讓目標(biāo)分別依次站在樣本區(qū)域和待監(jiān)測區(qū)域內(nèi)選定的網(wǎng)格處，測得樣本區(qū)域 的RSS矩陣s 1和待監(jiān)測區(qū)域的RSS矩陣s u，其中；
[0027] 且Sij= {s u (1)，…，Sij (q)，…，Sij (Q)}T表示目標(biāo)處于第j個(gè)網(wǎng)格時(shí)第i條鏈路 的Q個(gè)連續(xù)的RSS值。
[0028] 可選的，根據(jù)所述樣本區(qū)域和待監(jiān)測區(qū)域的所述RSS矩陣，得到迀移函數(shù)，包括：
[0029] 根據(jù)所述樣本區(qū)域的所述RSS矩陣s1和待監(jiān)測區(qū)域的所述RSS矩陣s u，將s1和s 1 分別進(jìn)行投影，得到/= Ws S yu= Ws u，令x = (x1，xu)，y = (y1，yu)，構(gòu)建函數(shù)y = Wx，使 得y1和y u的分布在投影空間上盡可能相似，即
[0031] 所述F (W)為測量y1的分布p i (y)和yu的分布p u(y)之間距離的優(yōu)化函數(shù)；
[0032] 將投影分布距離測量函數(shù)Dw(Pl| |pu)代入公式（1)，得到
[0034] 即為迀移函數(shù)。
[0035] 可選的，所述通過所述傳感器節(jié)點(diǎn)采集樣本區(qū)域中的樣本RSS值，將所述樣本RSS 值組合為感知矩陣，包括：
[0036] 讓目標(biāo)依次站在樣本區(qū)域的所有網(wǎng)格處，測量每個(gè)網(wǎng)格處的RSS值得到感知矩陣
[0038]其中，s。；{Sij(l)，…，sjq)，…，sjQ)}1。
[0039] 可選的，通過所述傳感器節(jié)點(diǎn)采集待監(jiān)測區(qū)域中的定位RSS值，將所述定位RSS值 組合為測量向量，包括：
[0040]記錄目標(biāo)處于待監(jiān)測區(qū)域時(shí)每條鏈路的RSS值，得到測量向量RMX1XQ= [ri，… ，:r" …，rM]T，其中，{r Jl)，.'rjq)，…，rjQ)}1。
[0041] 可選的，所述根據(jù)所述迀移函數(shù)，將所述樣本區(qū)域的感知矩陣和所述待監(jiān)測區(qū)域 中的測量向量進(jìn)行迀移，得到迀移后的感知矩陣和迀移后的測量向量，包括：
[0042] 將感知矩陣和測量向量分別與迀移函數(shù)W相乘，得到迀移后的感知矩陣
和迀移后的測量向量
[0043] 對所述迀移后的感知矩陣和所述迀移后的測量向量進(jìn)行降維處理，得到降維后的 感知矩陣和測量向量。
[0044] 可選的，所述當(dāng)所述樣本區(qū)域的面積小于所述待監(jiān)測區(qū)域的面積時(shí)，對所述樣本 區(qū)域進(jìn)行網(wǎng)格插值處理，得到迀移后的高分辨率感知矩陣，包括：
[0045] 首先，當(dāng)所述樣本區(qū)域的面積1 Xa小于所述待監(jiān)測區(qū)域的面積uXb，網(wǎng)格數(shù)量均 為N時(shí)，樣本區(qū)域的網(wǎng)格邊長為，待監(jiān)測區(qū)域的網(wǎng)格邊長為《u;
[0046] 其次，將所述待監(jiān)測區(qū)域中的每個(gè)網(wǎng)格分為^ 個(gè)子網(wǎng)格，所述每個(gè)子網(wǎng)格的 邊長為
'所述子網(wǎng)格的數(shù)量為^^^了 ；
[0047] 最終，選取子網(wǎng)格i'所在的網(wǎng)格和與該網(wǎng)格距離最近的8個(gè)相鄰網(wǎng)格，共9個(gè)網(wǎng) 格構(gòu)成鄰接網(wǎng)格，通過插值得到子網(wǎng)格i'的RSS值，進(jìn)而得到迀移后的高分辨率感知矩陣。
[0048] 可選的，根據(jù)迀移后的感知矩陣和迀移后的測量向量，利用壓縮感知理論恢復(fù)目 標(biāo)的位置，包括：
[0049] 通過利用壓縮感知重建算法（?Erminimization算法）即可獲得位置向量0 :
[0051] 其中，是偽逆操作符，c>〇是一個(gè)常數(shù)，S也是一個(gè)常數(shù)但不會趨于1，得到 9即完成了待監(jiān)測區(qū)域內(nèi)目標(biāo)的定位，且
[0052]0= [0 工，…，0j，…0n]t，
[0053] 其中，0# {〇，1}，當(dāng)?shù)趈個(gè)網(wǎng)格上有目標(biāo)時(shí)0 1，否則為〇。
[0054] 本發(fā)明提供的技術(shù)方案帶來的有益效果是：
[0055] 通過將樣本區(qū)域的感知矩陣和監(jiān)測區(qū)域的測量向量進(jìn)行迀移，并利用壓縮感知的 定位方法，避免了對待監(jiān)測區(qū)域進(jìn)行感知矩陣重新構(gòu)建帶來的人力消耗和通信開銷，提高 了利用壓縮感知實(shí)現(xiàn)不同區(qū)域定位的可行性。
【附圖說明】
[0056] 為了更清楚地說明本發(fā)明的技術(shù)方案，下面將對實(shí)施例描述中所需要使用的附圖 作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普 通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0057] 圖1是本發(fā)明提供的一種基于空間迀移壓縮感知的被動(dòng)式定位方法流程圖；
[0058] 圖2是本發(fā)明提供的傳感器節(jié)點(diǎn)的具體部署示意圖；
[0059] 圖3是本發(fā)明提供的不同鏈路長度下RSS迀移前和迀移后的分布圖；
[0060] 圖4是本發(fā)明提供的迀移方案；
[0061] 圖5是本發(fā)明提供的Bregman Divergence的幾何圖形；
[0062] 圖6是本發(fā)明提供的網(wǎng)格插值示意圖；
[0063] 圖7是本發(fā)明提供的鏈路長度從4m迀移到12m后，