本發(fā)明涉及物聯(lián)網(wǎng)應(yīng)用領(lǐng)域，特別地，涉及一種基于壓縮感知算法的室內(nèi)定位方法及裝置。

背景技術(shù)：

在實際應(yīng)用中，人們感興趣的目標(biāo)僅僅是為數(shù)不多的角度分辨單元，因而可以將目標(biāo)看作在空域內(nèi)分布是稀疏的，提示人們可以將壓縮感知應(yīng)用到定位估計中。基于稀疏信號表示的壓縮感知理論突破了奈奎斯特采樣理論，實現(xiàn)了數(shù)據(jù)的存儲空間和處理時間的雙重節(jié)約，其主要思想是當(dāng)信號在某個變換域上是稀疏的或者可壓縮時，可以利用一個與變換基不相關(guān)的測量矩陣，以遠(yuǎn)低于奈奎斯特采樣率的速率將接收到的高維信號投影到一個低維的空間上，再通過信號的重建算法高概率的恢復(fù)出原始信號，這樣的投影已經(jīng)包含了重建信號的足夠的信息。

壓縮感知信號的突出優(yōu)點就是針對可稀疏表示的信號，能將傳統(tǒng)的數(shù)據(jù)采集與數(shù)據(jù)壓縮合二為一，大大減少了數(shù)據(jù)的獲取時間和存儲空間。利用壓縮感知可以將多目標(biāo)定位估計問題看成是一個稀疏向量的重構(gòu)問題，該稀疏向量的非零元素及其在向量中的位置信息分別表征目標(biāo)的幅度信息和角度信息，從而用較少的采樣獲得高的分辨率、良好的抗噪性等優(yōu)點。

隨著無線通信、集成電路以及MESH（無線網(wǎng)格網(wǎng)絡(luò)）網(wǎng)絡(luò)等技術(shù)的飛速發(fā)展和日益成熟，傳統(tǒng)DOA（(Direction of Arrival,信號波達(dá)方向）算法為了得到理想的估計效果，通常需要大量采樣，或者采用增加陣元數(shù)量的方法。但這樣加大了數(shù)據(jù)存儲、傳輸、計算處理等方面的難度，而且不適用于只有少量采樣樣本或采樣成本高的場景中。

技術(shù)實現(xiàn)要素：

本發(fā)明的實施例提供一種基于壓縮感知算法的室內(nèi)定位方法，能夠針對可稀疏表示的信號，將傳統(tǒng)的數(shù)據(jù)采集與數(shù)據(jù)壓縮合二為一，大大減少了數(shù)據(jù)的獲取時間和存儲空間，可適用于只有少量采樣樣本或采樣成本高的場景中。

為達(dá)到上述目的，本發(fā)明的實施例采用如下技術(shù)方案：

第一方面，本發(fā)明的實施例提供一種基于壓縮感知算法的室內(nèi)定位方法，包括：

S1、在待定位區(qū)域部署信號接收陣列，所述信號接收陣列由M個信標(biāo)（beacon）點構(gòu)成；

S2、K個無線移動設(shè)備構(gòu)成K個信號點，所述K個無線移動設(shè)備與所述信號接收陣列直接通信，獲取陣列接收信號x；

S3、采用壓縮感知算法，計算測量矢量定位所述K個信號點的第一地理位置；

S4、所述K個無線移動設(shè)備將與其對應(yīng)的信號點的第一地理位置和Mac地址傳輸?shù)綗o線網(wǎng)關(guān)，無線網(wǎng)關(guān)傳輸至云端監(jiān)控中心；

S5、K個無線移動設(shè)備移動到第二地理位置后，重復(fù)執(zhí)行步驟S2至S4，定位得到數(shù)量為K個無線移動設(shè)備的第二地理位置；

S6、比對相同Mac地址的兩個不同的地理位置，規(guī)劃路線并發(fā)送至無線移動設(shè)備，進(jìn)行室內(nèi)定位。

結(jié)合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，定位所述K個信號點的地理位置，是采用壓縮感知算法構(gòu)造譜函數(shù)，搜索K個最大譜峰，計算波達(dá)方向進(jìn)行定位。

結(jié)合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，所述步驟S3中測量矢量的高斯似然函數(shù)為：

其中：σ²為噪聲方差，α為稀疏系數(shù)向量，是選用的高斯隨機(jī)或者貝努利測量矩陣，Ψ是稀疏基矩陣，Q為空域劃分的個數(shù)。

結(jié)合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，所述步驟S3中利用MAP迭代方法估計x和σ²得：

α^(t+1)=[φ^Hφ+σ^2(t)(|α_n^(t)|^(2-q))^-1]^-1φ^Hy

=|α_n^(t)|^(2-q)φ^H(φ|α_n^(t)|^(2-q)φ^H+σ^2(t)I)^-1y

其中：I為單位矩陣，q=[1,…,Q]

結(jié)合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，所述無線移動設(shè)備為藍(lán)牙移動設(shè)備；所述無線網(wǎng)關(guān)為藍(lán)牙無線網(wǎng)關(guān)。無線網(wǎng)關(guān)作為網(wǎng)絡(luò)的主設(shè)備，無線移動設(shè)備，比如手機(jī)作為從節(jié)點散布在指定的通信范圍內(nèi)，通過自組網(wǎng)方式構(gòu)成網(wǎng)絡(luò)。

結(jié)合第一方面，在第一方面的第二種可能的實現(xiàn)方式中，所述無線移動設(shè)備通過無線接口與無線網(wǎng)關(guān)連接，所述無線接口為藍(lán)牙無線接口。

第二方面，本發(fā)明的實施例提供一種基于壓縮感知算法的室內(nèi)定位裝置，包括：

信號接收陣列模塊：部署在待定位區(qū)域，由M個信標(biāo)（beacon）點構(gòu)成；

信號接收模塊：K個無線移動設(shè)備構(gòu)成K個信號點，所述K個無線移動設(shè)備與所述信號接收陣列直接通信，用于獲取陣列接收信號x；

第一地理位置定位模塊：采用壓縮感知算法，計算測量矢量用于定位所述K個信號點的第一地理位置。

傳輸模塊：將所述K個無線移動設(shè)備將與其對應(yīng)的信號點的第一地理位置和Mac地址傳輸?shù)綗o線網(wǎng)關(guān)，無線網(wǎng)關(guān)傳輸至云端監(jiān)控中心；

第二地理位置定位模塊：K個無線移動設(shè)備移動到第二地理位置后，重復(fù)執(zhí)行信號接收模塊至傳輸模塊，定位得到數(shù)量為K個無線移動設(shè)備的第二地理位置；

室內(nèi)定位模塊：用于比對相同Mac地址的兩個不同的地理位置，規(guī)劃路線并發(fā)送至無線移動設(shè)備，進(jìn)行室內(nèi)定位。

結(jié)合第二方面，在第二方面的第一種可能的實現(xiàn)方式中，第一地理位置定位模塊中，定位所述K個信號點的地理位置，是采用壓縮感知算法構(gòu)造譜函數(shù)，搜索K個最大譜峰，計算波達(dá)方向進(jìn)行定位。

結(jié)合第二方面，在第二方面的第一種可能的實現(xiàn)方式中，所述第一地理位置定位模塊中測量矢量的高斯似然函數(shù)為：

其中：σ²為噪聲方差，α為稀疏系數(shù)向量，是選用的高斯隨機(jī)或者貝努利測量矩陣，Ψ是稀疏基矩陣，Q為空域劃分的個數(shù)。

結(jié)合第二方面，在第二方面的第一種可能的實現(xiàn)方式中，所述第一地理位置定位模塊中，利用MAP迭代方法估計x和σ²：

α^(t+1)=[φ^Hφ+σ^2(t)(|α_n^(t)|^(2-q))^-1]^-1φ^Hy

=|α_n^(t)|^(2-q)φ^H(φ|α_n^(t)|^(2-q)φ^H+σ^2(t)I)^-1y

其中：I為單位矩陣，q=[1,…,Q]

結(jié)合第二方面，在第二方面的第一種可能的實現(xiàn)方式中，所述無線移動設(shè)備為藍(lán)牙移動設(shè)備；所述無線網(wǎng)關(guān)為藍(lán)牙無線網(wǎng)關(guān)。

結(jié)合第二方面，在第二方面的第二種可能的實現(xiàn)方式中，所述無線移動設(shè)備通過無線接口與無線網(wǎng)關(guān)連接，所述無線接口為藍(lán)牙無線接口。

本發(fā)明實施例提供的一種基于壓縮感知算法的室內(nèi)定位方法和裝置，通過在待定位區(qū)域部署信號接收陣列，K個無線移動設(shè)備構(gòu)成K個信號點，所述K個無線移動設(shè)備與所述信號接收陣列直接通信，獲取陣列接收信號x；采用壓縮感知算法，計算測量矢量定位所述K個信號點的第一地理位置；所述K個無線移動設(shè)備將與其對應(yīng)的信號點的第一地理位置和Mac地址傳輸?shù)綗o線網(wǎng)關(guān)，無線網(wǎng)關(guān)傳輸至云端監(jiān)控中心；K個無線移動設(shè)備移動到第二地理位置后，重復(fù)執(zhí)行步驟S2至S4，定位得到數(shù)量為K個無線移動設(shè)備的第二地理位置；比對相同Mac地址的兩個不同的地理位置，通過反向的通信鏈路下達(dá)給無線移動設(shè)備，利用無線移動設(shè)備的導(dǎo)航實現(xiàn)反向?qū)の唬m用于地下車庫導(dǎo)航系統(tǒng)。

本發(fā)明實施例提出一種基于壓縮感知算法的室內(nèi)定位方法，先尋找信號接收陣列輸出的信號的測量矩陣，以遠(yuǎn)低于奈奎斯特采樣率的速率將接收到的高維信號投影到一個低維的空間上，再通過信號的重建算法高概率的恢復(fù)出原始信號，這樣的投影已經(jīng)包含了重建信號的足夠的信息，結(jié)合求解范數(shù)優(yōu)化計算出波達(dá)方向信息。

本發(fā)明實施例提出的一種基于壓縮感知算法的室內(nèi)定位方法，突出優(yōu)點是針對可稀疏表示的信號，將傳統(tǒng)的數(shù)據(jù)采集與數(shù)據(jù)壓縮合二為一，大大減少了數(shù)據(jù)的獲取時間和存儲空間。利用壓縮感知將多目標(biāo)、定位、估計問題構(gòu)造成一個稀疏向量的重構(gòu)問題，該稀疏向量的非零元素及其在向量中的位置信息分別表征目標(biāo)的幅度信息和角度信息，從而用較少的采樣獲得高的分辨率、良好的抗噪性等優(yōu)點。同時，編程簡單，易于進(jìn)行室內(nèi)定位。

附圖說明

為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例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)造性勞動的前提下，還可以根據(jù)這些附圖獲得其它的附圖。

圖1為本發(fā)明實施例1提供的一種基于壓縮感知算法室內(nèi)定位方法的流程示意圖；

圖2為本發(fā)明實施例1提供的一種基于壓縮感知算法室內(nèi)定位方法中信號接收陣列接收信號示意圖；

圖3為本發(fā)明實施例1提供的一種基于壓縮感知算法室內(nèi)定位方法中走道布局示意框圖；

圖4為本發(fā)明實施例1提供的一種基于壓縮感知算法室內(nèi)定位方法中單個信號的DOA估計情況圖；

圖5為本發(fā)明實施例1提供的一種基于壓縮感知算法室內(nèi)定位方法中兩個信號的DOA估計情況圖；

圖6為本發(fā)明實施例1提供的一種基于壓縮感知算法室內(nèi)定位方法中多個信號的DOA估計情況圖；

圖7為本發(fā)明實施例1提供的一種基于壓縮感知算法室內(nèi)定位方法中方根誤差曲線圖；

圖8為本發(fā)明實施例2提供的一種基于壓縮感知算法室內(nèi)定位裝置示意圖。

具體實施方式

為使本領(lǐng)域技術(shù)人員更好地理解本發(fā)明的技術(shù)方案，下面結(jié)合附圖和具體實施方式對本發(fā)明作進(jìn)一步詳細(xì)描述。下文中將詳細(xì)描述本發(fā)明的實施方式，所述實施方式的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施方式是示例性的，僅用于解釋本發(fā)明，而不能解釋為對本發(fā)明的限制。

本技術(shù)領(lǐng)域技術(shù)人員可以理解，除非另外定義，這里使用的所有術(shù)語（包括技術(shù)術(shù)語和科學(xué)術(shù)語）具有與本發(fā)明所屬領(lǐng)域中的普通技術(shù)人員的一般理解相同的意義。還應(yīng)該理解的是，諸如通用字典中定義的那些術(shù)語應(yīng)該被理解為具有與現(xiàn)有技術(shù)的上下文中的意義一致的意義，并且除非像這里一樣定義，不會用理想化或過于正式的含義來解釋。

本發(fā)明的實施例提供一種基于壓縮感知算法的室內(nèi)定位方法，能夠針對可稀疏表示的信號，將傳統(tǒng)的數(shù)據(jù)采集與數(shù)據(jù)壓縮合二為一，大大減少了數(shù)據(jù)的獲取時間和存儲空間，可適用于只有少量采樣樣本或采樣成本高的場景中。

為達(dá)到上述目的，本發(fā)明的實施例采用如下技術(shù)方案：

第一方面，本發(fā)明的實施例提供一種基于壓縮感知算法的室內(nèi)定位方法，如圖1所示，包括：

S1、在待定位區(qū)域部署信號接收陣列，所述信號接收陣列由M個信標(biāo)（beacon）點構(gòu)成；

S2、K個無線移動設(shè)備構(gòu)成K個信號點，所述K個無線移動設(shè)備與所述信號接收陣列直接通信，獲取陣列接收信號x；

如圖2和圖3所示，本發(fā)明實施例包括：由K個間距為d的停車點（陣元）構(gòu)成信號接收陣列、M個信標(biāo)（beacon）發(fā)射點，對應(yīng)的入射角為θ，θ為與法線方向的夾角，各陣元的噪聲是高斯白噪聲，各陣元間噪聲相互獨(dú)立，噪聲與信號也相互獨(dú)立。

陣列接收信號可以表示為：

其中，α_k(t)是信號幅度信息，a_k為導(dǎo)向矢量，如果采用均勻線性陣列時，由此可知，接收信號是多個復(fù)正弦信號的累加，且陣列流形矩陣的每一列a_k應(yīng)了目標(biāo)的一個空間位置θ_k，整個陣列流行矩陣包含了目標(biāo)的整個方位信息。由于實際空域范圍內(nèi)待觀測目標(biāo)僅占據(jù)少量的角度分辨單元，因此觀測目標(biāo)在空域范圍內(nèi)是稀疏分布的，因而為壓縮感知應(yīng)用到定位估計中提供了理論依據(jù)。

在本步驟中，通過K個無線移動設(shè)備發(fā)射信號，M個信標(biāo)（beacon）點構(gòu)成信號接收陣列接收并反饋信息到無線移動設(shè)備；在待定位區(qū)域內(nèi)，所有的無線移動設(shè)備均可以直接與各信標(biāo)（beacon）點進(jìn)行通信，各個無線移動設(shè)備的MAC地址可以方便地進(jìn)入和離開自組網(wǎng)方式構(gòu)成網(wǎng)絡(luò)。

S3、采用壓縮感知算法，計算測量矢量定位所述K個信號點的第一地理位置；

在對空間中存在的K個窄帶信號進(jìn)行定位估計時，利用壓縮感知原理，可得測量矢量為

其中，是選用的高斯隨機(jī)或者貝努利測量矩陣，x為K個陣元的接收信號向量，Ψ是稀疏基矩陣，α為稀疏系數(shù)向量。下面將描述Ψ的構(gòu)造方法。

假設(shè)每個陣元得到原始信號的長度為P，為了服從稀疏性原理，假設(shè)P＞＞K，將要考慮的空間區(qū)域劃分為{θ₁,θ₂,…θ_Q}，并假設(shè)每一個可能的位置都對應(yīng)一個潛在的信號，潛在的目標(biāo)個數(shù)要比實際存在的輻射源個數(shù)要大的多，從而構(gòu)造了包含實際目標(biāo)信號的Q×1維的稀疏信號α，在α中只有實際目標(biāo)的K個位置有非零的元素，而其他位置均為零，Ψ是LP×Q稀疏基矩陣，可以由任意潛在目標(biāo)的方向矢量作為其列向量的，與實際DOA方向無關(guān)，因而目標(biāo)信號陣列流形矩陣的結(jié)構(gòu)可以改造為稀疏基矩陣Ψ，這樣就將DOA估計問題就變成求解含有稀疏系數(shù)問題，Ψ的維數(shù)決定了估計精度大小，是選用的LQ×LP維高斯隨機(jī)或者貝努利測量矩陣，這樣就將原始數(shù)據(jù)從LP維降維為LQ，矩陣Θ是測量矩陣和陣列流形矩陣二者的乘積，構(gòu)成了新的隨機(jī)矩陣，因任何隨機(jī)矩陣與單位基是不相關(guān)的，所以可以將Θ看作隨機(jī)矩陣與單位矩陣的乘積，滿足RIP準(zhǔn)則，保證了利用重構(gòu)算法進(jìn)行DOA估計的有效性和穩(wěn)健性，故本發(fā)明利用壓縮感知理論來解決DOA估計問題，就是由已知的測量矢量和確定了的陣列流形矩陣來重構(gòu)目標(biāo)信號矢量，其中前K個最大的重構(gòu)分量就是所觀察空間上實際存在的目標(biāo)信號的重構(gòu)信號，從而根據(jù){θ₁,θ₂,…θ_Q}和α的一一對應(yīng)關(guān)系得到目標(biāo)信號的DOA估計，即可以求解范數(shù)優(yōu)化得到重構(gòu)信號：

直接優(yōu)化求解欠定方程組式，找到其中最大的K個值，確定其位置即可得DOA角度。

當(dāng)加入噪聲時，式（2）可以改寫為：

其中，v為LQ×1維服從圓復(fù)高斯分布的噪聲分量。

則優(yōu)化算法式（3）變?yōu)?/p>

其中，σ是與噪聲有關(guān)的分量，可通過BP（Backpropagation algorithm，反向傳播算法）、MOP（multi-objective programming，多目標(biāo)規(guī)劃）等算法求解。從以上分析中可以看到，陣列流形矩陣的結(jié)構(gòu)是由目標(biāo)信號的稀疏化確定的，不同的稀疏化表示方法將產(chǎn)生不同結(jié)構(gòu)的陣列流行矩陣，稀疏化表示方法是否恰當(dāng)，將決定著是否可以更好的進(jìn)行稀疏重構(gòu)。在本發(fā)明實施例中，將采用貝葉斯方法求解壓縮感知的信號重構(gòu)問題，為壓縮感知提供理論框架和求解方法。

S4、所述K個無線移動設(shè)備將與其對應(yīng)的信號點的第一地理位置和Mac地址傳輸?shù)綗o線網(wǎng)關(guān)，無線網(wǎng)關(guān)傳輸至云端監(jiān)控中心；

S5、K個無線移動設(shè)備移動到第二地理位置后，重復(fù)執(zhí)行步驟S2至S4，定位得到數(shù)量為K個無線移動設(shè)備的第二地理位置；

當(dāng)無線移動設(shè)備變動位置之后，想找出原來所在的位置（即第一地理位置），則再次根據(jù)壓縮感知算法進(jìn)行定位計算，得到各個無線移動設(shè)備第二地理位置信息，然后將無線移動設(shè)備的Mac地址信息和無線移動設(shè)備第二地理位置信息，通過無線網(wǎng)關(guān)發(fā)送到云端監(jiān)控中心，進(jìn)行存儲；具體為：云端對無線移動設(shè)備進(jìn)行遠(yuǎn)程控制時，將各種指令按照已經(jīng)設(shè)置的數(shù)據(jù)格式打包，通過無線接口發(fā)送給無線移動設(shè)備。

S6、比對相同Mac地址的兩個不同的地理位置，規(guī)劃路線并發(fā)送至無線移動設(shè)備，進(jìn)行室內(nèi)定位。

結(jié)合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，定位所述K個信號點的地理位置，是采用壓縮感知算法構(gòu)造譜函數(shù)，搜索K個最大譜峰，計算波達(dá)方向進(jìn)行定位。

結(jié)合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，所述步驟S3中，假設(shè)引入的噪聲相互獨(dú)立，且服從均值為零，方差為σ²的高斯分布，稀疏信號x的概率服從指數(shù)分布，則式（4）的高斯似然函數(shù)可以表示為：

其中：σ²為噪聲方差，α為稀疏系數(shù)向量，是選用的高斯隨機(jī)或者貝努利測量矩陣，Ψ是稀疏基矩陣，Q為空域劃分的個數(shù)。

結(jié)合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，所述步驟S3中利用MAP方法估計x和σ²：

其中，y|α,σ²服從CN(φα,σ²I)，f(σ²)∝1。

式（7）兩邊取負(fù)對數(shù)，可得

從式（8）可以看出當(dāng)q=1，最后一項變?yōu)?||α||₁-2P，與廣泛應(yīng)用的L1范數(shù)約束相類似。

假設(shè)初始估計值為了循環(huán)求得x和σ²的最優(yōu)值，將采用分步迭代法固定σ²優(yōu)化x，固定x優(yōu)化σ²。求解過程如下：

1）首先根據(jù)α最小化g_q(α,η^(t))，令復(fù)導(dǎo)數(shù)(d/dα^H)g_q(α,σ^2(t))為零得到α^(t+1)。該方法導(dǎo)致下面的非線性等式：

很難從上式中獲得α^(t+1)，對式（4）、式（6）和式（7）進(jìn)行簡單變換可得

[φ^Hφ+σ^2(t)(|α_n^(t)|^(2-q))^-1]α-φ^Hy=0 （10）

則

α=[φ^Hφ+σ^2(t)(|α_n^(t)|^(2-q))^-1]^-1φ^Hy （11）

利用式（12）進(jìn)行迭代運(yùn)算可得：

α^(t+1)=[φ^Hφ+σ^2(t)(|α_n^(t)|^(2-q))^-1]^-1φ^Hy

=|α_n^(t)|^(2-q)φ^H(φ|α_n^(t)|^(2-q)φ^H+σ^2(t)I)^-1y （12）

2）其次，根據(jù)σ²最小化g_q(α,σ^2(t))。令(d/dσ²)g_q(α,σ^2(t))等于0，可致：

結(jié)合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，所述無線移動設(shè)備為藍(lán)牙移動設(shè)備；所述無線網(wǎng)關(guān)為藍(lán)牙無線網(wǎng)關(guān)。無線網(wǎng)關(guān)作為網(wǎng)絡(luò)的主設(shè)備，無線移動設(shè)備，比如手機(jī)作為從節(jié)點散布在指定的通信范圍內(nèi)，通過自組網(wǎng)方式構(gòu)成網(wǎng)絡(luò)。

結(jié)合第一方面，在第一方面的第二種可能的實現(xiàn)方式中，所述無線移動設(shè)備通過無線接口與無線網(wǎng)關(guān)連接，所述無線接口為藍(lán)牙無線接口。

如圖4所示，考慮單個信號的DOA估計情況。單個信號從遠(yuǎn)場入射到10陣元均勻線陣，方位角4°，散射系數(shù)為1，陣元間距為信號最高頻率對應(yīng)波長的一半λ/2。離散信號的長度為N=2232，觀測矩陣使用貝努利矩陣，恢復(fù)算法為本節(jié)提出算法。壓縮采樣點的數(shù)量為M=215，M<<N，在信號中加入均值為0方差為1的高斯白噪聲，信噪比為10dB。

如圖5所示，兩個非相干信號從遠(yuǎn)場入射到10陣元均勻線陣，方位角4°,18°，散射系數(shù)為1,4，陣元間距為信號最高頻率對應(yīng)波長的一半λ/2，信噪比為10dB時，進(jìn)行10次獨(dú)立蒙特卡羅實驗的空域譜估計輸出對比。

如圖6所示，多個非相干信號DOA估計情況，方位角-20°，-10°，-5°，-2°，0°，4°，8°，10°，20°，23°，30°，30°，散射系數(shù)為7,11,8,3,2,6,1,5,10,9,4,12，信噪比10dB，進(jìn)行10次獨(dú)立蒙特卡羅實驗，圖6為空域譜估計輸出，從圖中可以看出，多目標(biāo)下，經(jīng)過CS壓縮后仍能成功估計出目標(biāo)所在的角度位置。

如圖7所示，算法的DOA估計均方根誤差隨測量數(shù)據(jù)關(guān)系曲線。測量矩陣分別采用隨機(jī)高斯矩陣和貝努利矩陣，其他參數(shù)與實驗一相同。

對于均勻線陣的MIMO（Multiple-Input Multiple-Output，多輸入多輸出系統(tǒng)）多輸入多輸出雷達(dá)信號模型，利用壓縮感知方法估計信號的DOA，可以高概率精確估計目標(biāo)的DOA。并且它的MSE（Mean Square Error，均方誤差）隨測量數(shù)據(jù)的增加而增加，且可估計的目標(biāo)個數(shù)也隨測量數(shù)據(jù)的增加而增加。能夠在低信噪比環(huán)境下適用，且明顯降低了運(yùn)算量；與傳統(tǒng)的DOA估計算法相比，該算法能夠?qū)θ我庀喔尚孕盘栠M(jìn)行高分辨DOA估計，且估計具有更高的分辨力及更優(yōu)的估計性能，是一種適應(yīng)性很強(qiáng)的超分辨算法。

第二方面，本發(fā)明的實施例提供一種基于壓縮感知算法的室內(nèi)定位裝置，如圖8所示，包括：

信號接收陣列模塊：部署在待定位區(qū)域，由M個信標(biāo)（beacon）點構(gòu)成；

信號接收模塊：K個無線移動設(shè)備構(gòu)成K個信號點，所述K個無線移動設(shè)備與所述信號接收陣列直接通信，用于獲取陣列接收信號x；

第一地理位置定位模塊：采用壓縮感知算法，計算測量矢量用于定位所述K個信號點的第一地理位置。

傳輸模塊：將所述K個無線移動設(shè)備將與其對應(yīng)的信號點的第一地理位置和Mac地址傳輸?shù)綗o線網(wǎng)關(guān)，無線網(wǎng)關(guān)傳輸至云端監(jiān)控中心；

第二地理位置定位模塊：K個無線移動設(shè)備移動到第二地理位置后，重復(fù)執(zhí)行信號接收模塊至傳輸模塊，定位得到數(shù)量為K個無線移動設(shè)備的第二地理位置；

室內(nèi)定位模塊：用于比對相同Mac地址的兩個不同的地理位置，規(guī)劃路線并發(fā)送至無線移動設(shè)備，進(jìn)行室內(nèi)定位。

結(jié)合第二方面，在第二方面的第一種可能的實現(xiàn)方式中，第一地理位置定位模塊中，定位所述K個信號點的地理位置，是采用壓縮感知算法構(gòu)造譜函數(shù)，搜索K個最大譜峰，計算波達(dá)方向進(jìn)行定位。

結(jié)合第二方面，在第二方面的第一種可能的實現(xiàn)方式中，所述第一地理位置定位模塊中測量矢量的高斯似然函數(shù)為：

其中：σ²為噪聲方差，α為稀疏系數(shù)向量，是選用的高斯隨機(jī)或者貝努利測量矩陣，Ψ是稀疏基矩陣，Q為空域劃分的個數(shù)。

結(jié)合第二方面，在第二方面的第一種可能的實現(xiàn)方式中，所述第一地理位置定位模塊中，利用MAP迭代方法估計x和σ²：

α^(t+1)=[φ^Hφ+σ^2(t)(|α_n^(t)|^(2-q))^-1]^-1φ^Hy

=|α_n^(t)|^(2-q)φ^H(φ|α_n^(t)|^(2-q)φ^H+σ^2(t)I)^-1y

其中：I為單位矩陣，q=[1,…,Q]

結(jié)合第二方面，在第二方面的第一種可能的實現(xiàn)方式中，所述無線移動設(shè)備為藍(lán)牙移動設(shè)備；所述無線網(wǎng)關(guān)為藍(lán)牙無線網(wǎng)關(guān)。

結(jié)合第二方面，在第二方面的第二種可能的實現(xiàn)方式中，所述無線移動設(shè)備通過無線接口與無線網(wǎng)關(guān)連接，所述無線接口為藍(lán)牙無線接口。

本發(fā)明實施例提供的一種基于壓縮感知算法的室內(nèi)定位裝置的方法及裝

置，基于壓縮感知理論，對接收信號進(jìn)行時域壓縮采樣，構(gòu)建壓縮感知模型，使得感知矩陣滿足RIP條件，通過構(gòu)建測量矩陣，結(jié)合改進(jìn)的稀疏信號重建方法，通過更少的樣本數(shù)量來重建出稀疏目標(biāo)信號矢量，構(gòu)造出性能改進(jìn)的高分辨率定位估計方法。

本發(fā)明實施例提供的一種基于壓縮感知算法的室內(nèi)定位方法和裝置，通過在待定位區(qū)域部署信號接收陣列，K個無線移動設(shè)備構(gòu)成K個信號點，所述K個無線移動設(shè)備與所述信號接收陣列直接通信，獲取陣列接收信號x；采用壓縮感知算法，計算測量矢量定位所述K個信號點的第一地理位置；所述K個無線移動設(shè)備將與其對應(yīng)的信號點的第一地理位置和Mac地址傳輸?shù)綗o線網(wǎng)關(guān)，無線網(wǎng)關(guān)傳輸至云端監(jiān)控中心；K個無線移動設(shè)備移動到第二地理位置后，重復(fù)執(zhí)行步驟S2至S4，定位得到數(shù)量為K個無線移動設(shè)備的第二地理位置；比對相同Mac地址的兩個不同的地理位置，通過反向的通信鏈路下達(dá)給無線移動設(shè)備，利用無線移動設(shè)備的導(dǎo)航實現(xiàn)反向?qū)の?，適用于地下車庫導(dǎo)航系統(tǒng)。

本發(fā)明實施例提出一種基于壓縮感知算法的室內(nèi)定位方法，先尋找信號接收陣列輸出的信號的測量矩陣，以遠(yuǎn)低于奈奎斯特采樣率的速率將接收到的高維信號投影到一個低維的空間上，再通過信號的重建算法高概率的恢復(fù)出原始信號，這樣的投影已經(jīng)包含了重建信號的足夠的信息，結(jié)合求解范數(shù)優(yōu)化計算出波達(dá)方向信息。

本發(fā)明實施例提出的一種基于壓縮感知算法的室內(nèi)定位方法，突出優(yōu)點是針對可稀疏表示的信號，將傳統(tǒng)的數(shù)據(jù)采集與數(shù)據(jù)壓縮合二為一，大大減少了數(shù)據(jù)的獲取時間和存儲空間。利用壓縮感知將多目標(biāo)、定位、估計問題構(gòu)造成一個稀疏向量的重構(gòu)問題，該稀疏向量的非零元素及其在向量中的位置信息分別表征目標(biāo)的幅度信息和角度信息，從而用較少的采樣獲得高的分辨率、良好的抗噪性等優(yōu)點。同時，編程簡單，易于進(jìn)行室內(nèi)定位。

本說明書中的各個實施例均采用遞進(jìn)的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對于設(shè)備實施例而言，由于其基本相似于方法實施例，所以描述得比較簡單，相關(guān)之處參見方法實施例的部分說明即可。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍為準(zhǔn)。