基于虚拟指纹库的任务驱动无线电压缩成像系统及方法技术方案

本发明专利技术涉及一种基于虚拟指纹库的任务驱动无线电压缩成像系统，包括离线虚拟链路指纹库和在线搜索匹配计算成像单元；所述离线虚拟链路指纹库根据无线电信号传输菲涅尔区模型确定在感知区域内受影响的链路编号；所述在线搜索匹配计算成像单元引入视频处理中的运动估计搜索算法，结合基于压缩感知解析稀疏模型的交替方向乘子法，实现对感知区域内动态目标的跟踪成像。本发明专利技术在降低RTI系统观测样本数量的情况下，有效保证系统的定位精度与成像的速度。速度。速度。

【技术实现步骤摘要】
基于虚拟指纹库的任务驱动无线电压缩成像系统及方法


[0001]本专利技术涉及无设备定位领域，具体涉及一种基于虚拟指纹库的任务驱动无线电压缩成像系统及方法。

技术介绍

[0002]无设备定位(Device
‑
free Localization，DFL)是一种重要的无线电无源感知技术之一。近十多年以来已存在大量相关方面的研究。这些研究主要可以分为两个方面，基于接收信号强度(received signal strength,RSS)的DFL以及基于信道状态信息(Channel state information,CSI)的DFL。CSI由接收信号的强度以及相位信息组成，可以为DFL系统提供更高维的信息。但是，CSI相位信息的获得有赖于发送端和接收端的精确同步，存在误差的相位信息会降低DFL的定位精度。然而，在物联网应用中，终端设备都是硬件资源受限的系统，因此，终端设备一般都采用低复杂度的同步方法，从而导致在实际环境下，基于CSI的DFL系统需要付出大量的硬件计算资源获取高精度的性能。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种基于虚拟指纹库的任务驱动无线电压缩成像系统及方法，解决当前RTI系统受限于传感器网络的容量和传输速率，无法在短时间获取大量的监测样本，导致没办法实现对动态目标的实时跟踪检测的问题。
[0004]为实现上述目的，本专利技术采用如下技术方案：
[0005]一种基于虚拟指纹库的任务驱动无线电压缩成像系统，包括离线虚拟链路指纹库和在线搜索匹配计算成像单元；所述离线虚拟链路指纹库根据无线电信号传输菲涅尔区模型确定在感知区域内受影响的链路编号；所述在线搜索匹配计算成像单元引入视频处理中的运动估计搜索算法，结合基于压缩感知解析稀疏模型的交替方向乘子法，实现对感知区域内动态目标的跟踪成像。
[0006]一种基于虚拟指纹库的任务驱动无线电压缩成像系统的成像方法，包括以下步骤：
[0007]步骤S1：根据RTI系统网络拓扑结构，感知区域内无线传感器节点；
[0008]步骤S2:基于无线传感器节点，根据无线电信号传输菲涅尔区模型确定在感知区域内受影响的链路编号；
[0009]步骤S3:引入视频处理中的运动估计搜索算法，并结合基于压缩感知解析稀疏模型的交替方向乘子法，实现对感知区域内动态目标的跟踪成像。
[0010]进一步的，所述步骤S2具体为：
[0011]步骤S21:对N个节点按顺时针顺序编号1
‑
N并以1号节点为原点设定坐标系,设定离散化的N*N个小区域中心坐标C
1～N2
(i,j)；
[0012]步骤S22:计算各组通信节点形成的菲涅尔区范围，将各对通信的收发节点作为第一菲涅尔区的焦点计算其第一菲涅尔区长轴a＝(d
i,j
+λ/2)/2；其中d
i,j
为第i个发送节点
与第j个接收节点的欧氏距离；
[0013]步骤S23:依次判断各离散化区域C
k
(i,j)，k＝{1,2,3,...N2}上被多少个FFZ覆盖，计算目标位置C1(i,j)到一对收发节点和的距离d
i,j
(1)、d
i,j
(2)；如果|d
i,j
(1)|+|d
i,j
(2)|≤2a，则被该对收发节点的FFZ覆盖，并记录编号l
q
，反之，则剔除；循环判断全部对收发节点形成的FFZ，得到每个小区域上覆盖的FFZ链路编号集合L＝{l1,l2,l3,...,l
q
}。
[0014]进一步的，所述步骤S3具体为:
[0015]步骤S31:初始化系统，通过RSSI采集系统均匀采样，实现目标的粗定位；
[0016]步骤S32:采用图像处理领域的大菱形搜索算法对粗定位得到的目标质心周围八个点位置结合指纹库进行精确定位搜索；
[0017]步骤S33:利用小菱形模板对精定位结果进行二次搜索更新链路信息，输出最优定位结果。
[0018]进一步的，所述交替方向乘子法，具体为：
[0019]设RTI系统图像x的重构是一个典型的不适定反问题，在解析稀疏模型下表示为：
[0020][0021]其中y＝[Δy1,Δy2,Δy3,
…
,Δy
M
]T
为测量矢量，表示无线传输链路中节点之间的RSS变化量，[W]i,j
＝w
i,j
是一个M
×
Q维的权重矩阵，M代表无线通信链路的总条数，Q代表无线网络区域体素的数量；重构信号x＝[Δx1,Δx2,Δx3,
…
,Δx
Q
]T
是一个Q
×
1维的矢量，映射的是无线传感网络中观测目标位置的信号衰减情况；
[0022]交替方向乘子法的计算框架如下：
[0023]minf(x)+g(z)s.t.Ax+Bz＝C
ꢀꢀꢀ⑻
[0024]其中x∈R
n
，z∈R
m
是优化变量，矩阵A∈R
p
×
n
，B∈R
p
×
m
，C∈R
p
，函数f(x)和函数g(z)分别是关于变量x，z的待求解的目标函数。将公式(7)改为ADMM算法计算框架形式：
[0025][0026]其中λ是对偶变量，Ω是解析稀疏模型中的解析算子，然后构造增广拉格朗日函数，并使u＝(1/ρ)λ，缩放对偶变量：
[0027][0028]其中ρ为增广拉格朗日参数，这样ADMM算法的迭代过程表示如下：
[0029][0030]迭代算法分为三步，分别是变量x,z最小化以及更新对偶变量u，其解的形式如下：
[0031][0032]上式中，x
k+1
，z
k+1
，u
k+1
分别是公式(10)增广拉格朗日函数的三个待求解变量在迭代k+1时的结果，其中变量x是待求结果，z，u为x的约束，W与W
T
是系统权重矩阵及其转置矩阵，Ω与Ω
T
为解析算子及其转置，S
λ/ρ
是一个软阈值函数，便于程序的求解，它的定义为:
[0033]进一步的，所述步骤S32具体为：
[0034](1)随机均匀扫描N条无线链路，利用公式(12)重构分辨率为N1的低分辨率RTI图像，并将图像质心作为搜索算法的初始位置r1；
[0035](2)以r1为中心，利用大菱形模板将初始位置及其周围八个位置作为虚拟指纹库的地址，搜索对应的关键链路编号L1...L9，取其并集E1＝L1∪L2...∪L9；
[0036](3)采样系统采集链路编号为E1的链路RSSI，并利用公式(12)重构分辨率为N2的高分辨率RTI图像，并将图像质心作为小菱形模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于虚拟指纹库的任务驱动无线电压缩成像系统，其特征在于，包括离线虚拟链路指纹库和在线搜索匹配计算成像单元；所述离线虚拟链路指纹库根据无线电信号传输菲涅尔区模型确定在感知区域内受影响的链路编号；所述在线搜索匹配计算成像单元引入视频处理中的运动估计搜索算法，结合基于压缩感知解析稀疏模型的交替方向乘子法，实现对感知区域内动态目标的跟踪成像。2.一种基于虚拟指纹库的任务驱动无线电压缩成像系统的成像方法，其特征在于，包括以下步骤：步骤S1：根据RTI系统网络拓扑结构，感知区域内无线传感器节点；步骤S2:基于无线传感器节点，根据无线电信号传输菲涅尔区模型确定在感知区域内受影响的链路编号；步骤S3:引入视频处理中的运动估计搜索算法，并结合基于压缩感知解析稀疏模型的交替方向乘子法，实现对感知区域内动态目标的跟踪成像。3.根据权利要求2所述的基于虚拟指纹库的任务驱动无线电压缩成像系统的成像方法，其特征在于，所述步骤S2具体为：步骤S21:对N个节点按顺时针顺序编号1
‑
N并以1号节点为原点设定坐标系,设定离散化的N*N个小区域中心坐标步骤S22:计算各组通信节点形成的菲涅尔区范围，将各对通信的收发节点作为第一菲涅尔区的焦点计算其第一菲涅尔区长轴a＝(d
i,j
+λ/2)/2；其中d
i,j
为第i个发送节点与第j个接收节点的欧氏距离；步骤S23:依次判断各离散化区域C
k
(i,j)，k＝{1,2,3,...N2}上被多少个FFZ覆盖，计算目标位置C1(i,j)到一对收发节点和的距离d
i,j
(1)、d
i,j
(2)；如果|d
i,j
(1)|+|d
i,j
(2)|≤2a，则被该对收发节点的FFZ覆盖，并记录编号l
q
，反之，则剔除；循环判断全部对收发节点形成的FFZ，得到每个小区域上覆盖的FFZ链路编号集合L＝{l1,l2,l3,...,l
q
}。4.根据权利要求2所述的基于虚拟指纹库的任务驱动无线电压缩成像系统的成像方法，其特征在于，所述步骤S3具体为:步骤S31:初始化系统，通过RSSI采集系统均匀采样，实现目标的粗定位；步骤S32:采用图像处理领域的大菱形搜索算法对粗定位得到的目标质心周围八个点位置结合指纹库进行精确定位搜索；步骤S33:利用小菱形模板对精定位结果进行二次搜索更新链路信息，输出最优定位结果。5.根据权利要求4所述的基于虚拟指纹库的任务驱动无线电压缩成像系统的成像方法，其特征在于，所述交替方向乘子法，具体为：设RTI系统图像x的重构是一个典型的不适定反问题，在解析稀疏模型下表示为：其中y＝[Δy1,Δy2,Δy3,
…
,Δy
M
]
T
为测量矢量，表示无线传输链路中节点之间的RSS变化量，[W]

【专利技术属性】
技术研发人员：钱慧，余毓鑫，
申请(专利权)人：福州大学，
类型：发明
国别省市：