Compressive Sensing Based Device-Free Moving Target Trajecto

  本文关键词：基于压缩感知的被动式移动目标轨迹测绘，由笔耕文化传播整理发布。

基于压缩感知的被动式移动目标轨迹测绘 Compressive Sensing Based Device-Free Moving Target Trajectory Depiction

    

 新浪微博

 腾讯微博

 豆瓣

 人人网

摘要：

被动式目标轨迹测绘以其无需目标携带任何设备的优点吸引着许多应用,如野生动物监测、入侵安全监测等.针对现有基于被动式目标轨迹测绘方法,因频繁定位而导致计算开销大和大量观测数据导致通信能耗高的问题,文中提出基于压缩感知的被动式目标轨迹测绘(Compressive Sensing Based Device-Free Target TrajectoryDepiction,CSTD)算法,仅用少量观测数据一次性精确测绘出目标轨迹,减少了计算和通信开销,降低了能耗.文中的关键性发现及CSTD优点是:(1)轨迹上不同的位置及其估算具有时间独立性和空间统一性,可将不同位置映射到统一的物理空间一次性测绘出目标轨迹,避免传统方法频繁定位计算开销的问题;(2)目标轨迹与监测区域的空间位置相比具有稀疏性,利用压缩感知原理通过少量观测数据就能精确测绘出目标轨迹,降低了数据量和能耗.为适应实际应用中的大规模场景需求,该文给出了可扩展的CSTD算法模型,并提出了目标轨迹稀疏度未知(目标经过的位置数未知)下的稀疏恢复算法.部署了48个节点的8m×8m真实实验,结果表明在降低观测数据量的同时,CSTD较现有经典算法至少提高了63％的轨迹测绘精度.

  本文关键词：基于压缩感知的被动式移动目标轨迹测绘，，由笔耕文化传播整理发布。