基于压缩感知的定位算法研究

发布时间：2017-05-28 18:03

  本文关键词：基于压缩感知的定位算法研究，由笔耕文化传播整理发布。

【摘要】：随着无线通信网络技术的不断发展,基于位置的服务越来越受到人们的重视。大量无线定位技术不断出现,其中基于接收信号强度(received signal strength,RSS)的方法因原理简单、成本低,在工业领域应用广泛。传统RSS定位技术基于信道传播模型计算能量分布,适用于空旷区域。在室内及城市多径环境,信道传播复杂且随时间变化,传统RSS定位技术定位精度严重下降。近几年提出了压缩感知采样理论应用于定位领域,将采样与压缩过程相结合,减少了绝大多数冗余数据的处理,从而提高无线网络的定位效果。本文在现有RSS定位算法的基础上,针对压缩感知算法在定位中的应用背景,做了如下研究:①深入分析了室内无线定位技术。主要研究了红外线定位技术、超声波定位技术、超宽带定位技术、Zig Bee定位技术和基于RFID的定位技术。其次研究了关于室内定位的一些常用算法包括TOA、TDOA、AOA和RSSI算法。最后针对室内环境的复杂性介绍了几种室内信道传播模型,分析了利用接收功率信号强度算法对目标定位的可行性。②详细描述了压缩感知基本理论,主要包括信号的稀疏表示,信号的测量和信号的重建;针对室内无线网络定位系统,研究了利用压缩感知算法的定位过程,主要包括系统模型的建立,指纹特征库的建立,观测矩阵的设计,正交化预处理和算法实现。对OMP、St OMP、SP等几种常见的压缩感知恢复算法进行了matlab仿真,比较分析了每种算法的定位性能。③提出了一种基于压缩感知功率场重建算法的定位方案。传统的基于压缩感知定位算法主要是通过建立指纹库,而在室内或多径环境下指纹库的建立和维护都比较复杂;与现有的指纹库方法相比,本文所提方法无需建立指纹库,只需测量出定位区域的一少部分网格点的接收信号强度,然后由观测矩阵和稀疏基利用压缩感知技术就可以恢复出待定位目标辐射的功率场,功率场最大值对应的坐标就是目标的估计位置。结果表明本方法降低了算法的复杂度,提高了工作效率,在相同条件下能够获得较高的定位精度。通过对观测矩阵的优化提高了定位系统的稳定性,避免了因随机性产生的偶然误差,在实际定位中更加实用,有很好的应用前景。
【关键词】：无线网络 定位 压缩感知 接收信号强度 功率场重建
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN92
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-12
• 1.1 研究背景及意义8
• 1.2 国内外研究现状8-11
• 1.2.1 室内定位技术的发展8-9
• 1.2.2 压缩感知技术的发展9-11
• 1.3 论文的结构安排11-12
• 2 室内无线定位技术介绍12-22
• 2.1 常见室内定位技术12-15
• 2.1.1 红外线室内定位技术12-13
• 2.1.2 超声波室内定位技术13
• 2.1.3 UWB室内定位技术13
• 2.1.4 ZigBee室内定位技术13-14
• 2.1.5 RFID室内定位技术14-15
• 2.2 室内无线定位算法15-19
• 2.2.1 TOA方法15-16
• 2.2.2 基于信号到达时间差法（TDOA）16-17
• 2.2.3 基于信号到达入射角法（AOA）17-18
• 2.2.4 基于接收信号强度法（RSSI）18-19
• 2.3 室内无线传播环境19-20
• 2.4 几种常见的信道模型20-21
• 2.5 本章小结21-22
• 3 压缩感知基本理论22-34
• 3.1 信号的稀疏表示23-24
• 3.2 信号的测量24-26
• 3.3 信号的重建算法26-27
• 3.4 压缩感知现有重构算法研究27-33
• 3.4.1 基追踪算法27
• 3.4.2 匹配追踪算法27-28
• 3.4.3 分阶段正交匹配追踪（StOMP）算法28-29
• 3.4.4 压缩采样匹配追踪（CoSaMP）算法29
• 3.4.5 子空间追踪（SP）算法29-30
• 3.4.6 现有算法性能分析30-33
• 3.5 总结33-34
• 4 基于压缩感知的多目标定位系统34-44
• 4.1 系统模型34-36
• 4.2 定位算法设计36-39
• 4.2.1 指纹特征库的建立36-37
• 4.2.2 观测矩阵的设计37
• 4.2.3 正交化预操作37-38
• 4.2.4 压缩采样和恢复38
• 4.2.5 数据后处理38-39
• 4.3 仿真场景设置39
• 4.4 定位性能指标39
• 4.5 仿真结果及分析39-43
• 4.6 本章小结43-44
• 5 基于压缩感知实时重建功率场的定位方法44-58
• 5.1 基于压缩实时重建功率场的定位算法45-48
• 5.1.1 算法基本理论45-47
• 5.1.2 基于压缩感知实时重建功率场的定位算法设计47-48
• 5.2 仿真结果及分析48-53
• 5.3 基于压缩感知实时重建功率场的算法优化53-55
• 5.4 本章小结55-58
• 6 总结与展望58-60
• 6.1 论文研究内容总结及误差分析58-59
• 6.1.1 论文研究内容58
• 6.1.2 误差分析58-59
• 6.2 下一步的研究工作59-60
• 致谢60-62
• 参考文献62-66
• 附录66
• A. 作者在攻读学位期间发表的论文及专利目录66
• B. 作者在攻读学位期间参加的科研工作66

【相似文献】

中国期刊全文数据库 前10条

1 刘叙含;申晓红;姚海洋;邓欣;;基于帐篷混沌观测矩阵的图像压缩感知[J];传感器与微系统;2014年09期

2 王韦刚;杨震;顾彬;胡海峰;;基于观测矩阵优化的自适应压缩频谱感知[J];通信学报;2014年08期

3 王侠;王开;王青云;梁瑞宇;左加阔;赵力;邹采荣;;压缩感知中的确定性随机观测矩阵构造[J];信号处理;2014年04期

4 鄢鹏程;;一种基于阈值迭代和自适应观测矩阵的压缩感知图像处理[J];信息与电脑(理论版);2013年03期

5 石光明;刘丹华;高大化;刘哲;林杰;王良君;;压缩感知理论及其研究进展[J];电子学报;2009年05期

6 宁万正;王海燕;申晓红;蒋世全;王璇;;一种自适应观测矩阵下的信号重构算法[J];计算机应用研究;2011年09期

7 赵春晖;刘巍;;压缩感知理论及其在成像技术中的应用[J];智能系统学报;2012年01期

8 金坚;谷源涛;梅顺良;;压缩采样技术及其应用[J];电子与信息学报;2010年02期

9 王军华;黄知涛;周一宇;王丰华;;压缩感知理论中的广义不相关性准则[J];信号处理;2012年05期

10 肖小潮;郑宝玉;王臣昊;;一种基于最优观测矩阵的自适应贝叶斯压缩信道感知联合机制[J];电子与信息学报;2012年10期

中国重要会议论文全文数据库 前1条

1 顾国生;战荫伟;;一种混沌序列在压缩感知观测矩阵构造中的应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

中国博士学位论文全文数据库 前5条

1 赵玉娟;压缩感知和矩阵填充及其在信号处理中应用的研究[D];南京邮电大学;2015年

2 孙晶明;压缩感知中观测矩阵的研究[D];华中科技大学;2013年

3 徐永刚;矿山数据压缩采集与重建方法研究[D];中国矿业大学;2013年

4 丁丽;MIMO雷达稀疏成像的失配问题研究[D];中国科学技术大学;2014年

5 张京超;稀疏多频带信号压缩采样方法研究[D];哈尔滨工业大学;2014年

中国硕士学位论文全文数据库 前10条

1 龚艳雷;基于SDN的网络流量矩阵测量方法研究[D];电子科技大学;2015年

2 刘莎;压缩感知中观测矩阵的构造及优化方法研究[D];东北大学;2013年

3 王哲;基于稀疏重构的SAR成像技术研究[D];西安电子科技大学;2014年

4 凤宏哲;高分辨SAR稀疏目标成像研究[D];西安电子科技大学;2014年

5 朱海梁;压缩感知接收机关键技术研究[D];西安电子科技大学;2014年

6 李继楼;压缩感知观测矩阵优化与信号重建算法研究[D];南京邮电大学;2015年

7 李伟光;基于压缩感知的定位算法研究[D];重庆大学;2015年

8 孙瑞;压缩传感中观测矩阵构造及其性能分析[D];哈尔滨工业大学;2012年

9 王彪;压缩传感中的观测矩阵研究[D];天津理工大学;2012年

10 方杰;压缩感知观测矩阵和重构算法的研究[D];华南理工大学;2015年

  本文关键词：基于压缩感知的定位算法研究，，由笔耕文化传播整理发布。

本文编号：403141