基于RTI双重构的免携带设备目标无线定位

发布时间：2018-04-29 03:23

  本文选题：免携带设备定位 + 正则化　； 参考：《系统工程与电子技术》2016年01期

【摘要】：免携带设备定位是利用目标对无线通信链路产生的阴影衰落来估计目标的位置。针对现有算法定位精度有限、计算复杂度高等问题,在无线层析成像(radio tomographic imaging,RTI)的基础上提出了基于双重构的定位算法。该算法利用正则化快速重构的特点,首先对目标进行初步的定位;其次将粗定位区域进行像素精确划分,同时利用链路选择法减少链路个数,降低算法复杂度;最后提出补空间稀疏度自适应匹配重构算法,将目标位置转化为稀疏信号重构问题,完成定位。实验仿真结果表明,与基于RTI的单重构定位算法相比,所提双重构算法能达到较好的定位精度,且实时性更高。
[Abstract]:Portable location is to estimate the location of the target by using the shadow fading caused by the target to wireless communication link. Aiming at the problems of limited localization accuracy and high computational complexity of existing algorithms, a localization algorithm based on double reconstruction is proposed on the basis of radio tomographic imagingRTI for wireless tomography. The algorithm uses the characteristics of fast reconstruction of regularization to locate the target at first, then divides the coarse location area into pixels accurately, and reduces the number of links and the complexity of the algorithm by using the link selection method. Finally, an adaptive matching reconstruction algorithm of complementary space sparsity is proposed, which transforms the target position into sparse signal reconstruction problem and completes localization. The experimental results show that the proposed dual reconstruction algorithm can achieve better localization accuracy and higher real-time performance compared with the single reconfigurable localization algorithm based on RTI.
【作者单位】： 上海大学通信与信息工程学院特种光纤与光接入网重点实验室;
【基金】：国家自然科学基金(61501288,61571279) 上海市自然科学基金(15ZR1415500)资助课题
【分类号】：TN92

【参考文献】

相关期刊论文 前1条

1 刘凯;余君君;黄青华;;基于压缩感知的免携带设备双目标定位算法[J];电子与信息学报;2014年04期

【共引文献】

相关硕士学位论文 前1条

1 吴力飞;具有认知能力的精确实时被动无线定位技术研究[D];大连理工大学;2014年

【二级参考文献】

相关期刊论文 前1条

1 孙吉贵;刘杰;赵连宇;;聚类算法研究[J];软件学报;2008年01期

相关博士学位论文 前1条

1 冯辰;基于压缩感知的RSS室内定位系统的研究与实现[D];北京交通大学;2011年

【相似文献】

相关期刊论文 前10条

1 尹学松;胡恩良;;半监督正则化学习[J];小型微型计算机系统;2010年12期

2 相文楠;赵建立;;判别正则化谱回归[J];聊城大学学报(自然科学版);2011年04期

3 李勇周;罗大庸;刘少强;;基于正则化最小二乘的局部判别投影的人脸识别[J];模式识别与人工智能;2008年05期

4 庄福振;罗平;何清;史忠植;;基于混合正则化的无标签领域的归纳迁移学习[J];科学通报;2009年11期

5 朱林立;戴国洪;高炜;;正则化框架下半监督本体算法[J];微电子学与计算机;2014年03期

6 刘小兰;郝志峰;杨晓伟;马献恒;;基于最小熵正则化的半监督分类[J];华南理工大学学报(自然科学版);2010年01期

7 关海鸥;衣淑娟;焦峰;许少华;左豫虎;金宝石;;农作物缺素症状诊断的正则化模糊神经网络模型[J];农业机械学报;2012年05期

8 刘敏;陈恩庆;杨守义;;正则化粒子滤波在水下目标跟踪中的应用[J];电视技术;2012年09期

9 尚晓清;杨琳;赵志龙;;基于非凸正则化项的合成孔径雷达图像分割新算法[J];光子学报;2012年09期

10 刘建伟;黎海恩;刘媛;付捷;罗雄麟;;迭代再权共轭梯度q范数正则化线性最小二乘 支持向量机分类算法[J];控制理论与应用;2014年03期

相关会议论文 前5条

1 毛玉明;郭杏林;吕洪彬;;动载荷反演问题的正则化求解[A];第18届全国结构工程学术会议论文集第Ⅰ册[C];2009年

2 王彦飞;;地球物理数值反演问题的最优化和正则化理论与方法[A];中国地球物理学会第二十七届年会论文集[C];2011年

3 廖熠;赵荣椿;;从明暗恢复形状方法综述[A];中国体视学学会图像分析专业、中国体视学学会仿真与虚拟现实专业、中国航空学会信号与信息处理专业第一届联合学术会议论文集[C];2000年

4 张瀚铭;闫镔;李磊;;一种基于TV正则化的有限角度CT图像重建算法[A];全国射线数字成像与CT新技术研讨会论文集[C];2012年

5 熊春阳;黄建永;方竞;;高性能牵引力显微镜方法及其在细胞力学研究中的应用[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会报告论文[C];2010年

相关博士学位论文 前2条

1 王梅;正则化路径上的支持向量机模型组合[D];天津大学;2013年

2 刘小兰;基于图和熵正则化的半监督分类算法[D];华南理工大学;2011年

相关硕士学位论文 前10条

1 黄树东;协同聚类及集成的关键技术研究[D];西南交通大学;2015年

2 王新美;基于正则化相关熵的极端学习机[D];河北大学;2013年

3 冯李哲;关于系数正则化模型的误差分析[D];杭州师范大学;2011年

4 田明党;系数正则化在线算法收敛性分析[D];宁波大学;2011年

5 储小荣;基于无界抽样的正则化回归学习算法的研究[D];济南大学;2013年

6 吴鹏洲;基于支持向量机与正则化风险最小化的目标计数研究[D];浙江大学;2013年

7 黄志强;正则化机器学习算法及其财务预警应用研究[D];华东交通大学;2014年

8 王宇;动态在线序列极端学习机[D];西北大学;2014年

9 王艳;基于联合正则化及隐马尔可夫树模型的图像压缩传感方法研究[D];燕山大学;2010年

10 杨梓灿;基于MPI的正则化贪心森林的并行化设计与实现[D];中山大学;2014年

，

本文编号：1818179