[发明专利]一种基于空间迁移压缩感知的被动式定位方法

说明书

技术领域

本发明涉及被动定位领域，特别涉及一种基于空间迁移压缩感知的被动式定位方法。

背景技术

近年来，被动式定位(Device Free Localization，简称DFL)技术以其不需要用户佩戴任何无线设备和不要求用户主动参与定位过程的特点，受到了学术界和产业界的巨大关注。主流的被动式定位方法是利用待定位目标在监测区域对无线信号的扰动进行定位，一般具有两个步骤：在训练阶段，基于“接收信号强度”(Received Signal Strength，简称RSS)与“目标的位置”关系建立定位模型(先验知识库)；在定位阶段，通过将实时的RSS值与先验知识库进行匹配，确定目标的位置。

但是现有的DFL方法都具有一个共同的前提，即训练得到先验知识库均是针对给定的区域得到的。当定位区域大小一旦变化，节点部署形成的链路长度将发生变化，对应目标对无线信号的扰动也会变化，因此需要对新的区域进行重新训练得到新区域的先验知识库，这需要花费大量的时间去扫描监控区域的每个位置，所以带了数据量大能耗高和人力消耗巨大的问题。而在现实世界的应用中，由于在不同的应用上监控的区域也是不同的，所以对所有的监控区域都进行先验知识的获取显然是不现实而且不可行的。

现有的许多被动式定位方法都没有考虑到该问题，它们大体分为以下3类：

第一类：以张颠等为代表的基于学习的被动式定位。通过将节点部署为相邻等边三角形形成多个六边形，并以中间节点与六边形顶点节点进行通信的模式，利用目标处于不同网格位置处对信号的干扰建立先验知识库。但由于该方法需要部署较密集的节点以获取较高的代价，且当监测区域发生变化时需要重新建立先验知识库，因此该类方法并没有解决数据量大能耗高和人力消耗巨大的问题。

第二类：以Joseph Wilson等为代表的层析成像被动式定位。通过将节点均匀部署在监测区域的四周，所有节点之间进行两两通信，根据目标在不同位置对两两通信节点造成的干扰建立层析成像知识库，结合层析图像的方法对目标的位置进行显示，从而实现定位。但该类方法由于两两节点之间需要通信，且针对不同监测区域需要建立层析成像知识库，因此并没有解决数据量大能耗高和人力消耗巨大的问题。

第三类：以房鼎益为代表的基于压缩感知(Compressive Sensing，简称CS)的被动式定位。在定位区域的两侧部署相同个数的节点，只有标号相同的节点进行通信。通过在定位前记录目标在每个网格处时所有链路的RSS值构建感知矩阵，定位时所有链路收集一组RSS值，通过该组数据和感知矩阵，精确得到目标的位置。该方法由于不需要所有节点之间进行两两通信且部署节点较少，从而大大减少了数据量，降低了能耗。但当监测区域发生变化时，也需要对不同的区域构建感知矩阵，因此不能解决人力消耗大的问题。

综上所述，这三类定位方法都没有考虑到监测区域变化的问题，即对一给定区域建立的定位模型并不能用于大小不同的新区域。而且，现实情况中针对所有大小不同的区域建立一个对应的定位模型是非常不现实的。因此，面对多监测区域进行实际应用的被动式定位需要新的技术。

发明内容

为了解决现有技术的问题，本发明提供了一种基于空间迁移压缩感知的被动式定位方法，所述基于空间迁移压缩感知的被动式定位方法包括：

步骤一，在样本区域和待监测区域分别部署传感器节点；

步骤二，通过所述传感器节点采集样本区域和待监测区域中参考位置处的RSS矩阵；

步骤三，根据所述样本区域和待监测区域的所述RSS矩阵，得到迁移函数；

步骤四，通过所述传感器节点采集样本区域中的样本RSS值，将所述样本RSS值组合为感知矩阵；

步骤五，通过所述传感器节点采集待监测区域中的定位RSS值，将所述定位RSS值组合为测量向量；

步骤六，根据所述迁移函数，将所述样本区域的感知矩阵和所述待监测区域中的测量向量进行迁移，得到迁移后的感知矩阵和迁移后的测量向量；

步骤七，当所述样本区域的面积小于所述待监测区域的面积时，对迁移后的感知矩阵进行网格插值处理，得到迁移后的高分辨率感知矩阵；

步骤八，根据迁移后的感知矩阵和迁移后的测量向量，利用压缩感知理论恢复目标的位置。

可选的，所述基于空间迁移压缩感知的被动式定位方法，还包括：

当所述样本区域的面积不小于所述待监测区域的面积时，在完成步骤六后，直接进行步骤八。

可选的，所述在样本区域和待监测区域分别部署传感器节点，包括：