[发明专利]一种应用于无线层析成像系统的降质函数的估计方法

说明书

本发明公开了一种应用于无线层析成像系统的降质函数的估计方法，属于无线网络中图像处理领域。令无线层析成像过程为线性的图像降质过程，结合约束最小二乘法准则，使用图像复原方法可以解决无线层析成像系统目标成像模糊、具有膨胀效应的问题，获得较清晰的“原始”图像。本发明提出将函数卷积过程转换为矩阵相乘的形式，推导出降质函数的卷积变换矩阵与无线层析成像系统线性解的关系；然后由矩阵变换理论得到降质函数与卷积变换矩阵之间的映射关系，并通过建立混合高斯模型估计出降质函数。本发明应用于无线层析成像系统后，有效地减弱目标成像的膨胀效应，提高无线层析成像系统的成像精度，可应用于实际环境中。

技术领域

本发明涉及一种基于无线层析成像系统的降质函数的估计方法，应用于无线层析成像系统的图像复原过程中，属于无线网络中的图像处理领域。

背景技术

无线层析成像(RTI)是一种用来对无线传感器网络区域内的目标进行定位的无源定位技术，其利用无线节点间的通信链路被目标遮挡引起的信号强度衰减来反演出区域内各个位置处的信号衰落强度，得到区域内的信号衰减图，进而得到目标所有的位置信息。近年来，随着各个领域对位置服务需求的增加，无线定位技术相关的研究越来越活跃。RTI技术作为一种新兴的无源定位技术，引起了众多领域的兴趣，并已经取得了大量研究成果。最早是由美国犹他大学的Wilson和Patwari提出的基于阴影衰减的RTI方法(SRTI)，SRTI是利用接收信号强度(RSS)变化在无线网络中成像的方法。SRTI方法假设无线链路被目标遮挡会引起很大的阴影衰减，没被障碍物遮挡的链路则会保持稳定。

这种经典的基于阴影的RTI成像技术过程为：

将S个无线节点等距离部署在监测区域周围，这些节点具有相同的物理结构，工作在相同频段并支持相同的通信协议。每个节点坐标已知，为(x_s,y_s),s∈{1,2,...,S}，这些无线节点共构成L＝S(S-1)/2条无线链路，每个节点按照预先设定的协议和时序发送数据，并且接收及测量其他节点发的无线信号的RSS值。

测量时先测量监控区域内没有目标时，每条链路的RSS值r_l，其中l是链路编号；然后测量目标出现在监测区域内时每条链路在离散时刻t的RSS值r_l,t，从而得到第l条链路在t时刻的RSS变化量为：Δr_l,t＝r_l-r_l,t,l＝1,2,...,L.。将监测区域分割成N个小的区域，每个小的区域称为像素，每个像素用Δx_j,j∈{1,2,...,N}表示，则每条链路的RSS变化量看成每个像素的RSS变化量的加权和，那么第l条链路在t时刻的RSS变化量就可以用公式表示为：其中Δx_j,t是在t时刻发生在像素j内的RSS衰减值，n_l,t是时刻t时链路l上的测量噪声，w_lj是链路l里的像素j的权重值。

所有链路的RSS变化量的表达式写成矩阵的形式：

r＝Wx+n, (1)

r和n都是L×1向量，分别表示所有链路的RSS变化量和噪声；x是N×1向量，表示衰减图像；W是L×N维的权重矩阵；式(1)为RTI系统对无线网络中目标成像的线性方程表达式。

利用正则化方法求解线性方程，得到衰减图像向量的线性解为：

Π是线性转移矩阵，D_X和D_Y分别为水平方向和垂直方向的差分算子，式(2)即为RTI系统的线性方程解，也是基于阴影衰减的RTI系统对目标的成像结果。