[发明专利]一种基于测量值量化的压缩感知无源被动式目标定位方法

权利要求书

1.一种基于测量值量化的压缩感知无源被动式目标定位方法，其特征在于，包括以下步骤：

步骤1、对定位区域进行网格划分；

步骤2、部署无线链路；

步骤3、构造无源定位的感知矩阵；

步骤4、计算离散化的测量值概率函数；

步骤5、根据计算出的链路上的测量值概率情况，构建量化器；

步骤6、获得目标的测量值，并利用构建的量化器对测量数据进行量化处理，获得量化后的数据；

步骤7、利用压缩感知恢复算法，重构目标的位置向量；

步骤8、将目标位置向量中最大的K个值所对应的网格中心作为目标的真实位置；

步骤1所述的对定位区域进行网格划分，具体如下：

对N个网格进行1-N的编号，设定目标位于网格中心处，用一个具有K阶稀疏度的N维向量x(||x||₀＝K)表示目标位置，其中，K为定位区域中的目标个数，x中的非0元素所对应的网格中心即为目标的真实位置；

步骤2所述的部署无线链路，具体如下：

分别将M个发射机和接收机均匀部署在定位区域的对边上，一组相对的发射机和接收机组成一条无线链路，共计M条无线链路，来测量目标对无线信号造成的影响；

步骤3所述的构造无源定位的感知矩阵，具体如下：

构造无源定位的感知矩阵A，感知矩阵元素A_mn表示目标位于第n个网格中心处时对第m条无线链路产生的影响，通过实际的实验获得，或者根据已有的无源定位模型来获得；

步骤4所述的计算离散化的测量值概率函数，具体如下：

根据感知矩阵A的元素，计算每个传感器可能取值的概率情况，设定目标等概率随机分布在定位区域中，此时目标位于每个网格中心处的概率相等，对于第m条链路，其可能的测量值取值集合为感知矩阵的第m行元素值，计算该链路上的测量值w为c的概率p_c，公式如下：

其中Num(A(m,:)＝c)表示感知矩阵第m行中元素值为c的数目，χ表示测量值的所有取值范围；

当存在2个目标时，则该条链路上的测量值为w＝w₁+w₂：

当存在K个目标时，K＞2，则该条链路上的测量值为w＝w₁+w₂+,…,w_K

步骤5所述的根据计算出的链路上的测量值概率情况，构建量化器，具体如下：

根据计算出的M条链路上的测量值分布情况，利用Lloyd算法确定相应的量化区间V和量化值U为：

V＝(v₁,v₂,…,v_L-1)

U＝(u₁,u₂,…,u_L)

具体的量化算法为：

其中，y和z分别表示需要测量的数据值和量化处理之后的数据值；

步骤6所述的获得目标的测量值，并利用构建的量化器对测量数据进行量化处理，获得量化后的数据，具体如下：

获得目标的测量值y_M×1并利用步骤5构建的量化器对测量数据进行量化，获得量化后的数据z_M×1，此时：

z＝Q(y)＝y+e＝Ax+n+e

其中，Q表示量化函数；y和z分别表示真实的接收值和量化后的数据；n和e分别表示环境噪声和量化噪声；x表示目标的位置向量；

步骤7所述的利用压缩感知恢复算法，重构目标的位置向量，具体为利用压缩感知恢复算法求出重构目标位置向量所述压缩感知恢复算法采用基追踪算法、贪婪匹配追踪算法或贝叶斯压缩感知算法；

步骤8所述的将目标位置向量中最大的K个值所对应的网格中心作为目标的真实位置，具体如下：

将重构目标位置向量中最大的K个值所对应的网格中心作为目标的真实位置。