[发明专利]一种基于迁移压缩感知的多种类多目标被动式定位方法

摘要

本发明公开了一种基于迁移压缩感知的多种类多目标被动式定位方法，具体包括如下步骤步骤一，传感器节点部署；步骤二，采集数据为确定迁移函数做准备；步骤三，确定不同种类目标的迁移函数；步骤四，利用步骤三得到的迁移函数将感知矩阵迁移；步骤五，目标定位。本发明的方法基于迁移压缩感知，能够满足野生动物保护的稀疏网络部署、低数据采集量、低能耗的需求。与已有的被动式定位方法相比，对于新出现的一类目标，无需重新构建定位模型(感知矩阵)，即可完成高精度定位。其突出优点在于，重新构建定位模型即感知矩阵往往需要花费大量的人力和物力，使用本发明的方法可以节省人力和物力，能满足面向多种类多目标的野生动物定位的需求。

主权项

一种基于迁移压缩感知的多种类多目标被动式定位方法，其特征在于，具体包括如下步骤：步骤一，传感器节点部署；步骤二，采集数据为确定迁移函数做准备；找到监测区域中的T类目标，并将这T类目标用集合H＝{h1,…,hl,…,hk,…,hT}表示，其中，hl表示第l类目标，hk表示第k类目标；然后，分别让每类目标中的一个目标位于监测区域内的一固定位置，基站以一定时间间隔连续采集某条链路的RSS值，RSS(Received Signal Strength)表示信号接收强度；得到第l类目标对应的一组RSS值集合：其中，nl是总的RSS值采集个数，表示采集过程中的第i个RSS值；其他T‑1类目标都用同样于第l类目标采集RSS值的方法采集一组RSS值集合，最终得到所有T类目标对应的RSS值集合：步骤三，确定不同种类目标的迁移函数，具体操作如下：第一步：确定迁移目标：首先，求得使式1最小的矩阵K的值：其中,C＝100；S和K都是n*n的对称矩阵，nl是第l类目标对应的采集过程中的采集次数；矩阵K是n*n的对称矩阵，其定义如下：K＝ΦTΦ   (2)其中，和分别是第l类目标和第k类目标的原始RSS值集合,和分别是第l类目标和第k类目标经过迁移函数φl(·)和φk(·)迁移后的RSS值集合；矩阵S是n*n的对称矩阵，其第i行第j列的元素sij定义如下：其中，nl和nk分别是第l类目标和第k类目标对应的采集过程中的采集次数，它们在进行完步骤二后均已知，故矩阵S已知；将矩阵K展开得到：通过如下步骤得到矩阵K：由于S是对称矩阵，根据对称矩阵的性质，S被分解为：其中，Λ＝diag(λ1,…,λn),0≤λ1≤…≤λn是特征向量的值；由于矩阵K也是对称矩阵，因此得到如下形式的矩阵K：那么，式(1)转化为，其中，Γ＝diag(δ1,…,δn)，C的定义及取值同式(1)；因此，对式(1)的求解转换成对式(9)的求解，得到[σ1,…,σt,…,σn]的取值，再根据式(7)确定矩阵K的值；第二步，根据第一步得到的矩阵K确定迁移函数，具体操作是利用式12：其中，是在步骤二中采集到的第l类目标对应的一组RSS值集合中的第i次采样值，它的值已知；m是指迁移函数的阶次，m＝1；是式12所示的迁移函数的系数，它们均未知，需要求得，求解方法如下：将式(12)代入式(5)的矩阵K求解得到第l类目标的迁移函数；步骤四，利用步骤三得到的迁移函数将感知矩阵迁移；具体操作如下：从T类目标中的第l类目标中选出一个目标，让其依次进入监测区域每个方格，测出第l(1≤l≤T)类目标的感知矩阵为：其中，AM×N×Q中，M表示定位区域发射和接收无线链路对的个数，N表示定位区域划分网格的个数；Ri,j＝{ri,j,q},1≤q≤Q，表示第l类目标位于第j(1≤j≤N)个方格时第i条链路采集到的Q个连续的RSS值；利用步骤三已经求得的第l类目标的迁移函数φl(·)迁移第l类目标的感知矩阵如式14所示；式14是迁移后的第l类目标的感知矩阵，式14所描述的感知矩阵适用于所有T类目标中的每一类目标；其中，φl(Ri,j)，指的是第l类目标出现在第j个网格时，第i条链路收到的一组RSS值的迁移结果；步骤五，目标定位；具体操作如下：如果第k(1≤k≤T)类目标出现在监测区域，此时基站采集到一组测量数据：YM×1×Q＝(oi,q)＝[O1,…,Oi,…,OM]   (15)其中，Oi＝{oi,q},1≤q≤Q，表示基站从第i条链路采集到的Q个连续的RSS值；M是指监测区域内链路的个数，根据实际部署情况而定；则利用第k类目标的迁移函数φk(·)，得到迁移后的第k类测量数据定义为：Y′M×1×L＝[φk(O1),…,φk(OM)]   (16)采用最大概率取值的方法分别对式14所示的三维矩阵和式16所示的二维矩阵进行降维，具体是利用式17、式18进行降维：ri,j＝argmax1≤q≤Qp(φl(ri,j,q))   (17)oi＝argmax1≤q≤Qp(φk(oi,q))   (18)降维后的已迁移感知矩阵和降维后的已迁移测量数据可写为：A″M×N＝(ri,j),ri,j∈RM×N   (19)Y″M×1＝(oi),oi∈RM   (20)第k(1≤k≤T)类多个目标的位置信息向量为：ΘN×1＝[θ1,θ2,…,θj,…θN]T   (21)其中，θj∈{0,1}，当第j个方格上有目标时θj＝1，否则为0；根据压缩感知理论，由式19、式20、式21构建如下表达式，Y″M×1＝A″M×N·ΘN×1   (22)式22中，向量Θ未知的，其余参数均已知；通过执行式(23)所示的压缩感知重建算法，得到第k(1≤k≤T)类多目标的位置信息向量Θ，其中，ε约束噪声的大小，0.05<ε＜0.5；得到第k类目标的位置向量Θ后，根据向量Θ在式(21)中的定义，获得第k类多个目标在定位区域内的位置信息，1≤k≤T，即完成用第l类目标的感知矩阵定位第k类目标，l≠k。