[发明专利]基于分层射频成像的无线网络被动定位方法

摘要

本发明公开一种基于分层射频成像的无线网络被动定位方法，根据无线网络中链路的长度将无线链路分成若干组，为每一组链路设置一个优先级，并按照优先级从高到低的顺序，利用链路组的信息计算限定区域格栅的概率值；将每个链路组计算的格栅概率定义为一层射频图像，针对每层射频图像利用方形人体模型定位目标的位置；如果连续两层射频图像确定的目标位置之差小于给定的误差，本次目标定位结束。实验证明本发明不仅大大降低了计算复杂度，而且具有较高的定位精度和稳定性。

主权项

1.一种基于分层射频成像的无线网络被动定位方法，其特征在于按照如下方法进行：步骤1：计算监控区域有无目标时RSS差值，并将监控区域分成边长为的K个格栅，计算所有格栅的中心坐标；步骤2：根据无线链路长度将无线链路进行分组并设置优先级：计算监控区域中所有无线链路的长度，将长度相同的链路分为一组，记为链路组g，并为链路组g设置优先级，优先级计算公式如下：式中：PRIg表示链路组g的优先级，ng为链路组g的链路数，nmax表示所有链路组中最大链路数，dg为链路组g的链路长度，dmax表示所有链路组中最大链路长度，sg为链路组g的平均衰减，smax表示所有链路组中最大平均衰减；步骤3：由前一时刻目标的评估位置确定本时刻目标位置的范围：假设t‑1时刻目标位置为格栅grid(a，b)的中心坐标，所述a是格栅的行号，b是格栅的列号；在t时刻定位目标时，目标位置的范围是以中心坐标为grid(a‑2r,b‑2r)格栅和中心坐标grid(a+2r,b+2r)格栅为对角顶点格栅的方形区域M，所述r是大于(velocity*cycle)/l的最小整数，所述velocity为目标运动的最大速度，所述cycle为定位周期时长；若中心坐标为grid(a‑2r,b‑2r)或grid(a+2r,b+2r)的格栅超出监控区域边界，则以监控区域相对应的顶点格栅坐标为方形区域M的顶点格栅坐标；步骤4：以优先级最高的链路组g的数据计算目标位置范围内所有格栅的格栅概率：所述格栅概率按如下步骤计算：步骤4‑1：按如下公式计算链路组g中一条链路作用下的格栅影响系数：式中：j是链路组g的链路号，k是格栅号，是利用链路组g中的链路j的数据计算的目标可能处于格栅k的影响系数，是链路组g中的链路j的RSS差值，表示格栅k的中心坐标与链路组g中的链路j的两个节点之间距离之和，表示链路组g中的链路j的长度，是定义椭圆宽度的截断参数；步骤4‑2：累加每个链路的格栅影响系数，得到链路组g的所有链路作用下的格栅影响系数为，所述J表示链路组g的链路总数；步骤4‑3：对格栅影响系数按照如下公式进行归一化处理，得到每个格栅k在t时刻的格栅概率：式中H是方形区域M内的格栅总数；步骤5：利用方形人体模型搜索最大平均概率的格栅区域并确定第一目标位置m1：将所有格栅概率定义为一层射频图像，根据方形人体模型，在所述H个格栅内搜索具有最大平均概率的格栅区域M1，并将格栅区域M1的中心坐标作为根据本层射频图像定位的目标位置m1；步骤6：以下一个优先级的链路组g的数据计算目标位置范围内所有格栅的格栅概率并利用方形人体模型搜索最大平均概率的格栅区域及确定第二目标位置m2：以下一个优先级的链路组g的数据按照步骤4‑1~步骤4‑3计算所述格栅概率，定义为一层射频图像，根据方形人体模型，在所述H个格栅内搜索具有最大平均概率的格栅区域M2，并将格栅区域M2的中心坐标作为根据本层射频图像定位的目标位置m2；步骤7：如果目标位置m1和目标位置m2之差小于给定的误差，本次目标定位结束；否则将现有目标位置m2作为目标位置m1，返回步骤6。