共查询到16条相似文献,搜索用时 78 毫秒
1.
2.
3.
提出仅依赖连通度的多目标定位方法,将多目标定位问题转化为基于压缩感知的稀疏向量重构,解决室内参照物高密度分布的目标定位问题。定位方法仅以连通度为观测值,运用最小化l1-范数法求解目标位置。当观测数据压缩为1 bit时,提出半正定松弛和不动点迭代法结合的目标求解算法。根据仿真实验结果,与MDS-MAP、DV-Hop和RSS-CS方法进行比较得出,仅连通度的非1-bit和1-bit量化的CS定位方法的平均定位误差小于1个网格,且2种方法占用的比特数只相当于RSS定位方法占用比特数的 和 。 相似文献
4.
针对现存无线传感器网络定位算法中需要采集、存储和处理大量数据导致运算量较大与能耗过高的问题,提出了一种改进的基于贝叶斯压缩感知的多目标定位算法.该算法利用锚节点对监控区域的划分,结合贝叶斯压缩感知理论将多目标定位问题转换为稀疏信号重构的问题.针对传统观测矩阵难以实现的缺陷,该算法中改进观测矩阵的设计可实现且与稀疏变换基相关性较低,进而使得算法的重构性能较高,从而降低了定位的误差.仿真结果表明,与现有的一些方法相比,所提算法在保证较低的计算复杂度的情况下更加充分地利用了网络节点,有效提高了定位精度,同时具有较强的鲁棒性. 相似文献
5.
无源被动定位是入侵者检测、环境监测以及智能交通等应用的关键问题之一。现有的无源被动定位方法可通过信道状态信息获取多个维度上的测量信息,但是现有方案未能充分挖掘多个信道上的频率分集以提高定位性能。该文提出一种基于多维测量信息的压缩感知多目标无源被动定位算法,在压缩感知框架下利用多维测量信息的频率分集提高定位精度和鲁棒性。根据鞍面模型建立无源字典,将多目标无源被动定位问题建模成多测量向量联合稀疏恢复问题,并利用多维稀疏贝叶斯学习算法估计目标位置向量。仿真结果表明,该算法能有效利用多维测量信息提高定位性能。
相似文献6.
基于压缩感知的免携带设备双目标定位算法 总被引:1,自引:0,他引:1
免携带设备的目标定位(DFL)不需要目标携带任何设备就能获取位置信息,针对现有算法在多目标定位中存在的因射频信号时变特性引起的问题,该文结合指纹法,提出了基于压缩感知的免携带设备双目标定位算法。该算法采用中心概率覆盖模型建立单目标射频地图到双目标射频地图的映射关系,解决指纹法由于目标数的增加引起的离线训练量骤增的问题。并采用K-means聚类方法对双目标射频地图进行分类,通过类匹配缩小定位区域的范围,降低定位算法的复杂度。最后利用压缩感知的方法,将定位问题转化成稀疏信号的重构问题,提高了定位精度。实验结果表明,与基于无线层析成像的压缩感知定位算法相比,该算法能达到较高的定位精度,且实时性更高。 相似文献
7.
本文针对传统无线定位系统先收集参数信息,再用于目标定位,因中间参数无法保证与目标实际位置相匹配而引起的定位误差问题,提出了一种新型的目标直接定位(Direct Position Determination, DPD)算法。该算法考虑到直接定位系统中阵列信号模型的运用以及目标在空间上的稀疏特性,将阵列信号处理中经典MUSIC算法与压缩感知理论(Compressive Sensing, CS)相结合,对阵列接收信号进行特征空间分解,以信号子空间为初始残差代入贪婪运算,有效减少了噪声影响,在不以目标数量为先验的条件下,也能以布置很少的无线基站实现对目标位置的精确恢复,同时,通过对该算法在迭代过程中的逐级优化,降低了系统成本和复杂度。实验仿真结果显示,将本文算法应用于直接定位系统模型,其在抗噪性能,误差率以及复杂度上都明显优于传统算法。 相似文献
8.
传统的动态目标定位算法需要采集、存储和处理大量数据,并不适用于能量受限的无线传感器网络。针对该缺陷,该文提出一种基于压缩感知的动态目标定位算法。该算法利用目标的运动规律设计稀疏表示基,从而将动态目标定位问题转化为稀疏信号恢复问题。针对传统观测矩阵难以实现的缺陷,该算法设计可实现且与稀疏表示基相关性低的稀疏观测矩阵,从而保证了算法的重构性能。该算法的特点是可利用较少的数据采集实现动态目标定位,从而大大延长无线传感器网络的寿命。仿真结果表明,该文所提出的基于压缩感知的动态目标定位算法具有较好的定位性能。 相似文献
9.
传统雷达受到Nyquist采样率的限制,在高分辨率的需求下会产生非常庞大的数据。压缩感知理论降低了整个系统对于采样设备以及存储设备的要求。该文在压缩感知的框架下引入一种基于目标特征的不完备的基集合,并建立与之适应的恢复算法。该方法无需事先已知问题的稀疏度,且在求解长度较长的线状目标问题时具有较好的性能。此外,对于线状多目标的问题该方法也可同样求解。仿真结果验证了所提算法的有效性。 相似文献
10.
11.
12.
Zhang Lingwen Tan Zhenhui State Key Laboratory of Rail Traffic Control Safety Beijing Jiaotong University Beijing China 《中国通信》2010,7(1):65-72
Ultra-wide-band (UWB) signals are suitable for localization, since their high time resolution can provide precise time of arrival (TOA) estimation. However, one major challenge in UWB signal processing is the requirement of high sampling rate which leads to complicated signal processing and expensive hardware. In this paper, we present a novel UWB signal sampling method called UWB signal sampling via temporal sparsity (USSTS). Its sampling rate is much lower than Nyquist rate. Moreover, it is implemented in one step and no extra processing unit is needed. Simulation results show that USSTS can not recover the signal precisely, but for the use in localization, the accuracy of TOA estimation is the same as that in traditional methods. Therefore, USSTS gives a novel and effective solution for the use of UWB signals in localization. 相似文献
13.
基于压缩感知(CS)的合成孔径雷达成像方法可以显著减少数据采样时间、数据量以及节省信号带宽。然而,基于CS的方法对噪声和杂波相当敏感,在信噪比较低的时候,成像质量较差。该文结合CS理论提出了合成孔径雷达中的随机孔径贝叶斯压缩感知(BCS)高分辨2维成像方法。在距离向应用CS减少采样数据的同时,在方位向随机抽取部分孔径位置发射和接收信号,以少量的测量孔径和测量数据获得重建目标空间的足够信息。基于贝叶斯的分析方法由于考虑了成像场景中的杂波以及压缩采样过程中的加性噪声,因而能够更好地重建目标空间。仿真结果表明,基于贝叶斯方法得到的图像比基于FFT方法得到的图像更加尖锐,比基于CS方法得到的图像更加稀疏,因而具有更高的分辨率。 相似文献
14.
鉴于已有室内定位算法定位精度与运算效率之间的矛盾,该文提出一种将LANDMARC区域定位与基于模拟退火优化正则化正交匹配追踪(SROMP)的压缩感知位置估计相结合的双段式定位算法(LANDMARC- SROMP CS)。首先,利用LANDMARC定位算法快速锁定目标所在区域范围;在锁定的区域内,再引入压缩感知理论实现目标位置估计。此部分,首先根据锁定区域范围建立虚拟参考标签;然后由新型组合核函数相关向量机算法训练得到室内传播损耗模型,计算获得虚拟标签处接收信号强度值,构建测量矩阵;最后利用SROMP压缩感知重构算法求解出目标的位置索引矩阵,对索引矩阵中的位置相关点加权平均得到目标的位置信息。实验结果表明,所提定位算法平均定位误差为0.6445 m,算法运算效率相对较高,可以较好地满足室内定位的要求。 相似文献
15.
该文提出一种基于压缩感知(Compressive Sensing, CS)的恒虚警率(Constant False Alarm Rate, CFAR)目标检测算法,首先分析了目标在距离单元上具有稀疏特性,并构造了目标回波的稀疏字典,设计特定的测量矩阵以及基于CS的CFAR检测结构,然后实现了对回波信号的压缩测量和CFAR检测,无需对回波信号重构。该文提出的算法具有很好的降噪性能并提高了检测效率,可以对低信噪比、低信杂比信号成功检测。仿真结果表明:当信噪比为-14 dB,信杂比为-10 dB时,该算法与传统匹配滤波检测算法相比,减少了一半数据运算量,性能明显优于压缩匹配滤波检测算法。 相似文献