[發明專利]一種室內動態多目標無源被動定位和數量估計的方法有效
| 申請號: | 202110405844.4 | 申請日: | 2021-04-15 |
| 公開(公告)號: | CN113219405B | 公開(公告)日: | 2022-08-12 |
| 發明(設計)人: | 王滿意;王佳樂;張徐;楊佳星;趙宇軒 | 申請(專利權)人: | 南京理工大學 |
| 主分類號: | G01S5/02 | 分類號: | G01S5/02;G01C21/20 |
| 代理公司: | 南京理工大學專利中心 32203 | 代理人: | 汪清 |
| 地址: | 210094 *** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 室內 動態 多目標 無源 被動 定位 數量 估計 方法 | ||
1.一種室內動態多目標無源被動定位和數量估計的方法,包括以下步驟:
步驟1、部署無線傳感器節點拓撲網絡:在房間四周均勻部署多個無線傳感器節點,再放置一個基站節點用以接收各個無線傳感器節點的RSS值,形成通信網絡;
步驟2、對所部署的無線傳感器節點拓撲網絡建立權重模型:建立與無線傳感器節點拓撲網絡對應的距離權重模型;
步驟3、多目標無線層析成像(RTI)圖像的構建:基站節點接收到各個傳感器節點的RSS值,利用解決病態反問題的方法,求解出圖像像素的數值;對無線傳感器節點網絡監測區域劃分像素,并使用空間協方差模型得到像素位置之間的相關性,利用距離權重模型和空間協方差模型得到投影矩陣,最后構建出多目標的RTI圖像;
步驟4、消除圖像噪聲:利用高斯模型消除部分圖像噪聲;
步驟5、獲取候選目標點:先從RTI圖像中得到所有的局部峰值,即圖像斑點中心;再利用恒虛警檢測的方法去除虛假斑點,得到候選目標點;
步驟6、多目標定位:將所有的候選目標點按聚類算法聚類,形成多個簇,找出簇的中心,即為多目標的位置信息;
步驟7、多目標數量估計:使用動態閾值門限的方法,將某個時刻每個定位點的RTI圖像像素值和該閾值門限比較,求得該時刻的每個定位點有多少個目標,將目標數量累加估計出監控區域內該時刻有多少個目標。
2.根據權利要求1所述的室內動態多目標無源被動定位和數量估計的方法,步驟2中無線傳感器節點拓撲網絡權重模型的距離權重模型,具體為:
其中,wij是鏈路i的像素j的加權;d是兩個傳感器節點之間的距離,Dij(1)和Dij(2)是從任意像素的中心到兩個傳感器節點位置的距離;λ是橢圓寬度的可調參數。
3.根據權利要求1所述的室內動態多目標無源被動定位和數量估計的方法,步驟3中多目標無線層析成像(RTI)圖像的構建,具體分為以下幾個步驟:
步驟3.1、病態反問題求解圖像像素值:
無線層析成像使用病態反問題線性模型求解,形式如下:
y=Wx+n
y是傳感器節點接收的RSS值向量,W是權重模型參數矩陣,x是待求解的RTI圖像像素向量,n是環境噪聲向量;
則反問題像素估計向量的求解形式為:
其中,是投影矩陣,w為距離權重模型,Cx為先驗協方差矩陣,是正則化參數;
步驟3.2、投影矩陣Π中的先驗協方差矩陣計算:
先驗協方差矩陣Cx:
其中,是像素的方差,是像素i到像素j的距離,δc是一個“空間常數”相關參數。
4.根據權利要求1所述的室內動態多目標無源被動定位和數量估計的方法,步驟4中利用高斯函數圖像去噪,具體為:
二維高斯濾波器:
其中,σG是高斯核的標準差,x和y為高斯卷積核的像素坐標;
其中,表示像素估計向量,*表示卷積算子,G(x,y)表示高斯卷積核函數。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于南京理工大學,未經南京理工大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110405844.4/1.html,轉載請聲明來源鉆瓜專利網。





