本文選題：多目標(biāo)定位 + 貝葉斯壓縮感知��； 參考：《哈爾濱工程大學(xué)學(xué)報(bào)》2014年10期

【摘要】：針對(duì)室內(nèi)多目標(biāo)基于無線信號(hào)強(qiáng)度定位中的數(shù)據(jù)采集和精確度問題,引入基于貝葉斯壓縮感知和拉普拉斯先驗(yàn)?zāi)Ｐ退惴?從而滿足在達(dá)到所需定位精確度的同時(shí)降低網(wǎng)絡(luò)系統(tǒng)開銷。所提出的方法是基于接收信號(hào)強(qiáng)度來感知位置變化,各移動(dòng)設(shè)備上利用隨機(jī)投影對(duì)接收到的信號(hào)強(qiáng)度進(jìn)行壓縮并傳輸,在采集中心通過基于拉普拉斯先驗(yàn)的貝葉斯壓縮感知重構(gòu)算法并結(jié)合最大似然函數(shù)法和迭代逼近法計(jì)算出各移動(dòng)設(shè)備的位置。仿真結(jié)果表明了利用貝葉斯壓縮感知重構(gòu)算法實(shí)現(xiàn)室內(nèi)多個(gè)移動(dòng)設(shè)備的定位具有較高精確度,與orthogonal matching pursuit(OMP)重構(gòu)算法相比較其定位精度至少提高了52.2%,與basis pursuit(BP)重構(gòu)算法相比較至少提高了13.7%。
[Abstract]:Aiming at the problem of data acquisition and accuracy in indoor multi-target location based on wireless signal intensity, the Bayesian compression sensing and Laplace priori model algorithms are introduced. In order to achieve the desired positioning accuracy while reducing the network overhead. The proposed method is based on the received signal strength to perceive the change of position, each mobile device uses random projection to compress and transmit the received signal strength. In the acquisition center, the location of each mobile device is calculated by means of Bayesian compression perception reconstruction algorithm based on Laplacian priori, combined with the maximum likelihood function method and iterative approximation method. The simulation results show that the localization of indoor mobile devices using Bayesian compression perception reconstruction algorithm has a high accuracy. Compared with the orthogonal matching pursuit reconstruction algorithm, the positioning accuracy is at least 52.2% higher than that of the basis pursuit reconstruction algorithm, and at least 13.7% higher than that of the basis pursuit reconstruction algorithm.
【作者單位】： 浙江工業(yè)大學(xué)信息學(xué)院;浙江工業(yè)大學(xué)藝術(shù)學(xué)院;
【基金】：浙江省自然科學(xué)基金資助項(xiàng)目(LY13F010011)
【分類號(hào)】：TN92;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 章堅(jiān)武;顏歡;包建榮;;改進(jìn)的基于拉普拉斯先驗(yàn)的貝葉斯壓縮感知算法[J];電路與系統(tǒng)學(xué)報(bào);2012年01期

2 何風(fēng)行;余志軍;劉海濤;;基于壓縮感知的無線傳感器網(wǎng)絡(luò)多目標(biāo)定位算法[J];電子與信息學(xué)報(bào);2012年03期

3 朱翠濤;瞿毅;;基于壓縮感知的稀疏事件檢測(cè)[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣文賢;;壓縮感知的能量異構(gòu)WSN分簇路由協(xié)議[J];傳感技術(shù)學(xué)報(bào);2013年06期

2 劉洲洲;王福豹;;基于離散螢火蟲壓縮感知重構(gòu)的無線傳感器網(wǎng)絡(luò)多目標(biāo)定位[J];光學(xué)精密工程;2014年07期

3 柴繼貴;;WSN中一種基于壓縮感知的目標(biāo)定位算法[J];計(jì)算機(jī)工程;2013年03期

4 劉存超;薛模根;;一種基于稀疏表示的紅外與微光圖像的融合方法[J];紅外;2013年08期

5 薛模根;劉存超;徐國明;袁宏武;;基于多尺度字典的紅外與微光圖像融合[J];紅外技術(shù);2013年11期

6 李振杰;尹立新;張絢;米立紅;;一種城市環(huán)境中移動(dòng)傳感器網(wǎng)絡(luò)的RF信號(hào)估值算法[J];計(jì)算機(jī)科學(xué);2014年01期

7 姜參;馬榮娟;;WSN中基于壓縮感知的異常事件檢測(cè)方案[J];計(jì)算機(jī)工程;2014年03期

8 師東生;;WSN中一種基于單類1/4球體支持向量機(jī)的異常檢測(cè)方案[J];計(jì)算機(jī)應(yīng)用研究;2014年04期

9 趙秀蘭;李克清;;弱稀疏性下的無線傳感器網(wǎng)絡(luò)事件檢測(cè)算法[J];計(jì)算機(jī)應(yīng)用與軟件;2014年03期

10 王文凡;申杰;;基于MCN和WSN的融合技術(shù)研究[J];計(jì)算機(jī)測(cè)量與控制;2014年05期

相關(guān)博士學(xué)位論文 前1條

1 史文明;無線傳感器網(wǎng)絡(luò)中面向取證的安全方法研究[D];武漢大學(xué);2013年

相關(guān)碩士學(xué)位論文 前5條

1 申曉磊;基于壓縮感知的車牌識(shí)別系統(tǒng)研究[D];東華大學(xué);2013年

2 李佳;壓縮感知中重建算法研究[D];哈爾濱工業(yè)大學(xué);2012年

3 程露露;基于貝葉斯壓縮感知的圖像編解碼方法研究[D];遼寧師范大學(xué);2013年

4 劉卉;無線傳感器網(wǎng)絡(luò)高效數(shù)據(jù)收集及查詢算法研究[D];湖南大學(xué);2012年

5 李振杰;城市環(huán)境中節(jié)點(diǎn)定位的RF信號(hào)估值研究[D];山東大學(xué);2014年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 石光明;劉丹華;高大化;劉哲;林杰;王良君;;壓縮感知理論及其研究進(jìn)展[J];電子學(xué)報(bào);2009年05期

2 胡立瓊;舒堅(jiān);吳振華;劉琳嵐;孫利民;;應(yīng)用于事件檢測(cè)的無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)死活狀態(tài)的研究[J];計(jì)算機(jī)科學(xué);2009年09期

3 楊國鵬;周欣;余旭初;;稀疏貝葉斯模型與相關(guān)向量機(jī)學(xué)習(xí)研究[J];計(jì)算機(jī)科學(xué);2010年07期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 梁棟,楊尚俊,章權(quán)兵;一種基于圖象序列的3D重構(gòu)算法[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年01期

2 陳勤;鄒志兵;張e，

本文編號(hào)：1990816