高效準(zhǔn)確的多目標(biāo)定位是無(wú)線傳感器網(wǎng)的基本任務(wù)之一。傳統(tǒng)基于貪婪類的稀疏表示方法在多目標(biāo)定位中計(jì)算效率不高。針對(duì)該問題,提出一種基于QR分解的快速正交匹配追蹤的多目標(biāo)定位算法。該算法對(duì)無(wú)線傳感器覆蓋區(qū)域進(jìn)行網(wǎng)格劃分來設(shè)計(jì)過完備字典,從而將多目標(biāo)定位問題轉(zhuǎn)化為稀疏信號(hào)恢復(fù)問題。該方法利用了傳感器接收目標(biāo)信號(hào)強(qiáng)度的稀疏特性,然后使用快速正交匹配追蹤來恢復(fù)測(cè)量值,進(jìn)而通過稀疏性來定位目標(biāo)。通過列滿秩矩陣的QR分解思想,利用遞歸形式來對(duì)子字典矩陣求逆,避免了傳統(tǒng)方法中對(duì)該矩陣的直接求逆,使得運(yùn)算量大為降低。仿真結(jié)果表明,與傳統(tǒng)的正交匹配追蹤壓縮感知重構(gòu)方法相比,該方法不損失定位精度,提高了運(yùn)算效率。 

【文章來源】：西北工業(yè)大學(xué)學(xué)報(bào). 2020,38(01)北大核心EICSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

無(wú)線傳感器網(wǎng)定位模型

圖2給出了在無(wú)噪情況下,常規(guī)正交匹配追蹤方法、基于矩陣逆定理的正交匹配追蹤方法以及基于QR分解的正交匹配追蹤方法在無(wú)噪情況下的表示系數(shù)以及位置估計(jì)結(jié)果。圖2a)中給出了稀疏表示系數(shù)與格點(diǎn)序號(hào)之間的關(guān)系。由第1節(jié)中稀疏表示模型知,當(dāng)?shù)趉個(gè)目標(biāo)落在第i個(gè)網(wǎng)格點(diǎn)上時(shí),則表示wi=ak=a0,仿真時(shí)設(shè)定功率為100 mW=0.1 W,因此目標(biāo)所在網(wǎng)格的表示系數(shù)為0.1,沒有目標(biāo)的格點(diǎn)對(duì)應(yīng)的表示系數(shù)為0。仿真時(shí)格點(diǎn)間距設(shè)定為10 m,在100 m×100 m區(qū)域分成100個(gè)格子,格點(diǎn)數(shù)就為11×11為121個(gè)。圖2b)中給出了真實(shí)位置與仿真位置關(guān)系圖。從圖中可以看出,在無(wú)噪情況下基于QR分解的快速OMP與其他OMP算法有相同的表示系數(shù)與定位精度,非零表示系數(shù)個(gè)數(shù)與目標(biāo)個(gè)數(shù)相同,對(duì)目標(biāo)信號(hào)重構(gòu)性能也比較理想。3.2 傳感器個(gè)數(shù)對(duì)于定位性能和計(jì)算效率的影響

圖3表明,基于QR分解的OMP算法與其他2種OMP算法相比定位精度不相上下,在目標(biāo)個(gè)數(shù)不變的情況下,3種方法定位精度都隨傳感器數(shù)量的增加而定位誤差變小。由圖4可知,在計(jì)算性能方面,隨著傳感器數(shù)目的增加計(jì)算時(shí)間越來越長(zhǎng),其中常規(guī)OMP算法最耗時(shí),基于矩陣求逆引理OMP算法次之,推薦的算法性能最優(yōu)。圖4 傳感器個(gè)數(shù)與計(jì)算時(shí)間的關(guān)系

【參考文獻(xiàn)】：
期刊論文
[1]MATCHING PURSUITS AMONG SHIFTED CAUCHY KERNELS IN HIGHER-DIMENSIONAL SPACES[J]. 錢濤,王晉勛,楊燕.  Acta Mathematica Scientia. 2014(03)



本文編號(hào)：3228050