本文選題：免攜帶設(shè)備定位 + 正則化　； 參考：《系統(tǒng)工程與電子技術(shù)》2016年01期

【摘要】：免攜帶設(shè)備定位是利用目標對無線通信鏈路產(chǎn)生的陰影衰落來估計目標的位置。針對現(xiàn)有算法定位精度有限、計算復雜度高等問題,在無線層析成像(radio tomographic imaging,RTI)的基礎(chǔ)上提出了基于雙重構(gòu)的定位算法。該算法利用正則化快速重構(gòu)的特點,首先對目標進行初步的定位;其次將粗定位區(qū)域進行像素精確劃分,同時利用鏈路選擇法減少鏈路個數(shù),降低算法復雜度;最后提出補空間稀疏度自適應(yīng)匹配重構(gòu)算法,將目標位置轉(zhuǎn)化為稀疏信號重構(gòu)問題,完成定位。實驗仿真結(jié)果表明,與基于RTI的單重構(gòu)定位算法相比,所提雙重構(gòu)算法能達到較好的定位精度,且實時性更高。
[Abstract]:Portable location is to estimate the location of the target by using the shadow fading caused by the target to wireless communication link. Aiming at the problems of limited localization accuracy and high computational complexity of existing algorithms, a localization algorithm based on double reconstruction is proposed on the basis of radio tomographic imagingRTI for wireless tomography. The algorithm uses the characteristics of fast reconstruction of regularization to locate the target at first, then divides the coarse location area into pixels accurately, and reduces the number of links and the complexity of the algorithm by using the link selection method. Finally, an adaptive matching reconstruction algorithm of complementary space sparsity is proposed, which transforms the target position into sparse signal reconstruction problem and completes localization. The experimental results show that the proposed dual reconstruction algorithm can achieve better localization accuracy and higher real-time performance compared with the single reconfigurable localization algorithm based on RTI.
【作者單位】： 上海大學通信與信息工程學院特種光纖與光接入網(wǎng)重點實驗室;
【基金】：國家自然科學基金(61501288,61571279) 上海市自然科學基金(15ZR1415500)資助課題
【分類號】：TN92

【參考文獻】

相關(guān)期刊論文 前1條

1 劉凱;余君君;黃青華;;基于壓縮感知的免攜帶設(shè)備雙目標定位算法[J];電子與信息學報;2014年04期

【共引文獻】

相關(guān)碩士學位論文 前1條

1 吳力飛;具有認知能力的精確實時被動無線定位技術(shù)研究[D];大連理工大學;2014年

【二級參考文獻】

相關(guān)期刊論文 前1條

1 孫吉貴;劉杰;趙連宇;;聚類算法研究[J];軟件學報;2008年01期

相關(guān)博士學位論文 前1條

1 馮辰;基于壓縮感知的RSS室內(nèi)定位系統(tǒng)的研究與實現(xiàn)[D];北京交通大學;2011年

【相似文獻】

相關(guān)期刊論文 前10條

1 尹學松;胡恩良;;半監(jiān)督正則化學習[J];小型微型計算機系統(tǒng);2010年12期

2 相文楠;趙建立;;判別正則化譜回歸[J];聊城大學學報(自然科學版);2011年04期

3 李勇周;羅大庸;劉少強;;基于正則化最小二乘的局部判別投影的人臉識別[J];模式識別與人工智能;2008年05期

4 莊福振;羅平;何清;史忠植;;基于混合正則化的無標簽領(lǐng)域的歸納遷移學習[J];科學通報;2009年11期

5 朱林立;戴國洪;高煒;;正則化框架下半監(jiān)督本體算法[J];微電子學與計算機;2014年03期

6 劉小蘭;郝志峰;楊曉偉;馬獻恒;;基于最小熵正則化的半監(jiān)督分類[J];華南理工大學學報(自然科學版);2010年01期

7 關(guān)海鷗;衣淑娟;焦峰;許少華;左豫虎;金寶石;;農(nóng)作物缺素癥狀診斷的正則化模糊神經(jīng)網(wǎng)絡(luò)模型[J];農(nóng)業(yè)機械學報;2012年05期

8 劉敏;陳恩慶;楊守義;;正則化粒子濾波在水下目標跟蹤中的應(yīng)用[J];電視技術(shù);2012年09期

9 尚曉清;楊琳;趙志龍;;基于非凸正則化項的合成孔徑雷達圖像分割新算法[J];光子學報;2012年09期

10 劉建偉;黎海恩;劉媛;付捷;羅雄麟;;迭代再權(quán)共軛梯度q范數(shù)正則化線性最小二乘 支持向量機分類算法[J];控制理論與應(yīng)用;2014年03期

相關(guān)會議論文 前5條

1 毛玉明;郭杏林;呂洪彬;;動載荷反演問題的正則化求解[A];第18屆全國結(jié)構(gòu)工程學術(shù)會議論文集第Ⅰ冊[C];2009年

2 王彥飛;;地球物理數(shù)值反演問題的最優(yōu)化和正則化理論與方法[A];中國地球物理學會第二十七屆年會論文集[C];2011年

3 廖熠;趙榮椿;;從明暗恢復形狀方法綜述[A];中國體視學學會圖像分析專業(yè)、中國體視學學會仿真與虛擬現(xiàn)實專業(yè)、中國航空學會信號與信息處理專業(yè)第一屆聯(lián)合學術(shù)會議論文集[C];2000年

4 張瀚銘;閆鑌;李磊;;一種基于TV正則化的有限角度CT圖像重建算法[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2012年

5 熊春陽;黃建永;方競;;高性能牽引力顯微鏡方法及其在細胞力學研究中的應(yīng)用[A];中國生物醫(yī)學工程學會成立30周年紀念大會暨2010中國生物醫(yī)學工程學會學術(shù)大會報告論文[C];2010年

相關(guān)博士學位論文 前2條

1 王梅;正則化路徑上的支持向量機模型組合[D];天津大學;2013年

2 劉小蘭;基于圖和熵正則化的半監(jiān)督分類算法[D];華南理工大學;2011年

相關(guān)碩士學位論文 前10條

1 黃樹東;協(xié)同聚類及集成的關(guān)鍵技術(shù)研究[D];西南交通大學;2015年

2 王新美;基于正則化相關(guān)熵的極端學習機[D];河北大學;2013年

3 馮李哲;關(guān)于系數(shù)正則化模型的誤差分析[D];杭州師范大學;2011年

4 田明黨;系數(shù)正則化在線算法收斂性分析[D];寧波大學;2011年

5 儲小榮;基于無界抽樣的正則化回歸學習算法的研究[D];濟南大學;2013年

6 吳鵬洲;基于支持向量機與正則化風險最小化的目標計數(shù)研究[D];浙江大學;2013年

7 黃志強;正則化機器學習算法及其財務(wù)預警應(yīng)用研究[D];華東交通大學;2014年

8 王宇;動態(tài)在線序列極端學習機[D];西北大學;2014年

9 王艷;基于聯(lián)合正則化及隱馬爾可夫樹模型的圖像壓縮傳感方法研究[D];燕山大學;2010年

10 楊梓燦;基于MPI的正則化貪心森林的并行化設(shè)計與實現(xiàn)[D];中山大學;2014年

，

本文編號：1818179