[发明专利]一种基于迁移压缩感知的多种类多目标被动式定位方法

说明书

技术领域

本发明涉及无线网络的应用，特别是一种面向多种类野生动物的多目标被动式定位方法。

背景技术

野生动物在自然界中具有重要的生态地位和生态功能，是整个生态链中不可或缺的环节之一，如何有效对其进行监测与保护，显得尤为重要。传统的野生动物保护采用人工方式手工记录、统计，因此，传统方式存在很多弊端，如：缺乏长期性、实时性，也有一定的困难性和危险性，另外，时空割裂，难以对获取的数据进行时间、空间、现象的综合分析。而目前无线传感器网络的出现，为解决上述问题提供了技术支撑。

无线传感器网络是由部署在被监测区域的大量分布式传感器节点组成的，它综合了传感器技术、无线通信技术、嵌入式技术和计算机技术等多种领域技术，通过各种类型的传感器对物质的性质、环境的状态以及行为模式等信息进行大规模、长期、实时的获取，并通过802.15.4通信协议以自组织的方式将感知数据传送至远程数据中心。其中，无线传感器网络的“被动式”定位技术为野生动物的活动轨迹监测提供了有效解决方案，其优点是“无需”给野生动物身上佩戴设备就能准确定位和追踪野生动物。

“被动式”的基本原理是利用目标在“不同位置”处对无线信号遮挡造成的“信号衰减RSS（Received Signal Strength）也不同”这种先验知识来定位，当收集到一组信号衰减值RSS后，根据先验知识可反推出目标位置。现有的许多定位方法都要求待定位目标携带设备（如GPS模块，RFID标签），然而野生动物不方便携带设备，并且动物保护专家也不建议这样做。因此“被动式”定位技术是实现定位是面向野生动物保护的重要需求之一。

面向野生动物的被动式定位技术存在以下挑战：野生动物种类繁多，不同种类的野生动物其形状大小也不一样（如，金丝猴和老虎），因此不同种类的野生动物对信号遮挡的衰减(即链路测量得到的RSS值)也不一样，导致不同种类野生动物的定位模型也各不同。定位模型，指如以张颠等为代表的基于学习定位方法中的先验知识库，如以Joseph Wilson等为代表的基于层析图像定位方法中的层析图像库，如以房鼎益等的为代表的基于压缩感知定位方法中的感知矩阵。这种不同迫使针对不同种类野生动物(目标)需要建立不同的定位模型（先验知识库或层析图像库或感知矩阵）。通常情况下建立一个定位模型，需要让特定种类目标遍历监测区域内的所有位置，并在每个位置上采集足够的RSS值，然后用这些采集到的RSS样本值根据不同的方法建立其对应的定位模型，因此，建立定位模型的过程是很费人力和物力的。例如对于一间100平方米的房间，每1平方米采集100个RSS值(由于环境噪声等影响，采集的该样本值应越多越好，通常采集100个)，以每秒钟的采集1个RSS值的频率来算，完成特定种类目标的定位模型的建立至少也需要2.7小时完成，而对于更广阔的野外环境来说，建立一个定位模型的复杂度更是不言而喻。

截止目前为止，许多被动式定位方法都没有考虑到该问题，它们大体分为以下3类：

第一类：以张颠等为代表的基于学习的被动式定位。如图1(a)所示，在定位区域将节点部署成六边行，六边形的中心部署一个发射节点，该节点同各个顶点的节点通信。目标在不同位置处对无线电信号RSSI干扰不同，建立位置与RSSI值之间的学习关系。当全网节点收到一组RSSI变化值时，可以推出目标所在的位置。

该方法的缺点是，1）其定位模型(先验知识库)只能用于同一类目标，对于其他种类的目标需要重新建立定位模型(先验知识库)；2）对多目标定位不够精确。如图1(a)所示，当多个目标不在同一个三角形内（如目标1和目标2）时，该算法可以给出多个目标的位置，但当多个目标在同一个三角形内（如目标2和目标3）时，该算法误将多个目标等效成一个目标，且只给出该等效目标的位置，即将2个目标定位成一个并不存在的目标，并且该方法的多目标定位精度依赖于三角形的大小。为了稀疏部署，三角行一般选取的比较大(2m至3m)，因此该方法的多目标定位误差一般在2m至3m，误差较大。

第二类：以Joseph Wilson等为代表的层析成像被动式定位。如图1(b)所示，传感器节点均匀部署在定位区域四周，所有节点两两之间洪范通信。目标在区域内活动会对部分两两个通信的节点造成干扰。目标在不同位置处对无线电信号RSS干扰不同，当全网节点收到一组变化的RSS值时，将这些RSS值用层析图像的方法在对对应的区域位置显示出来，从而实现定位。