[发明专利]无线层析成像方法及结合水平距离衰减的椭圆权重模型

说明书

本发明提供一种无线层析成像方法及结合水平距离衰减的椭圆权重模型，无线层析成像方法包括如下步骤：根据检测区域内传感器节点的数量和位置进行建模，得到无线层析成像的线性方程；将正则约束项加入到无线层析成像的线性方程中，得到目标函数；对目标函数求导并将其导数设为零，得到无线层析成像线性方程的Tikhonov正则化解；在无线层析成像方法的自适应椭圆权重模型的基础上引入自适应水平距离衰减因子，通过对像素在链路上的投影到其起始节点和终节点的距离做归一化处理，使得像素权重成为归一化后距离的函数，保证目标位置信息与测量信息的一致性。

技术领域

本发明涉及无线层析成像技术领域，具体涉及一种无线层析成像方法及结合水平距离衰减的椭圆权重模型。

背景技术

无线层析成像技术能够基于静态无线传感器之间的接收信号强度(RSS,ReceivedSignal Strength)测量值对传感器探测区域中的无线传播环境变化进行成像。因此，可以检测室内和室外环境中人体活动引起的RSS变化实现目标定位和跟踪，且具有低功率和低成本的特点。

在RTI系统中，椭圆权重模型建模的准确性是影响系统定位性能的关键因素之一。经典的椭圆权重模型由Wilson和Patwari首次提出，但是该模型存在一定的局限性，如椭圆内的像素权重相同，不能分辨椭圆覆盖区域内实际测量环境中每个像素反映的信号传输衰减的变化。

2014年，Hamilton提出了逆面积椭圆模型，在该模型中，信号传播路径越短，视距(LOS,Line of Sight)路径附近的像素权重越大，反之亦然。为了体现模型特性，每个像素权重建模为包含收发节点和该像素的最小椭圆面积的倒数。由于该模型可以区分每个像素在椭圆内的贡献，因此能够获得较其它模型更高的定位精度。然而，模型的计算复杂度太高导致无法实时定位。

在适用于短距离小覆盖的恒定离心率椭圆权重模型中，不同长度链路对应不同的椭圆短轴参数，可以用较少的像素重建图像，较大程度上降低了噪声干扰。然而，如何确定椭圆内的权重却没有被考虑。

基于几何的椭圆模型采用视距和非视距两种加权方式，将一个椭圆分割成多个不同的区域，并结合正交匹配追踪(OMP,Orthogonal Matching Pursuit)算法消除图像重建中的额外亮点。与经典权重模型相比，单目标的定位精度提高23.8％。但是，在视距路径和非视距路径通信中，代表障碍的模型参数需要通过实验来确定。当监测环境变化后，模型参数需要重新校正。

自适应椭圆权重模型同时考虑椭圆覆盖范围的调整与像素权重的选择，在垂直于两节点之间视距路径方向上，距离视距路径越远，权重越小；而且在链路较短时增大椭圆短轴参数得到更丰富的像素点衰减信息。室内仿真表明，自适应椭圆模型可以减弱噪声伪迹，提高定位性能。除此以外，还有相关以菲涅耳衍射理论为建模基础提出的椭圆模型，如马鞍模型和衍射模型。但这些模型给出的不再是单纯的权值，而是具体的RSS变化量，已无法直接用到现有无线层析成像方法中。

发明内容

本发明的目的是提供一种无线层析成像方法及结合水平距离衰减的椭圆权重模型，以解决现有技术中无线层析成像方法的目标位置信息与测量信息的一致性差的问题。

为实现上述目的，本发明的采用如下技术方案：

一种无线层析成像方法，包括如下步骤：

步骤一：根据检测区域内传感器节点的数量和位置进行建模，得到无线层析成像的线性方程；

步骤二：将正则约束项加入到无线层析成像的线性方程中，得到目标函数；

步骤三：对目标函数求导并将其导数设为零，得到无线层析成像线性方程的Tikhonov正则化解；

在无线层析成像的线性方程中，设其阴影权重矩阵中第i行第j列的元素为W_ij，该元素为第i条链路中第j个像素点的权重值，则

当时