[发明专利]一种目标不携带设备的室内定位方法

权利要求书

1.一种目标无携带设备的室内精确定位方法，其特征在于：包括如下步骤：

(1)获取目标在室内不同位置对无线电波的遮挡作用的量化数据与目标所在位置的标签数据，并对量化数据和标签数据进行划分，得到训练样本集和测试样本集；其中，训练样本集包括目标在不同位置上的接收无线电数据和目标所在位置标签；其中：包括如下步骤：

1)将室内定位场景划分为相同大小的方形网格，每个网格表示目标可能存在的位置，并对应着唯一的数字标签；

2)在一个监控区域周围布置有均匀分布的L个无线电接收传感器，位置固定，配置一个无线电发射传感器，它有K个可变发射位置，一个发射传感器和一个接收传感器之间的无线通信称为一组链路，整个实验场景中一共有N＝K*L组链路；

3)目标存在于室内中的某个位置，无线电发射传感器发送无线电信号，所有接收传感器接收信号；发射传感器移动所有可选位置并发射无线电信号，所有接收节点同时接收到达信号；然后，从每个链路的频谱中提取信号强度作为有效信息，目标在每个位置上都会得到一个信息矩阵，维度大小为L行K列；同时保存目标在每个网格位置的数字标签信息，可以用来对应一个真实的二维位置坐标；

4)对采集到的数据集合以5：1的比例划分为训练样本集和测试样本集；

(2)对所有位置上的量化数据进行处理，将每个位置上的数据都处理成一个列向量，将得到的所有列向量按照列拼接的方式构成一个字典；

(3)构建目标方程，同时考虑对测试信号的线性拟合误差与正则化项，进行迭代求解得到最终的稀疏向量；其中，包括如下步骤：

1)首先构造目标方程，目标方程应该包含两部分，即拟合误差以及正则化项，目标方程为：

其中，y表示一个测试信号，W是字典矩阵，x是所求的稀疏向量，表示引入的非凸GMC正则化；α,λ都是正的参数；z是一个辅助向量；

2)由于目标个数总是远远小于网络格点的总个数，因此采用稀疏编码的方法来求解稀疏向量；

(4)对稀疏向量中的几个极大值进行联合分析计算，得到目标预测位置；其中，计算方法包括如下步骤：

1)首先在求出稀疏向量x＝{x_1,1,x_1,2,…,x_1,τ,x_2,1,...x_S,τ}后，x∈Rⁿ；将每一个稀疏向量的x系数进行求和即其中1≤p≤S，因此得到x^*＝{x₁,...,x_p,…x_S}，x^*为得到预测为不同标签对应的权重向量，权重越大，预测为当前位置的概率越大，并将x^*中的元素按照降序排列；

2)提取权重向量中的几个极大值，每个权重都对应一个不同的位置标签，位置标签可以和二维坐标一一对应；

3)将几个权重进行归一化，进行联合计算即可得到预测的目标位置；所述的归一化处理方式及预测目标位置方法是：

归一化处理：首先将几个极大值向量按照进行归一化，其中,num为极大值的个数，即可得到归一化的权重；

预测目标位置：通过下式来计算:其中，loc表示最终目标的位置，a_i表示位置i所对应的归一化权重，Loc(i)表示位置i所对应的真实二维坐标。

2.根据权利要求1所述的方法，其特征在于：步骤(2)所述列向量的列拼接方法，包括如下步骤：

1)首先将目标在第一个位置上得到的信息矩阵转化为一个列向量，维度大小为N，标签信息为1；

2)在第一个位置上重复测量τ次，分别转化为列向量后共得到τ个列向量，标签信息为Lab₁＝{1,1,…,1}；

3)重复步骤1)和2)，直至收集完成目标在所有可选位置上的数据；分别将每个位置上的列向量依次进行列拼接构成最终字典，对字典的每个列进行二范数归一化，同时将对应的标签信息进行列拼接构成标注信息。

3.根据权利要求2所述的方法，其特征在于：所述步骤(2)中的步骤3)，列向量x的二范数归一化的具体方式是：

其中

4.根据权利要求1所述的方法，其特征是：所述步骤(3)中的步骤2)，稀疏编码的求解采用前后向分裂算法。