[发明专利]基于相位偏移的贝叶斯压缩感知无源定位方法

说明书

基于相位偏移的贝叶斯压缩感知无源定位方法，涉及无源目标定位方法的技术领域。对设定的定位区域进行网格化处理；在定位区域四周部署传感器节点并采集无线链路相位信息；建立基于PRS权重模型的无源字典；用基于变分贝叶斯推理的压缩感知稀疏恢复算法估计目标位置、更新相关参数；网格裁剪；当测量残差小于设定阈值或达到最大迭代次数时终止，取最终迭代结果为目标定位结果。本发明克服了传统基于RSS的压缩感知定位方法对环境敏感，在复杂、变化环境下定位精度下降的问题，将无线链路接收到的相位的偏移值作为观测数据，减轻了环境噪声的影响，降低了运算复杂度，减少了计算时间。

技术领域

本发明涉及无源目标定位方法的技术领域，尤其涉及基于相位偏移的贝叶斯压缩感知无源定位方法的技术领域。

背景技术

通过无线传感器进行目标定位一直以来都是研究的热点，亦具有很广的应用前景。目前，针对传感器目标定位的研究大多集中在有源定位上，即目标需携带无线收发设备，能自主向外发射信号并被无线传感器所接收。然而，某些情况下，目标无法向外发射信号，这时就需要用到无源定位(device-free localization,DFL)。与有源定位不同，DFL不需要为目标配发任何收发设备，其通过分析目标对无线链路的阴影效应来估计目标的位置。近十年来，DFL得到了越来越多的关注，被广泛应用于应急救援、入侵检测、智能空间等领域。

许多DFL方法都是通过测量接收信号强度(received signal strength,RSS)的变化量来估计目标诱导的阴影效应。基于RSS测量的DFL方法可分为基于几何的方法、基于指纹的方法、基于无线电层析成像(radio tomographic imaging,RTI)的方法和基于压缩感知(compressive sensing,CS)的方法。基于几何的方法通过寻找被遮蔽链路的重叠覆盖区来估计目标的位置。这种方法定位精度不高，且对目标间距有所限制。为提高定位精度，在DFL中引入了指纹识别的方法。基于指纹的方法通过将在线测量值与离线指纹库匹配来估计目标位置。然而，收集指纹和提前创建无线电地图需要密集和耗时的现场调查。基于RTI的方法利用计算机层析成像原理对目标进行定位，可以在不进行现场测量的情况下保证较高的定位精度。但基于RTI的方法需要部署大量、密集的无线链路，硬件成本较高。基于CS的方法将压缩感知理论应用于DFL中，将其建模为稀疏向量恢复问题，通过计算位置向量估计目标位置，大幅降低了测量次数。

发明内容

本发明提出了一种基于相位偏移的贝叶斯压缩感知无源定位方法，克服了传统基于RSS的压缩感知定位方法对环境敏感，在复杂、变化环境下定位精度下降的问题，将无线链路接收到的相位的偏移值作为观测数据，减轻了环境噪声的影响，降低了运算复杂度，减少了计算时间。

一种基于相位偏移的贝叶斯压缩感知无源定位方法，包括如下步骤：

步骤1：对设定的定位区域进行网格化处理；

步骤2：在定位区域四周部署传感器节点并采集无线链路相位信息；

步骤3：建立基于PRS权重模型的无源字典；

步骤4：用基于变分贝叶斯推理的压缩感知稀疏恢复算法估计目标位置、更新相关参数；

步骤5：网格裁剪；

步骤6：重复执行步骤4到步骤5，当测量残差小于设定阈值或达到最大迭代次数时终止，取最终迭代结果为目标定位结果。