一种基于GMP算法的高目标识别性能的无线网络定位方法技术

本发明专利技术公开了一种基于GMP的高目标识别性能的无线网络定位方法，该方法提高了目标数目未知下的目标识别性能。本发明专利技术所述方法的定位分为两个阶段，包括：首先，利用传统的GMP算法得到绝大部分目标的可能位置，然后引入一个重新定义的阈值，从剩下的格子中选择更多目标可能的位置，以降低目标的丢失概率。然后，利用最小二乘法(即：LS)去掉目标位置估计值中的一些异常值以降低目标的虚警概率。实验结果表明，在目标数目未知的情况下，本发明专利技术方法比传统的GMP方法有更好的目标识别能力。

【技术实现步骤摘要】

本专利技术涉及一种基于GMP算法的高目标识别性能的无线网络定位方法，属于移动 计算和网络定位

技术介绍
精确定位，作为信号处理领域的一个基本而又富有挑战性的问题，已经引起众多 学者很大的兴趣，并广泛地应用于诸如无线传感器网络中的设备监控、移动用户的定位服 务、基于射频无线电认证（RFID)的追踪、提供精确及时的定位信息等众多领域。 压缩感知（CS)理论，作为一种新颖的稀疏信号处理方法，可以用于定位系统中估 计多目标的位置。在离散化的定位区域，通过一组接入点（APs)可以获得目标信号的接收 信号强度（RSS)值，并且这些RSS测量值会因目标的移动而产生变化。正常情况下，目标个 数要比离散的网格数目少得多。因此，多目标定位问题可以转化为稀疏信号的恢复问题。使 用CS技术来估计多个目标位置不仅可以降低RSS测量值的数目，而且具有较好的精度和鲁 棒性。由于其不需要昂贵的硬件，可以简单的实现，基于接收信号强度（RSS)的定位方法已 被广泛研宄。 目前已经很多基于CS的方法被提出来用于多目标定位。冯辰等人用CS方法解决 无线传感器网络（WSNs)中的多目标定位问题。该方法拥有较低的计算复杂度，并且可以精 确的估计目标位置。其缺点是需要知道先验稀疏度。 B.Zhang等人提出了一种贪婪匹配追踪算法（GMP)用于目标统计和定位， 。与传统的经典 CS 算法（诸如BP算法和OMP算法）相比，GMP算法不需要知道先验稀疏度K。因此，更适合用 于目标数目未知情况下的定位问题。但是该算法拥有较高的虚警概率和丢失概率。而本发 明能够很好地解决上面的问题。【专利
技术实现思路
】 本专利技术目的在于提供一种基于GMP的高目标识别性能的无线网络定位方法，该方 法解决了传统GMP算法的高丢失概率和虚警概率的问题，具有较高的目标识别效果；该方 法以降低GMP算法的丢失概率和虚警概率。首先，在传统的GMP算法迭代终止后，引入一个 松弛的预定义的阈值来重新计算残差。通过这个方法，可以选择更多的可能的目标位置，这 样就降低了目标的丢失概率。然后，使用最小二乘（LS)方法来确定目标位置。选择那些大 于阈值的分量所对应的网格作为最终的目标估计位置。在这一步，大部分伪目标被去除，从 而降低了目标的虚警概率。 本专利技术解决其技术问题所采取的技术方案是：一种基于GMP的高目标识别性能的 无线网络定位方法，该方法包括如下步骤： 阶段一：降低目标丢失概率 步骤1 :使用传统GMP算法找到绝大部分估计目标位置，存入估计目标位置索引集 N，并记录影响因子最小值Qmin; 步骤2 :引入阈值Y1(Y1SQmin),在剩下的格子即支撑集Γ中找到一个使影响因 子Q下降最大幅度的格子i，将序号i添加到估计目标位置索引集N中，并从支撑集Γ中移 出：【主权项】1. 一种基于GMP算法的高目标识别性能的无线网络定位方法，其特征在于，所述方法 包括如下两个阶段： 阶段一：降低目标丢失概率； 步骤1 :使用传统GMP算法找到绝大部分估计目标位置，存入估计目标位置索引集N， 并记录影响因子最小值Qmin; 步骤2 :引入阈值Yl，在剩下的格子即支撑集r中找到一个使影响因子Q下降最大幅 度的格子i，将序号i添加到估计目标位置索引集N中，并从支撑集r中移出：r = r\{i}； 步骤3 :计算残差r和影响因子Q: r=r-P(:, i)9? Q=I|r| |2； 步骤4 : 0i= 0,重复上述步骤2-3直到影响因子Q大于阈值y1; 阶段二：降低目标虚警概率； 步骤1 :定义目标位置索引集N的大小为Kt，则测量矩阵可以更新为：步骤2 :使用最小二乘法得到目标位置恢复向量的最优解0 :步骤3 :引入一个预定义的阈值y2来选择向量:歹中的重要系数，并将这些系数对应的 序号，作为目标的可能位置放入索引集沢中：索引集3?中对应网格的中心位置即最终的目标估计位置。2. 根据权利要求1所述的一种基于GMP算法的高目标识别性能的无线网络定位方法， 其特征在于：所述方法阶段一中的Yl>Qmin，用于增加算法迭代次数，以降低目标丢失概率。3. 根据权利要求1所述的一种基于GMP算法的高目标识别性能的无线网络定位方法， 其特征在于：所述方法阶段二中巧，巧，…纟％是根据目标位置索引集N中的元素从测量矩 阵P摘取的列向量。4. 根据权利要求1所述的一种基于GMP算法的高目标识别性能的无线网络定位方法， 其特征在于：所述方法阶段二中的阈值Y2e(〇，1)，用于控制去除的伪目标的个数，以降 低目标虚警概率。5. 根据权利要求1所述的一种基于GMP算法的高目标识别性能的无线网络定位方法， 其特征在于：所述方法应用于移动计算和网络定位
【专利摘要】本专利技术公开了一种基于GMP的高目标识别性能的无线网络定位方法，该方法提高了目标数目未知下的目标识别性能。本专利技术所述方法的定位分为两个阶段，包括：首先，利用传统的GMP算法得到绝大部分目标的可能位置，然后引入一个重新定义的阈值，从剩下的格子中选择更多目标可能的位置，以降低目标的丢失概率。然后，利用最小二乘法(即：LS)去掉目标位置估计值中的一些异常值以降低目标的虚警概率。实验结果表明，在目标数目未知的情况下，本专利技术方法比传统的GMP方法有更好的目标识别能力。【IPC分类】G01S5-02, H04W64-00【公开号】CN104780604【申请号】CN201510107001【专利技术人】颜俊, 陈宝, 吴晓富, 朱卫平 【申请人】南京邮电大学【公开日】2015年7月15日【申请日】2015年3月11日本文档来自技高网...

【技术保护点】
一种基于GMP算法的高目标识别性能的无线网络定位方法，其特征在于，所述方法包括如下两个阶段：阶段一：降低目标丢失概率；步骤1：使用传统GMP算法找到绝大部分估计目标位置，存入估计目标位置索引集，并记录影响因子最小值Qmin；步骤2：引入阈值γ1，在剩下的格子即支撑集Γ中找到一个使影响因子Q下降最大幅度的格子i，将序号i添加到估计目标位置索引集中，并从支撑集Γ中移出：Γ＝Γ\{i}；步骤3：计算残差r和影响因子Q：r＝r‑P(:,i)θ，Q＝||r||2；步骤4：θi＝0,重复上述步骤2‑3直到影响因子Q大于阈值γ1；阶段二：降低目标虚警概率；步骤1：定义目标位置索引集的大小为Kt，则测量矩阵可以更新为：步骤2：使用最小二乘法得到目标位置恢复向量的最优解步骤3：引入一个预定义的阈值γ2来选择向量中的重要系数，并将这些系数对应的序号，作为目标的可能位置放入索引集中：索引集中对应网格的中心位置即最终的目标估计位置。

【技术特征摘要】

【专利技术属性】
技术研发人员：颜俊，陈宝，吴晓富，朱卫平，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32