基于相关向量机实现数据驱动建模的目标定位跟踪系统技术方案

本申请公开了一种基于相关向量机的RSS数据建模方法包括：将采集的多个预置场景的RSS数据按照预置处理方式进行RSS数据预处理后作为输出训练RSS数据；将采集的RSS数据集根据不同的链路，进行与链路对应的目标偏离视距程度、目标接近节点程度和静态衰落水平三个维度参数求解作为输入训练数据；通过输出训练RSS数据和输入训练数据建立基于相关向量机的三维参数化RSS模型。通过减少未建模成分弱化了环境多径成分导致的不确定性影响，使得目标定位跟踪系统相关性能在多径效应干扰较为复杂的室内场景中仍能得到有效保障。本申请还公开了基于相关向量机实现数据驱动建模的目标定位跟踪系统。

Target Location and Tracking System Based on Relevant Vector Machine for Data-Driven Modeling

【技术实现步骤摘要】
基于相关向量机实现数据驱动建模的目标定位跟踪系统
本申请涉及射频传感器
，尤其涉及一种基于相关向量机的RSS数据建模方法及基于相关向量机实现数据驱动建模的目标定位跟踪系统的目标定位跟踪方法、基于相关向量机实现数据驱动建模的目标定位跟踪系统及计算机可读存储介质。
技术介绍
在人、机与环境深度交互的基于位置的智能化服务中，目标位置信息的获取是实现基础智能感知任务的重要线索。对大多数智能化服务的应用场景而言，基于设备的目标定位手段在适用性和舒适性等方面都相当受限。近年来，基于射频接收信号强度(ReceivedSignalStrength，RSS)的设备免持定位与跟踪(Device-FreeLocalizationandTracking，DFLT)技术，其利用射频传感网络中链路RSS观测衰减值反演出感知区域内由于目标引起的阴影衰落分布影像，进而对目标进行位置估计和跟踪。基于RSS实现的设备免持定位与跟踪(RSS-DFLT)技术在智慧家庭、智慧医疗、智能监控等多个领域中备受关注。然而，目前的单一维度模型对RSS数据信息利用率不高的缺陷，从而使得RSS-DFLT在于免持目标与环境中障碍物产生的多径衰落干扰使得RSS观测数据产生更多不确定性，弱化了链路RSS观测值对免持目标的捕获能力，造成了RSS-DFLT系统的性能在多径干扰严重的复杂环境中出现退化现象的技术问题。
技术实现思路
本申请提供了一种基于相关向量机的RSS数据建模方法及基于相关向量机实现数据驱动建模的目标定位跟踪系统的目标定位跟踪方法、基于相关向量机实现数据驱动建模的目标定位跟踪系统及计算机可读存储介质，弥补了现有单一维度模型对RSS数据信息利用率不高的缺陷，在增强模型对数据的表示能力的同时，通过减少未建模成分弱化了环境多径成分导致的不确定性影响，使得目标定位跟踪系统相关性能在多径效应干扰较为复杂的室内场景中仍能得到有效保障。有鉴于此，本申请第一方面提供了一种基于相关向量机的RSS数据建模方法，所述方法包括：将采集的多个预置场景的RSS数据按照预置处理方式进行RSS数据预处理后作为输出训练RSS数据；将采集的RSS数据集根据不同的链路，进行与链路对应的目标偏离视距程度、目标接近节点程度和静态衰落水平三个维度参数求解作为输入训练数据；通过输出训练RSS数据和输入训练数据建立基于相关向量机的三维参数化RSS模型。优选地，将采集的多个预置场景的RSS数据按照预置处理方式进行RSS数据预处理后作为输出训练RSS数据，具体包括：采集的空旷室外场景、通用室内场景、复杂室内场景的人体目标位于预设多个位置时的RSS数据集；对RSS数据集进行一定时间窗内求均值后作差，得到的RSS测量变化值作为输出训练RSS数据。优选地，基于相关向量机的三维参数化RSS模型参数化表示为包括：将由目标偏离视距程度、目标接近节点程度和静态衰落水平三个维度参数联合支配的输出训练RSS数据进行参数化表示：其中，yi为链路i对应的训练RSS数据，M为传感器网络中链路数，λi，γi和Fi分别对应相应链路的目标偏离视距程度、目标接近节点程度和静态衰落水平，ei为模型训练误差，K(θ,θi)为由三个维度参数训练出的高斯核函数，关系向量估计出的权重参数ω＝[ω1,...,ωM]T。本申请第二方面提供了一种基于相关向量机的RSS数据模型基于相关向量机实现数据驱动建模的目标定位跟踪系统的目标定位跟踪方法，所述方法包括：基于相关向量机实现数据驱动建模的目标定位跟踪系统对本申请提及的任意一种所述的三维参数化RSS模型进行数据驱动联合模型计算生成射频层析成像任务所需的观测矩阵；基于相关向量机实现数据驱动建模的目标定位跟踪系统将获取的待跟踪目标物的实时RSS数据域观测结合稀疏重构算法进行射频层析成像中的影像重构，确定待跟踪目标物的目标定位和跟踪。优选地，观测矩阵具体包括：其中，φij表示观测矩阵中的第i行中第j个像素对该链路的贡献权重。优选地，基于相关向量机实现数据驱动建模的目标定位跟踪系统将获取的待跟踪目标物的实时RSS数据域观测结合稀疏重构算法进行射频层析成像中的影像重构，确定待跟踪目标物的目标定位和跟踪，具体包括：基于相关向量机实现数据驱动建模的目标定位跟踪系统将获取的待跟踪目标物的实时RSS数据域观测结合稀疏重构算法进行射频层析成像中的影像重构；基于相关向量机实现数据驱动建模的目标定位跟踪系统将影像重构后的成像结果图中衰减程度最大的单个或多个像素位置作为单目标或多目标的估计位置；基于相关向量机实现数据驱动建模的目标定位跟踪系统通过卡尔曼滤波与目标实时定位结果相结合，进行待跟踪目标物的动态轨迹跟踪。本申请第三方面提供一种基于相关向量机的RSS数据建模装置，所述装置包括：预处理模块，用于将采集的多个预置场景的RSS数据按照预置处理方式进行RSS数据预处理后作为输出训练RSS数据；多维处理模块，用于将采集的RSS数据集根据不同的链路，进行与链路对应的目标偏离视距程度、目标接近节点程度和静态衰落水平三个维度参数求解作为输入训练数据；建模模块，用于通过输出训练RSS数据和输入训练数据建立基于相关向量机的三维参数化RSS模型。本申请第四方面提供一种基于相关向量机实现数据驱动建模的目标定位跟踪的目标定位跟踪系统，包括：计算模块，用于对本申请提及的任意一个所述的三维参数化RSS模型进行数据驱动联合模型计算生成射频层析成像任务所需的观测矩阵；跟踪模块，用于将获取的待跟踪目标物的实时RSS数据域观测结合稀疏重构算法进行射频层析成像中的影像重构，确定待跟踪目标物的目标定位和跟踪。本申请第五方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面所述的方法。本申请第六方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第二方面所述的方法。从以上技术方案可以看出，本申请实施例具有以下优点：本申请实施例中，提供了一种基于相关向量机的RSS数据建模方法及其基于相关向量机实现数据驱动建模的目标定位跟踪系统的目标定位跟踪方法、基于相关向量机实现数据驱动建模的目标定位跟踪系统及计算机可读存储介质，本申请的基于相关向量机的RSS数据建模方法包括：将采集的多个预置场景的RSS数据按照预置处理方式进行RSS数据预处理后作为输出训练RSS数据，将采集的RSS数据集根据不同的链路，进行与链路对应的目标偏离视距程度、目标接近节点程度和静态衰落水平三个维度参数求解作为输入训练数据，通过输出训练RSS数据和输入训练数据建立基于相关向量机的三维参数化RSS模型，区别于传统的基于RSS建模研究中广泛运用的无线电传播机理分析法和经验分析法，能有效提取各个维度参数之间的交叉耦合关系并综合三个维度参数的优点，弥补了现有单一维度模型对RSS数据信息利用率不高的缺陷，在增强模型对数据的表示能力的同时，通过减少未建模成分弱化了环境多径成分导致的不确定性影响，解决了目前的单一维度模型对RSS数据信息利用率不高的缺陷，所造成的造成了RSS-DFLT系统的性能在多径干扰严重的复杂环境中出现退化现象的技术问题。以及，本专利技术的基于相关向量机实现数据驱动建模的目标定位跟踪系统的目标本文档来自技高网...

【技术保护点】
1.一种基于相关向量机的RSS数据建模方法，其特征在于，包括：将采集的多个预置场景的RSS数据按照预置处理方式进行RSS数据预处理后作为输出训练RSS数据；将采集的RSS数据集根据不同的链路，进行与链路对应的目标偏离视距程度、目标接近节点程度和静态衰落水平三个维度参数求解作为输入训练数据；通过输出训练RSS数据和输入训练数据建立基于相关向量机的三维参数化RSS模型。

【技术特征摘要】
1.一种基于相关向量机的RSS数据建模方法，其特征在于，包括：将采集的多个预置场景的RSS数据按照预置处理方式进行RSS数据预处理后作为输出训练RSS数据；将采集的RSS数据集根据不同的链路，进行与链路对应的目标偏离视距程度、目标接近节点程度和静态衰落水平三个维度参数求解作为输入训练数据；通过输出训练RSS数据和输入训练数据建立基于相关向量机的三维参数化RSS模型。2.根据权利要求1所述的方法，其特征在于，将采集的多个预置场景的RSS数据按照预置处理方式进行RSS数据预处理后作为输出训练RSS数据，具体包括：采集的空旷室外场景、通用室内场景、复杂室内场景的人体目标位于预设多个位置时的RSS数据集；对RSS数据集进行一定时间窗内求均值后作差，得到的RSS测量变化值作为输出训练RSS数据。3.根据权利要求1所述的方法，其特征在于，基于相关向量机的三维参数化RSS模型参数化表示为包括：将由目标偏离视距程度、目标接近节点程度和静态衰落水平三个维度参数联合支配的输出训练RSS数据进行参数化表示：其中，yi为链路i对应的训练RSS数据，M为传感器网络中链路数，λi，γi和Fi分别对应相应链路的目标偏离视距程度、目标接近节点程度和静态衰落水平，ei为模型训练误差，K(θ,θi)为由三个维度参数训练出的高斯核函数，关系向量估计出的权重参数ω＝[ω1,...,ωM]T。4.一种基于相关向量机实现数据驱动建模的目标定位跟踪系统的目标定位跟踪方法，其特征在于，包括：基于相关向量机实现数据驱动建模的目标定位跟踪系统对权利要求1至3中任意一项所述的三维参数化RSS模型进行数据驱动联合模型计算生成射频层析成像任务所需的观测矩阵；基于相关向量机实现数据驱动建模的目标定位跟踪系统将获取的待跟踪目标物的实时RSS数据域观测结合稀疏重构算法进行射频层析成像中的影像重构，确定待跟踪目标物的目标定位和跟踪。5.根据权利要求4所述的的方法，其特征在于，观测矩阵具体包括：其中，φij表示观测矩阵中的第i行中第j个像素对该链路的贡献权重。6...

【专利技术属性】
技术研发人员：洪晓冰，王国利，方媛，郭雪梅，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44