CN108761391B - 一种模型类无设备目标定位方法 - Google Patents

一种模型类无设备目标定位方法 Download PDF

Info

Publication number
CN108761391B
CN108761391B CN201810530928.9A CN201810530928A CN108761391B CN 108761391 B CN108761391 B CN 108761391B CN 201810530928 A CN201810530928 A CN 201810530928A CN 108761391 B CN108761391 B CN 108761391B
Authority
CN
China
Prior art keywords
target
positioning
wireless
pixel
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810530928.9A
Other languages
English (en)
Other versions
CN108761391A (zh
Inventor
王婷婷
柯炜
倪海彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN201810530928.9A priority Critical patent/CN108761391B/zh
Publication of CN108761391A publication Critical patent/CN108761391A/zh
Application granted granted Critical
Publication of CN108761391B publication Critical patent/CN108761391B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/12—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves by co-ordinating position lines of different shape, e.g. hyperbolic, circular, elliptical or radial
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种模型类无设备目标定位方法，该方法针对当前模型类无设备目标定位技术普遍采用的等权值椭圆模型的不足，根据目标对无线链路影响的空间关系提出一种分层椭圆阴影权重模型来刻画目标对无线链路影响的程度，以达到更精确描述接收信号强度（Received Signal Strength,RSS）变化与目标位置之间关系的目的，并提高模型类无设备目标定位性能；同时在实现定位时，利用十字目标自动搜索技术自主选择目标位置，以提高定位结果的准确性，并克服背景噪声和伪目标图像的影响。

Description

一种模型类无设备目标定位方法
技术领域
本发明涉及一种改进的模型类无设备目标定位方法，属于无线定位技术领域。
背景技术
与传统定位方式要求定位目标必须携带与定位***相匹配的定位设备(如GPS接收机、手机等)不同，无设备目标定位(Device-free localization,DFL)无需定位目标携带任何定位装置，也无需定位目标主动参与定位过程，因此DFL在人员搜救、非法入侵检测、特殊情况下的老人照料等传统定位方法无法实现的定位领域可以发挥重要作用。相比于现有的基于摄像头，超宽带雷达，红外和超声波等技术的免携带设备定位，基于无线传感器网络的DFL技术因其成本低、通用性好并能够穿透墙壁、烟雾进行定位等优点，因而成为当前DFL领域的一个研究热点。
目前基于无线传感器网络的DFL方法大致可以分成3种类型，即指纹基的DFL、几何基的DFL和模型基的DFL等。指纹基的DFL要求事先建立指纹数据库，并且随着环境的变化需要更新数据库，对人力和物力投入要求较高。几何基的DFL将链路连接表示成直线段，利用链路之间的几何关系进行定位；该类方法虽然无需建立指纹数据库，但容易受多径等影响。模型基的DFL利用阴影权重模型来建立目标位置与信号强度变化之间的关系，并借鉴医学CT的思想，通过正则化方法反演出位置图像，该类方法也被称之为射频层析成像(RadioTomographic Imaging,RTI)技术。由于RTI定位的直观性，因而受到广泛关注。实现RTI的关键之一是需要利用阴影权重模型来建立目标位置与信号强度变化之间的关系。在最初的RTI中，采用椭圆阴影权重模型来构建这种关系，该模型规定在以一对无线节点为椭圆焦点构成的椭圆内所有格点的权重与这对节点的距离成反比，而椭圆外所有格点的权重为零。虽然这种模型有一定的合理性，但椭圆内所有格点的权重相同并不符合实际，而且该模型的椭圆短轴长度靠经验选取，同样缺乏理论依据。因此，基于椭圆阴影权重模型的RTI成像结果往往成像质量不高，容易出现伪目标，影响DFL精度。
发明内容
本发明为了解决现有技术中存在的问题，提供一种能提高定位结果的准确性，并克服背景噪声和伪目标图像影响的无设备目标定位方法。
为了达到上述目的，本发明提出的技术方案为：一种模型类无设备目标定位方法，包括以下步骤：
步骤一、建立无线定位***，所述定位***包括若干个无线收发节点，无线收发节点两两之间互相通信，组成多条无线链路；
步骤二、根据无设备目标对无线链路影响的空间关系建立分层椭圆权重模型；
步骤三、分别测量无线链路在无目标时和有目标时的RSS值；
步骤四、基于分层椭圆权重模型计算射频层析成像结果，得到成像图；
步骤五、利用十字目标自动搜索方法在成像图上获取目标位置。
对上述技术方案的进一步设计为：所述定位***包括M+1个无线收发节点，以无线通信协议为基础进行组网，其中，M个无线收发节点构成测量网络，均匀分布在定位***所定位区域的周边上，所述M个无线收发节点两两之间互相通信，组成L＝M×(M-1)/2条无线链路；第M+1个节点为数据采集节点，负责收集数据；定位***所定位的区域均匀划分成N个像素点。
所述分层椭圆权重模型中第i(i＝1,2,…,L)条链路所对应的渐变阴影权重模型公式如下：
Figure BDA0001677174660000021
其中，wij表示当目标位于第j个像素点时对第i条链路所产生影响对应的权重值，di为第i条链路长度，dij1，dij2分别为第j个像素点到组成第i条链路两节点的距离，ai表示第i条链路对应椭圆的长轴长度。
Figure BDA0001677174660000022
为第i条链路对应的最大第1菲涅尔区半径，其中λ表示电磁波的波长。
所述射频层析成像包括以下步骤：
步骤4.1、分别计算L条有效链路的RSS变化量，结果记为ΔY，根据射频层析成像原理，可得：
ΔY＝Wx+v
其中，x＝[x1,x2,…,xN]T表示定位区域划分的像素矢量，xi,i＝1,2,…,N表示各像素点上的值，v表示噪声矢量，W为权重矩阵；
步骤4.2、引入正则化约束项，得到目标函数如下：
Figure BDA0001677174660000023
其中，α表示正则化系数，Q表示正则矩阵，||·||表示2范数，求解上式，得到：
x＝(WTW+αQTQ)-1WTΔY。
所述十字目标自动搜索方法包括以下步骤：
步骤5.1、用均值法消除亮度值较小的噪声点；对成像图上所有像素点的亮度求平均值，低于平均值的像素点亮度值定为0；
步骤5.2、重新计算成像图上的所有像素点的亮度值，计算以每个像素点为中心，臂长为r的十字形邻域内的所有像素点的亮度值的乘积，计算公式如下：
Figure BDA0001677174660000031
其中，Π表示相乘运算，x(i,j)表示坐标为(i,j)的像素点的原始亮度值，
Figure BDA0001677174660000032
表示坐标为(i,j)的像素点重新计算后亮度值，当m＝0时，n＝-r,-r+1,…-1,1,…r-1,r，当n＝0时，m＝-r,-r-1,…-1,1,…r-1,r；r表示十字臂长度；
步骤5.3、成像图中非零像素区域即目标所在位置，取其中最亮像素坐标即为目标所在坐标。
本发明所达到的有益效果为：
(1)本发明的方法用分层椭圆权重模型代替现有固定权值的椭圆模型去实现射频层析成像，同时克服了椭圆短轴长度靠经验取值的缺点，可以有效减小模型误差，提高成像质量和定位性能。
(2)本发明的方法通过十字目标自动搜索技术自主选择目标位置，克服了背景噪声和伪目标图像的影响，提高了定位精度和鲁棒性。
附图说明
图1是本发明定位***的示意图；
图2是分层椭圆权重模型参数关系示意图；
图3是十字形邻域示意图；
图4是本发明实施例中基于现有技术中椭圆权重模型的成像结果图；
图5是本发明实施例中基于分层椭圆权重模型的成像结果图；
图6是本发明实施例中经过目标自动搜索方法后的定位结果图。
具体实施方式
下面结合附图以及具体实施例对本发明进行详细说明。
本发明的一种改进的模型类无设备目标定位方法，包括如下步骤：
步骤一、建立定位***；
该定位***包括M+1个无线收发节点，以IEEE802.15.4的无线通信协议为基础进行组网，其中，M个无线收发节点构成测量网络，均匀分布在定位区域的周边上，第M+1个节点为数据采集节点，负责收集数据；所述M个无线收发节点两两之间互相通信，组成L＝M×(M-1)/2条无线链路；定位区域均匀划分成N个像素点，定位***结构如图1所示。
步骤二、根据无设备目标对无线链路影响的空间关系构建分层椭圆权重模型；
根据菲涅耳理论，绝大部分能量都在第一菲涅耳区内传播。因此，可以认为当目标遮挡住链路的第一菲涅耳区时，视为有效遮挡。而当目标处在第一菲涅耳区外部时，可以认为对链路测量值的影响很小，此时权值和现有椭圆模型一样均设为0。同时，由于越靠近链路的位置对RSS值影响越大，应赋予更高的权值，由此得到了新的权重模型。根据以上分析，第i(i＝1,2,…,L)条链路所对应的渐变阴影权重模型公式如下：
Figure BDA0001677174660000041
其中，wij表示当目标位于第j个像素点时对第i条链路所产生影响对应的权重值，di为第i条链路长度，dij1，dij2分别为第j个像素点到组成第i条链路两节点的距离，ai表示第i条链路对应椭圆的长轴长度。
Figure BDA0001677174660000042
为第i条链路对应的最大第1菲涅尔区半径，其中λ表示电磁波的波长。以上各个量的示例如图2所示。
步骤三、测量无线链路无目标时和有目标时的RSS值；
根据通信理论，第i条链路中接收端的接收信号强度(Received SignalStrength，RSS)值可以表示为
yi(t)＝Pi-Li-Si(t)-Fi(t)-vi(t) (2)
其中Pi表示发送端的发射功率，一般假设发送功率固定，Li表示与传输距离、天线模式等相关的静态损耗，Si(t)表示阴影损耗，Fi(t)表示衰落损耗，vi(t)代表噪声。分别测量无目标时和有目标时第i条链路的RSS测量值，则在时刻t第i条链路的RSS变化量Δyi(t)可以表示为
Figure BDA0001677174660000043
其中yi(0)＝Pi-Li-Fi(0)-vi(0)表示没有目标存在时第i条链路的背景RSS测量值，
Figure BDA0001677174660000044
由于噪声和阴影衰落相比要小很多，所以Δyi(t)主要由t时刻的阴影衰落决定。采用同样的测量方式，全部L条链路的测量值可以用矢量Y(t)＝[y1(t)y2(t)…yL(t)]T表示，其中[]T表示转置操作。相应地，背景测量矢量可用Y(0)＝[y1(0)y2(0)…yL(0)]T来表示。计算测量矢量Y(t)和背景测量矢量Y(0)的差值，就可以得到t时刻RSS变化矢量ΔY(t)＝abs[Y(t)-Y(0)]＝[Δy1(t)Δy2(t)…ΔyL(t)]，其中abs[]表示绝对值操作。
步骤四、射频层析成像，形成成像图；
根据射频层析成像原理，可得：
ΔY＝Wx+v (4)
其中，x＝[x1,x2,…,xN]T表示定位区域划分的像素矢量，xi,i＝1,2,…,N表示各像素点上的值，v表示噪声矢量，权重矩阵W根据公式(1)计算得到；
引入正则化约束项，得到目标函数如下：
Figure BDA0001677174660000051
其中，α表示正则化系数，Q表示正则矩阵，||·||表示2范数，求解式(5)，得到：
x＝(WTW+αQTQ)-1WTΔY (6)
步骤五、基于十字目标自动搜索方法确定目标位置；
步骤5.1、用均值法消除亮度值较小的噪声点：对成像图上所有像素点的亮度求平均值，低于平均值的像素点亮度值定为0；
步骤5.2、在均值法消除背景后保留下来的仅仅是高亮度噪声像素，由于噪声的随机性，因而其周围的像素必然不可能都是高亮度像素。根据此特性并考虑到计算量，按如下规则重新计算成像图上的所有像素点的亮度值：计算以每个像素点为中心，臂长为r的十字形邻域内的所有像素点的亮度值的乘积，计算公式如下：
Figure BDA0001677174660000052
其中，Π表示相乘运算，x(i,j)表示坐标为(i,j)的像素点的原始亮度值，
Figure BDA0001677174660000053
表示坐标为(i,j)的像素点重新计算后亮度值，当m＝0时，n＝-r,-r+1,…-1,1,…r-1,r，当n＝0时，m＝-r,-r-1,…-1,1,…r-1,r；r表示十字半臂长度；如图3所示；
步骤5.3、由于在均值法消除背景的过程中已经把一部分背景的亮度值设为0，因此只要某像素的十字形邻域内有一个像素的亮度值为0，其亮度值就会变为零。而对于目标像素，其十字形邻域内都是亮度值较高的像素点，相乘后不可能变为零，因此在这一步结束之后，留下的非零像素区域即目标所在位置，取其中最亮像素坐标即为目标所在坐标。
实施例
本实施例以符合Zigbee协议的CC2530芯片为基础，自主开发了无线收发节点。定位区域为一个5米×5米的方形区域，每隔1米摆放1个无线收发节点，总共20个无线收发节点组成定位网络，另外1个无线节点作为数据采集节点，负责将测量数据传给电脑。每个定位节点放在高度为1米的支架上。在软件协议方面，本实施例以IEEE802.15.4的无线通信协议为基础，利用Z-stack协议栈软件，自主开发了轮询测量和接收信号强度值读取的程序代码。20个定位节点从1到20依次编ID号，通过该ID号的不同来区分不同的模块。一个节点发送定位数据时，数据包会携带发送模块的ID号，当下一个节点收到此ID号后，就会触发该节点的定位数据的发送，这样轮询测量就建立起来了。当一个发送节点发送定位数据之后，其他定位节点收到该数据时会产生一个强度值RSSI，并立即把这个数据保存下来，然后依次发送给数据采集节点，并通过数据采集节点传送给电脑。一旦采集到数据，采用上述方法进行成像和目标提取。如图4所示，是RTI技术采用现有等权值椭圆模型得到的单个目标成像实验结果图，被定位目标处于(1,2)米位置，而图4是本发明在相同条件下采用分层椭圆模型得到的单个目标成像实验结果图，被定位目标同样处于(1,2)米位置。图4由于采用固定权重的椭圆模型，图上目标亮点不够清楚，存在大片背景阴影，而采用分层椭圆模型的图5目标图像变得明显，不过背景干扰仍较强，容易受到伪目标干扰。如图6所示，采用本发明方法的目标自动搜索技术后，背景噪声被明显抑制，伪目标也不再出现。
本发明的技术方案不局限于上述各实施例，凡采用等同替换方式得到的技术方案均落在本发明要求保护的范围内。

Claims (3)

1.一种模型类无设备目标定位方法，其特征在于，包括以下步骤：
步骤一、建立无线定位***，所述定位***包括若干个无线收发节点，无线收发节点两两之间互相通信，组成多条无线链路；
步骤二、根据无设备目标对无线链路影响的空间关系建立分层椭圆权重模型；
步骤三、分别测量无线链路在无目标时和有目标时的RSS值；
步骤四、基于分层椭圆权重模型计算射频层析成像结果，得到成像图；
所述分层椭圆权重模型中第i(i＝1,2,…,L)条链路所对应的渐变阴影权重模型公式如下：
Figure FDA0003509817920000011
其中，wij表示当目标位于第j个像素点时对第i条链路所产生影响对应的权重值，di为第i条链路长度，dij1，dij2分别为第j个像素点到组成第i条链路两节点的距离，ai表示第i条链路对应椭圆的长轴长度，
Figure FDA0003509817920000012
为第i条链路对应的最大第1菲涅尔区半径，其中λ表示电磁波的波长；
步骤五、利用十字目标自动搜索方法获取目标位置；
所述十字目标自动搜索方法包括以下步骤：
步骤5.1、用均值法消除亮度值较小的噪声点；即对成像图上所有像素点的亮度求平均值，低于平均值的像素点亮度值定为0；
步骤5.2、重新计算成像图上的所有像素点的亮度值，计算以每个像素点为中心，臂长为r的十字形邻域内的所有像素点的亮度值的乘积，计算公式如下：
Figure FDA0003509817920000013
其中，Π表示相乘运算，x(i,j)表示坐标为(i,j)的像素点的原始亮度值，
Figure FDA0003509817920000014
表示坐标为(i,j)的像素点重新计算后亮度值，当m＝0时，n＝-r,-r+1,…-1,1,…r-1,r，当n＝0时，m＝-r,-r-1,…-1,1,…r-1,r；r表示十字臂长度；
步骤5.3、成像图中非零像素区域即目标所在位置，取其中最亮像素坐标即为目标所在坐标。
2.根据权利要求1所述的模型类无设备目标定位方法，其特征在于：所述定位***包括M+1个无线收发节点，以无线通信协议为基础进行组网，其中，M个无线收发节点构成测量网络，均匀分布在定位***所定位区域的周边上，所述M个无线收发节点两两之间互相通信，组成L＝M×(M-1)/2条无线链路；第M+1个节点为数据采集节点，负责收集数据；所述定位区域均匀划分为N个像素点。
3.根据权利要求1所述的模型类无设备目标定位方法，其特征在于：所述射频层析成像包括以下步骤：
步骤4.1、分别计算L条有效链路的RSS变化量，结果记为△Y，根据射频层析成像原理，可得：
ΔY＝Wx+v
其中，x＝[x1,x2,…,xN]T表示定位区域划分的像素矢量，xi,i＝1,2,…,N表示各像素点上的值，v表示噪声矢量，W为权重矩阵；
步骤4.2、引入正则化约束项，得到目标函数如下：
Figure FDA0003509817920000021
其中，α表示正则化系数，Q表示正则矩阵，||·||表示2范数，求解上式，得到：
x＝(WTW+αQTQ)-1WTΔY。
CN201810530928.9A 2018-05-29 2018-05-29 一种模型类无设备目标定位方法 Active CN108761391B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810530928.9A CN108761391B (zh) 2018-05-29 2018-05-29 一种模型类无设备目标定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810530928.9A CN108761391B (zh) 2018-05-29 2018-05-29 一种模型类无设备目标定位方法

Publications (2)

Publication Number Publication Date
CN108761391A CN108761391A (zh) 2018-11-06
CN108761391B true CN108761391B (zh) 2022-04-01

Family

ID=64003451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810530928.9A Active CN108761391B (zh) 2018-05-29 2018-05-29 一种模型类无设备目标定位方法

Country Status (1)

Country Link
CN (1) CN108761391B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110189312B (zh) * 2019-05-24 2021-06-29 北京康夫子健康技术有限公司 眼底图像的亮度评估方法、装置、电子设备及存储介质
CN113376574B (zh) * 2021-06-07 2023-06-30 河南工程学院 基于无线定位与图像处理的人位置匹配方法、装置及设备

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101856219A (zh) * 2010-05-13 2010-10-13 天津大学 基于频域近红外光测量的光学参数重构方法
WO2013041191A1 (en) * 2011-09-20 2013-03-28 Renolit Belgium N.V. Photovoltaic modules comprising a backsheet and electrical insulation layer(s) which are highly permeable to corrosive degradation by-products
CN103529427A (zh) * 2013-10-12 2014-01-22 西北大学 无线传感网随机部署下的目标定位方法
CN103942369A (zh) * 2014-04-02 2014-07-23 北京理工大学 一种面向临近空间的智能目标发生方法
CN104076349A (zh) * 2014-05-29 2014-10-01 西北大学 一种基于多普勒频移的被动式移动目标定位方法
CN104170260A (zh) * 2013-01-11 2014-11-26 松下电器（美国）知识产权公司 数据处理方法、预编码方法、通信装置
CN104282727A (zh) * 2014-09-30 2015-01-14 京东方科技集团股份有限公司 一种像素结构及其显示方法、显示装置
CN104486833A (zh) * 2014-11-24 2015-04-01 北京理工大学 基于运动预测删除干扰链路的室内无线层析成像增强方法
CN105022897A (zh) * 2015-08-17 2015-11-04 武汉理工大学 支持异构模型集成与组件重用的海事仿真引擎
CN105850114A (zh) * 2013-12-27 2016-08-10 汤姆逊许可公司 用于图像的逆色调映射的方法
CN105931196A (zh) * 2016-04-11 2016-09-07 天津大学 基于傅里叶光学建模的编码光圈相机图像恢复方法
CN105960017A (zh) * 2016-06-24 2016-09-21 北京理工大学 基于超宽带节点网络的免携带设备定位方法
CN106231552A (zh) * 2016-08-02 2016-12-14 南京信息工程大学 一种基于混合方式的非合作目标定位方法
CN106228515A (zh) * 2016-07-13 2016-12-14 凌云光技术集团有限责任公司 一种图像去噪方法及装置
CN106304330A (zh) * 2016-08-02 2017-01-04 南京信息工程大学 一种减轻背景电磁波影响的射频层析成像定位方法
CN106296725A (zh) * 2015-06-12 2017-01-04 富泰华工业（深圳）有限公司 运动目标实时检测与跟踪方法及目标检测装置
CN106454727A (zh) * 2016-09-30 2017-02-22 西北大学 一种基于细粒度子载波信息的低代价被动式定位方法
CN106940895A (zh) * 2017-01-12 2017-07-11 北京理工大学 一种应用于无线层析成像***的降质函数的估计方法
CN107911863A (zh) * 2017-11-20 2018-04-13 太原理工大学 一种基于简单手势确定恶意ap位置的方法
CN108051812A (zh) * 2018-01-22 2018-05-18 南京航空航天大学 基于二维速度搜索的星载sar运动目标检测方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4421079B2 (ja) * 2000-05-23 2010-02-24 株式会社東芝 Ｍｒｉ用傾斜磁場コイル
US7588892B2 (en) * 2004-07-19 2009-09-15 Entelos, Inc. Reagent sets and gene signatures for renal tubule injury
JP5248010B2 (ja) * 2006-02-17 2013-07-31 株式会社東芝 データ補正装置、データ補正方法、磁気共鳴イメージング装置およびｘ線ｃｔ装置
JP4349380B2 (ja) * 2006-03-22 2009-10-21 セイコーエプソン株式会社 撮像装置、画像を取得する方法
WO2015134662A2 (en) * 2014-03-04 2015-09-11 The Trustees Of Columbia University In The City Of New York Regularization of images
CN106793076B (zh) * 2016-12-30 2019-11-12 北京理工大学 一种阴影衰落辅助的免携带设备定位方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101856219A (zh) * 2010-05-13 2010-10-13 天津大学 基于频域近红外光测量的光学参数重构方法
WO2013041191A1 (en) * 2011-09-20 2013-03-28 Renolit Belgium N.V. Photovoltaic modules comprising a backsheet and electrical insulation layer(s) which are highly permeable to corrosive degradation by-products
CN104170260A (zh) * 2013-01-11 2014-11-26 松下电器（美国）知识产权公司 数据处理方法、预编码方法、通信装置
CN103529427A (zh) * 2013-10-12 2014-01-22 西北大学 无线传感网随机部署下的目标定位方法
CN105850114A (zh) * 2013-12-27 2016-08-10 汤姆逊许可公司 用于图像的逆色调映射的方法
CN103942369A (zh) * 2014-04-02 2014-07-23 北京理工大学 一种面向临近空间的智能目标发生方法
CN104076349A (zh) * 2014-05-29 2014-10-01 西北大学 一种基于多普勒频移的被动式移动目标定位方法
CN104282727A (zh) * 2014-09-30 2015-01-14 京东方科技集团股份有限公司 一种像素结构及其显示方法、显示装置
CN104486833A (zh) * 2014-11-24 2015-04-01 北京理工大学 基于运动预测删除干扰链路的室内无线层析成像增强方法
CN106296725A (zh) * 2015-06-12 2017-01-04 富泰华工业（深圳）有限公司 运动目标实时检测与跟踪方法及目标检测装置
CN105022897A (zh) * 2015-08-17 2015-11-04 武汉理工大学 支持异构模型集成与组件重用的海事仿真引擎
CN105931196A (zh) * 2016-04-11 2016-09-07 天津大学 基于傅里叶光学建模的编码光圈相机图像恢复方法
CN105960017A (zh) * 2016-06-24 2016-09-21 北京理工大学 基于超宽带节点网络的免携带设备定位方法
CN106228515A (zh) * 2016-07-13 2016-12-14 凌云光技术集团有限责任公司 一种图像去噪方法及装置
CN106231552A (zh) * 2016-08-02 2016-12-14 南京信息工程大学 一种基于混合方式的非合作目标定位方法
CN106304330A (zh) * 2016-08-02 2017-01-04 南京信息工程大学 一种减轻背景电磁波影响的射频层析成像定位方法
CN106454727A (zh) * 2016-09-30 2017-02-22 西北大学 一种基于细粒度子载波信息的低代价被动式定位方法
CN106940895A (zh) * 2017-01-12 2017-07-11 北京理工大学 一种应用于无线层析成像***的降质函数的估计方法
CN107911863A (zh) * 2017-11-20 2018-04-13 太原理工大学 一种基于简单手势确定恶意ap位置的方法
CN108051812A (zh) * 2018-01-22 2018-05-18 南京航空航天大学 基于二维速度搜索的星载sar运动目标检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Analysis and extensions of the Frankle-McCann Retinex algorithm;Ted J. Cooper;《Journal of Electronic Imaging》;20041231;1-8 *
Reliable Device-Free User Localization Using Multichannel Radio Transceivers;Andreas Fink;《The 8th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications》;20151231;827-832 *
Toward Accurate Device-Free Wireless Localization With a Saddle Surface Model;Jie Wang;《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》;20160831;第65卷(第8期);6665-6677 *
基于GPU的自适应光学控制***研究;章承伟;《工业控制计算机》;20180425;1-3 *
基于无线传感器网络的无线层析成像定位技术的研究;王满意;《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》;20160315;全文 *

Also Published As

Publication number Publication date
CN108761391A (zh) 2018-11-06

Similar Documents

Publication Publication Date Title
EP1754385B1 (en) Wireless node location mechanism featuring definition of search region to optimize location computation
CN103197280B (zh) 一种基于射频信号强度的ap位置估计方法
CA2558394C (en) Location of wireless nodes using signal strength weighting metric
US7286835B1 (en) Enhanced wireless node location using differential signal strength metric
CN107181543B (zh) 一种基于传播模型和位置指纹的三维室内无源定位方法
CN113064117B (zh) 一种基于深度学习的辐射源定位方法及装置
CN105137390A (zh) 一种基于可调发射功率ap的室内定位方法
CN108882151A (zh) 基于csi信息区域化标注的室内定位方法
CN105205114B (zh) 一种基于图像处理的Wi-Fi定位指纹数据库构建方法
CN106255059B (zh) 一种基于几何方式的无设备目标定位方法
CN106304330B (zh) 一种减轻背景电磁波影响的射频层析成像定位方法
CN110351660B (zh) 一种基于双步指纹匹配架构的蓝牙室内定位方法
CN104053129A (zh) 一种基于稀疏射频指纹插值的无线传感器网络室内定位方法和装置
CN108761391B (zh) 一种模型类无设备目标定位方法
CN107645772A (zh) 人体定位方法、人体定位***与定位服务器
CN112135344B (zh) 一种基于csi和dcnn的无设备目标定位方法
CN108828510B (zh) 一种基于渐变阴影权重模型的射频层析成像定位方法
CN108924742B (zh) 一种在管廊通道内基于ap设备和摄像头的共同定位方法
CN108769910A (zh) 一种WiFi定位的方法
CN106888504B (zh) 基于fm与dtmb信号的室内位置指纹定位方法
Liu et al. A Novel Multi-Hop Algorithm for Wireless Network with Unevenly Distributed Nodes.
CN108702184A (zh) 基于图确定初始同步波束扫描
CN112118530B (zh) 基于wifi信道状态信息的定位***及方法
CN108932478A (zh) 基于图像的物体定位方法、装置及购物车
CN108363036B (zh) Wsn中基于误差补偿策略的节点分布式定位***与方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant