基于压缩感知的被动式移动目标轨迹测绘

被引：5

作者：

王举

陈晓江

常俪琼

房鼎益

邢天璋

聂卫科

机构：

[1] 西北大学信息科学与技术学院

来源：

计算机学报 | 2015年 / 38卷 / 12期

关键词：

被动式跟踪(定位); 压缩感知; 数据量; 物联网;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

被动式目标轨迹测绘以其无需目标携带任何设备的优点吸引着许多应用,如野生动物监测、入侵安全监测等.针对现有基于被动式目标轨迹测绘方法,因频繁定位而导致计算开销大和大量观测数据导致通信能耗高的问题,文中提出基于压缩感知的被动式目标轨迹测绘(Compressive Sensing Based Device-Free Target Trajectory Depiction,CSTD)算法,仅用少量观测数据一次性精确测绘出目标轨迹,减少了计算和通信开销,降低了能耗.文中的关键性发现及CSTD优点是:(1)轨迹上不同的位置及其估算具有时间独立性和空间统一性,可将不同位置映射到统一的物理空间一次性测绘出目标轨迹,避免传统方法频繁定位计算开销的问题;(2)目标轨迹与监测区域的空间位置相比具有稀疏性,利用压缩感知原理通过少量观测数据就能精确测绘出目标轨迹,降低了数据量和能耗.为适应实际应用中的大规模场景需求,该文给出了可扩展的CSTD算法模型,并提出了目标轨迹稀疏度未知(目标经过的位置数未知)下的稀疏恢复算法.部署了48个节点的8m×8m真实实验,结果表明在降低观测数据量的同时,CSTD较现有经典算法至少提高了63%的轨迹测绘精度.

引用

页码：2361 / 2374

页数：14

共 4 条

[1]

CoSaMP: Iterative signal recovery from incomplete and inaccurate samples[J] . D. Needell,J.A. Tropp.Applied and Computational Harmonic Analysis . 2008 (3)

[2]

For most large underdetermined systems of linear equations the minimal ??1‐norm solution is also the sparsest solution[J] . David L.Donoho.Comm. Pure Appl. Math. . 2006 (6)

[3]

Classical Electrodynamics, 3rd ed[J] . J. D. Jackson,Ronald F. Fox.American Journal of Physics . 1999 (9)

[4]

RF-sensing of activities from noncooperative subjects in device-free recognition systems using ambient and local signals .2 Sigg S,Schol M,et al. IEEE Transactions on Mobile Computing . 2014

← 1 →