[发明专利]一种无携带设备的目标室内轨迹追踪方法在审
| 申请号: | 202210711018.7 | 申请日: | 2022-06-22 |
| 公开(公告)号: | CN115150766A | 公开(公告)日: | 2022-10-04 |
| 发明(设计)人: | 丁数学;江玉琦;谭本英;李玉洁 | 申请(专利权)人: | 桂林电子科技大学 |
| 主分类号: | H04W4/38 | 分类号: | H04W4/38;H04W4/33;G06K9/62 |
| 代理公司: | 桂林市华杰专利商标事务所有限责任公司 45112 | 代理人: | 周雯 |
| 地址: | 541004 广西*** | 国省代码: | 广西;45 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 携带 设备 目标 室内 轨迹 追踪 方法 | ||
1.一种无携带设备的目标室内轨迹追踪方法,其特征在于,包括如下步骤:
1)采集训练样本集:依据目标对无线电遮挡的原理采集目标位于各个位置的信号数据及对应的标签,构成训练样本集,具体为:
1-1)将监控区域划分为n个相同大小的网格,每个网格都代表目标可能所处的位置,且每个网格都有一个对应的类标为y∈{1,2,…,n};
1-2)在需要定位的定位区域周围设置均匀分布的L个固定的无线电接收传感器,每次由其中的一个传感器作为发射传感器,L-1个传感器作为接收传感器,每个发射传感器和一个接收传感器之间的无线通信为一组无线通信链路,则定位区域中共有N=L×(L-1)组无线通信链路;
1-3)收集目标位于各个网格时的数据作为训练集,当目标位于其中一个网格时,一个发射传感器发射无线电波信号,其他L-1个接收传感器接收信号,接收的信号数据是接收信号的强度,即对接收信号在频域中的基波与二次谐波进行处理,记录此时的数据,其中每个接收天线同时接收数据;
1-4)轮换L个传感器分别作为发射传感器,其它传感器为接收传感器,当轮换完一轮后,即记录完目标在此网格中的完整数据;
2)采集测试样本:采集目标当前实时所处位置的数据及标签构成一组测试样本,具体为:
2-1)对目标的当前实时位置数据进行实时采集,其中一个传感器发射载波信号,其它传感器接收信号处理成信号强度数据;
2-2)记录目标位于网格的类标;
3)构成字典矩阵:首先将采集到的训练样本集数据及测试样本数据处理成矩阵,并对此矩阵中的列向量核变换处理,再采用主成分分析方法对核变换后的高维数据投影降维,最后对处理完的训练样本集中的每个位置的数据处理成列向量,拼接在一起构成字典矩阵,具体为:
3-1)将目标在每个位置收集的数据转化为列向量,每个位置都有对应的列向量以及标签,即每个列向量都代表一个位置的数据信息,并且对每个列向量进行二范数归一化处理;
3-2)对归一化后的列向量采用高斯核函数做核变换,核变换包括对训练集X和测试集x做核变换,具体方式为:
测试集:
训练集:
高斯核函数定义为:
核变换后的目标方程如公式(4)所示:
其中α为所求稀疏向量,ε为α的稀疏度;
3-3)采用主成分分析对核空间数据进行投影,对数据投影降维的方式如公式(5)所示:
‖PTΦ(x)-PTΦα‖2 (5),
其中P是投影矩阵,且P=ΦB,B=[β1,…βd]为伪转换矩阵,
将公式(5)代入目标方程公式(1)、(2)、(3)得到新的目标方程如公式(6)所示:
采用主成分分析对公式(6)中的矩阵B求解,即目标方程只存在一个未知值α,主成分分析求解B过程为:
nλβ=Kβ,
其中,n为训练集样本数量,即求K的特征值和特征矩阵,取前d个最大特征值对应特征向量并且进行列归一化构成矩阵B,即求出了伪转换矩阵B;
4)得到位置类标:构建目标方程并进行求解得到稀疏向量,分析此目标方程得到此测试样本对应的位置标签,即对测试样本对应的目标方程公式(6)求解,求出稀疏向量α=(0,0,0,....αj,...,0),取稀疏向量的最大值,最大值位置对应的标签即为目标在此时刻的实时位置标签;
5)得到目标当前移动轨迹:不断记录得到的测试样本分类类标,并将当前记录的位置类标对应的位置连点成线,即为目标当前移动轨迹,包括:
5-1)将位置类标按照顺序记录在位置向量loc=(l1,l2,...,ln)中;
5-2)按照位置向量loc中的所存储的类标对应的网格位置点,连点成线,得到当前目标移动轨迹,并且此数组中的最后一项即为目标的实时位置对应类标,重复步骤2)—步骤5),在定位时间结束后,即可画出目标的完整移动轨迹。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学,未经桂林电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210711018.7/1.html,转载请声明来源钻瓜专利网。





