面向工业射频环境的无线电层析成像定位方法与流程

文档序号:14685253发布日期:2018-06-12 23:22
面向工业射频环境的无线电层析成像定位方法与流程

本发明涉及无线定位与无线电层析成像技术领域,具体发明一种面向工业射频环境的无线电层析成像定位方法。



背景技术:

工业生产对于工厂人员定位,移动机器人、货物的位置获取等定位服务的需求日益增加。与此同时,工业无线网络的飞速发展使得工业射频环境下的无线定位技术成为现实。现有的工业无线定位应用一般基于射频识别(Radio Frequency Identification,RFID)、超带宽(Ultra Wideband,UWB)和ZigBee等技术,所采用的定位方法一般采用基于到达时间差(Time Difference of Arrival,TDOA)或基于飞行时间(Time of Flight,TOF)的定位方法。

现有的工业无线定位系统中,无线设备对时间同步性能要求非常高,采用的主控芯片以及晶振性能较高,导致设备成本高昂。此外,定位目标需要持有无线电子设备,不能应对突发的情况。例如,当工厂中发生事故时,工人在慌乱中遗失定位标签,不仅无法获取待救人员位置,还会耽误营救工作的开展。

基于上述原因,无源定位方法在工业生产中具有广泛的应用前景。作为一种新兴的代表性无源定位技术,无线层析成像(Radio Tomography Imaging,RTI)受到了学术界和工业界的广泛关注。无线层析成像的主要工作原理是在监控区域周围布置大量无线传感器节点,如果定位目标出现在被监控的区域,某些无线链路会被其遮挡。由于阴影衰落会造成链路产生明显的衰减,通过分析衰减强度,无线层析成像系统将位置信息反演成包含着位置信息的二维图像。

但是,由于工业射频环境中存在着复杂的多径效应,每个无线设备的接收信号的RSS测量值呈现不规律性变化。现有的无线层析成像RTI技术没有考虑工业射频环境的不利因素,因此在工业射频环境下其定位精度难以满足应用要求。



技术实现要素:

本发明针对无线电层析成像无法在多径效应严重的工业环境中应用的现状,提出了一种面向工业射频环境的无线电层析成像定位方法。

本发明采用的技术方案如下:一种面向工业射频环境下的无线电层析成像定位方法,包括以下步骤:

1)利用多个无线设备组成无线网络覆盖被定位区域,对该区域采用多信道信息融合方法收集链路RSS信息;

2)根据被定位区域的平面几何关系,采用点到线模型方法构建权重矩阵;

3)根据链路RSS信息和权重矩阵,采用广义正交匹配追踪算法得到用于重构区域图像的稀疏信号;

4)根据稀疏信号重构区域图像确定目标位置。

所述对该区域采用多信道信息融合方法收集链路RSS信息包括以下步骤:

所有无线设备在完成一个定位过程后,将不同信道下获取的链路RSS信息{Yi},i=1,2,3,...,S采用均值运算进行融合,得到最终的链路RSS信息S为信道数。

所述根据被定位区域的平面几何关系,采用点到线模型方法构建权重矩阵包括以下步骤:

对于被定位区域所有无线设备之间的每条链路在二维平面上构成的直线,当像素中心点到链路直线的距离小于阈值时,该像素的权值为1,否则为0;

将每个像素的权值除以链路距离的平方根,计算出权重矩阵;

权重矩阵W中的元素wkm为:

其中,wkm为链路k对应整个区域图像的第m个像素的权值,α为预先设定的权重矩阵阈值,dk为链路k的发送节点和接收节点之间的距离,dmk为像素m到链路k的距离;K为链路数,M为像素个数。

所述采用广义正交匹配追踪算法得到用于重构区域图像的稀疏信号包括以下步骤:

将YS作为观测向量Y∈RK×1,并设定信号稀疏度估计H和每次迭代选择的原子个数D,R为实数;传感矩阵A=WΨ,A∈RK×M,Ψ∈RM×M,其中Ψ为稀疏矩阵变换基,W为权重矩阵;

(1)初始化r0=Y,为空集;r0表示残差初始值,B0表示初始重构原子集合;

(2)计算所有内积Δj=|<rh-1,aj>|(1≤j≤M),其中|<rh-1,aj>|表示向量rh-1和aj的内积运算,aj为传感矩阵A的第j列元素,rh-1为第h-1次迭代的残差;令JD是Δj(1≤j≤M)中最大的D个值对应的列序号j所构成的集合;

(3)Bh=Bh-1∪aj(j∈JD),∪表示集合的并运算,Bh表示第h次重构原子集合,它包含第h-1次迭代时的重构原子集合加上第h次迭代从传感矩阵A中选择出来的列;

(4)求Y=Bhθh的最小二乘解,θh表示第h次迭代重构出的稀疏信号;最小二乘解

(5)更新残差

(6)令h=h+1,当||rh||<ε或者h=H时,停止迭代,然后输出稀疏信号ε为阈值;否则返回(2)继续迭代。

所述根据稀疏信号重构区域图像确定目标位置包括以下步骤:在所有像素点值X=Ψθ=(x1,x2,...,xM)中选择最大的像素点值xmax,该像素网格就是目标所在的位置。

本发明的有益效果及优点如下:

(1)考虑工业射频环境的多径、电磁干扰等不利因素,采用多信道融合技术对工业无线网络平台获取的接收信号强度进行数据处理,可有效克服恶劣工业射频环境中对无线定位精度的不利影响。

(2)根据点到线模型建立描述区域位置和链路相关性的点线权重矩阵,结合广义正交匹配追踪算法,可以快速,准确地恢复区域图像,且图像的噪声明显降低。

(3)本发明可以有效地抑制工业射频环境中对定位结果带来的负面影响,满足工业射频环境下精确定位的要求。

附图说明

图1-定位平台的无线链路示意图;

图2-无线设备的多信道工作周期示意图;

图3-点线权重矩阵像素确定示意图。

具体实施方式

下面将结合附图对本发明做进一步的详细说明。

一种面向工业射频环境下的无线电层析成像定位方法,包括:

特征1:面向无线电信号传播阴影衰落的特征,采用无线电层析成像(Radio Tomography Imaging,RTI)原理实现工业射频环境下的人员定位。

特征2:利用工业无线平台(例如WIA-PA、Wireless HART、ISA SP100和ZigBee等)获取链路接收信号强度(Received Signal Strength,RSS)。工业无线网络的数据链路层中采用时分多址(Time Division Multiple Access,TDMA)通信方式,应用层采用多信道信息融合技术。

特征3:根据平面几何关系,采用点到线模型(Point-to-Line,P2L)构建权重矩阵。

特征4:根据压缩感知原理,采用广义正交匹配追踪算法(Generalized Orthogonal Matching Pursuit,gOMP)重构区域图像。

特征5:根据重构所得的区域图像确定目标位置。

特征1所采用无线电层析成像原理,它利用多个无线设备组成无线网络覆盖被定位区域,无线设备之间互相发送和接收射频信号,从而构成多条无线链路。处于定位区域中的目标由于遮挡链路的信号传输造成接收信号强度RSS发生衰减,通过建立RSS衰减值与衰减区域内像素位置之间的关系来定位目标。

特征2利用工业无线平台获取链路RSS信息,无线网络数据链路层采用TDMA方式,将时间划分为若干周期,每个周期称为一个超帧,每个超帧分为若干时隙,以时隙为基本时间单位。无线设备依次轮流占用时隙,在每个时隙中只能有一个无线设备发送报文。通过固定的跳频序列,系统周期性地改变信道进行通信。在不同信道下获取链路RSS信息,将多个信道下的RSS取平均值得到最终的链路RSS信息。

特征3所用的权重矩阵W通过二维平面几何关系获得;对于每条链路在二维平面上构成的直线,当像素中心点到链路直线的距离小于阈值时,相应的权值为1,否则权值为0。将像素的权值再除以链路距离的平方根,计算出权重矩阵W中的元素wkm为:

其中,wkm为链路k对应整个区域图像的第m个像素的权值,α为预先设定的点线权重矩阵模型的阈值,dk为链路k的发送节点和接收节点之间的距离,dmk为像素m到链路k的距离。

特征4采用的压缩感知原理广义正交匹配追踪(gOMP)算法:

输入:(1)观测向量Y∈RK×1

(2)传感矩阵A=WΨ,A∈RK×M,Ψ∈RM×M,其中Ψ为稀疏矩阵变换基

(3)信号稀疏度估计H

(4)每次迭代选择原子个数D

输出:(1)稀疏信号θ

(2)残差余量r

过程:(1)初始化r0=Y,为空集;r0表示残差初始值,B0表示初始重构原子集合;

(2)计算所有内积Δj=|<rh-1,aj>|(1≤j≤M),其中|<rh-1,aj>|表示向量rh-1和aj的内积运算,aj为传感矩阵A的第j列元素,rh-1为第h-1次迭代的残差;令JD是Δj(1≤j≤M)中最大的D个值对应的列序号j所构成的集合;

(3)Bh=Bh-1∪aj(j∈JD),∪表示集合的并运算,Bh表示第h次重构原子集合,它包含第h-1次迭代时的重构原子集合加上第h次迭代从传感矩阵A中选择出来的列;

(4)求Y=Bhθh的最小二乘解,最小二乘解

(5)更新残差

(6)令h=h+1,当||rh||<ε或者h=H时,停止迭代,然后输出否则返回(2)继续迭代。

所用确定目标位置方法如下:给定特征4中的重构区域图像,在所有像素点值X=Ψθ=(x1,x2,...,xM)中选择最大的像素点值xmax,该像素网格就是目标所在的位置。

本发明利用基于TDMA的工业无线网络平台上采集链路RSS信息;利用多信道信息融合方法对采集的RSS信息进行数据处理,并根据点到线权重矩阵模型计算权重矩阵;然后,通过RSS信息和权重矩阵构建线性方程;最后,通过压缩感知原理gOMP算法恢复图像,进而确定目标位置。具体包括以下步骤:

第一步,在定位区域内部署N个无线设备,所有设备之间可以互相收发信号,故存在K=N(N-1)条链路;将定位区域等分成M个大小相同的网格,网格称为像素;所有无线设备具有相同的系统时钟,采用TDMA通信方式,无线设备在各自分配的时隙发送广播报文。

第二步,采用多信道信息融合方法收集链路RSS信息,信道数为S;一个定位过程由多个超帧构成,一个定位过程内超帧的数量为S个,所有无线设备在完成一个定位过程后,将不同信道下获取的链路RSS信息{Yi},i=1,2,3,...,S采用均值运算进行融合,得到最终网络中的链路状态信息

权重矩阵采用线性模型方法构建,对于每条链路在二维平面上映射的直线,当像素中心点到链路直线的距离小于阀值时,相应的权值为1,否则权值为0。然后,将像素的权值再除以链路距离的平方根,计算出权重矩阵W中的元素wkm为:

其中,wkm为链路k对应的第m个像素的权值,α为预先设定的点线权重矩阵模型的阀值,dk为链路k的发送节点和接收节点之间的距离,dmk为像素m到链路k的距离。

第三步,利用第二步获得的链路信息和权重矩阵W,构建无线电层析成像线性模型方程YS=WX+n;其中,YS=(y1,y2,...,yK)T是通过多信道信息融合得到的所有链路RSS组成的列向量,长度为K;X是定位区域每个像素的衰减值组成的列向量,长度为M。n为高斯白噪声。

第四步,求解第三步构造的线性方程,通过gOMP算法得到每一像素的衰减情况X,并将X转化成区域重构图像。gOMP算法的核心思想:

输入:(1)观测向量Y∈RK×1

(2)传感矩阵A=WΨ,A∈RK×M,Ψ∈RM×M,其中Ψ为稀疏矩阵变换基

(3)信号稀疏度估计H

(4)每次迭代选择原子个数D

输出:(1)稀疏信号θ

(2)残差余量r

过程:(1)初始化r0=Y,为空集;r0表示残差初始值,B0表示初始重构原子集合;

(2)计算所有内积Δj=|<rh-1,aj>|(1≤j≤M),其中|<rh-1,aj>|表示向量rh-1和aj的内积运算,aj为传感矩阵A的第j列元素,rh-1为第h-1次迭代的残差;令JD是Δj(1≤j≤M)中最大的D个值对应的列序号j所构成的集合;

(3)Bh=Bh-1∪aj(j∈JD),∪表示集合的并运算,Bh表示第h次重构原子集合,它包含第h-1次迭代时的重构原子集合加上第h次迭代从传感矩阵A中选择出来的列;

(4)求Y=Bhθh的最小二乘解,最小二乘解θh表示第h次迭代重构出的稀疏信号;

(5)更新残差

(6)令h=h+1,当||rh||<ε或者h=H时,停止迭代,然后输出否则返回(2)继续迭代。

第五步,利用第四步解得的X转化为区域图像,在重构的区域图像内寻找所有像素点值X=Ψθ=(x1,x2,...,xM)中最大的像素点值xmax,该值对应的像素网格就是目标所在的位置。

本发明提出一种面向工业射频环境的无线电层析成像定位方法,实例具体步骤阐述如下。

第一步:本实例部署一个基于WIA-PA标准的工业无线网络平台来监控7.2m×7.2m的定位区域。如图1所示,24个无线设备分布在定位区域周围,相邻无线设备之间相隔1.2m。

将定位区域均匀划分为0.1m×0.1m大小的网格,共有M=5184(72×72)个像素。无线设备两两之间构成链路,共有K=552条有向链路。将链路设备a→设备b和链路设备b→设备a认为是同一条无向链路,即链路数减半K=276,这样做可以减少图像重构算法的时间成本。

24个WIA-PA设备获取ISM 2.4GHz频段的信道集合{15,20,25,26}下的RSS信息,采用TDMA通信方式。如图2所示,首先进行时间同步过程,之后进入TDMA通信过程;一个定位过程包含4个超帧(等于信道集合元素个数S),每个超帧包含25个时隙(等于设备个数N加1),其中前24个时隙分别对应24个设备的发送报文时隙,最后1个时隙按照规定的跳频序列周期性地切换信道。

第二步:一个定位过程完成后,上位机将4个不同信道下的链路信息Y15,Y20,Y25,Y26通过取平均运算进行融合,得到最终的链路RSS信息YS=(y1,y2,...,y276)。

权重矩阵采用线性模型方法构建,如图3所示,对于每条链路在二维平面上构成的直线,当像素中心点到链路直线的距离小于阈值时,相应的权值为1,否则权值为0;然后将像素的权值在除以链路长度的平方根,计算出权重矩阵W中的元素wkm为:

其中,wkm为链路k对应的所有像素的权值,α为点线权重矩阵模型阈值参数,dk为发射结点和接收节点之间的距离,dmk为像素m到链路k的距离。K为链路数,M为像素个数。

作为优选,上述α应设置为0.16。

第三步:采用第二步构建的权重矩阵和第二步获取的多信道融合后的链路信息,构建线性方程YS=WX+n;其中,YS是多信道融合后的链路信息组成的长度为276的列向量;X是每个像素的衰减值组成的长度为5184的列向量;n为高斯白噪声。

第四步:利用gOMP算法进行区域图像重构,作为优选,选用离散余弦变换基对权重矩阵进行稀疏化处理,迭代选择原子个数D=4,求解第三步中构建的线性方程,得到像素值向量X,对X进行简单滤波处理,将小于0的值去除。将数值信息转换为灰度图像,像素点数值越大,在区域图像中像素网格越亮。

第五步:确定目标位置,利用第四步重构的区域图像,在5184个像素点中寻找像素值最大的像素点,其对应的像素网格即为目标位置。

以上所述仅为本发明的具体实施例而已,并不用于限制本发明。凡在本发明的方法和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1