欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021109679624
申请人: 河南工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种无线电层析成像中的 范数正则化稀疏重建方法,其特征在于,包括以下步骤:

根据监控区域内每条链路对应的RSSI衰减变化和所有像素的衰减权重进行建模,得到无线层析成像的线性方程组;

对线性方程组中的衰减信号进行 范数约束,建立Tikhonov正则化重建模型并求解;

依据压缩感知理论对衰减信号在变换域中的投影系数进行稀疏约束,建立 范数正则化稀疏重建模型;

融合 范数和 范数约束项,建立 范数正则化稀疏重建模型。

2.根据权利要求1所述的无线电层析成像中的 范数正则化稀疏重建方法,其特征在于,

所述根据监控区域内每条链路对应的RSSI衰减变化和所有像素的衰减权重进行建模,得到无线层析成像的线性方程组,包括:所述监控区域边缘等间隔部署L个传感器节点,任意两个节点间相互通信共形成M=L(L‑1)条无线链路;将监控区域划分为N个子区域,每个子区域作为一个衰减为Δxj的像素,每条无线链路的RSSI衰减变化Δyi为:其中,i=1,2,……,M;j=1,2,……,N;wij为第i条无线链路下像素j的衰减权重;ni为第i条无线链路的测量噪声;

对于M条无线链路,线性方程组为:y=Wx+n

其中,x为衰减信号,T M M×N

y=[Δy1,Δy2,...,ΔyM]∈R,W=[wij]M×N∈RT N T

x=[Δx1,Δx2,...,ΔxN]∈R,n=[n1,n2,...,nM]∈R椭圆权重矩阵W的计算公式为:其中,di为第i条无线链路的长度;dij(1)和dij(2)分别为像素j到椭圆两个焦点的距离;

λ为调整椭圆短轴大小的预设参数。

3.根据权利要求2所述的无线电层析成像中的 范数正则化稀疏重建方法,其特征在于,

所述对线性方程组中的衰减信号进行 范数约束,建立Tikhonov正则化重建模型并求解,包括:

在最小二乘误差下,寻找所述线性方程组的解:2

minf(x)=||Wx‑y||基于衰减信号x的先验信息,得到Tikhonov正则化重建目标函数:

2 T ‑1

minf(x)=||Wx‑y||+μ1xC x其中,μ1为Tikhonov正则化参数;C为衰减信号x的先验协方差矩阵;

令Tikhonov正则化重建目标函数梯度为零,得到衰减信号x的Tikhonov正则化最优估计值:

T ‑1 ‑1 T

xTik=(WW+μ1C ) Wy

4.根据权利要求3所述的无线电层析成像中的 范数正则化稀疏重建方法,其特征在于,

所述依据压缩感知理论对衰减信号在变换域中的投影系数进行稀疏约束,建立 范数正则化稀疏重建模型,包括:设定余弦变换矩阵:

x=Ψθ

其中,Ψ为余弦正交变换矩阵,θ为衰减信号x经过变换后的投影系数;

N×N

Ψ=[Ψij]N×N∈RT N

θ=[θ1,θ2,…,θN]∈R将投影系数θ的 范数作为损失函数加入到基于最小二乘的重建模型中,建立基于 范数正则化的稀疏重建模型,目标函数为:式中,μ2为 范数正则化参数。

5.根据权利要求2所述的无线电层析成像中的 范数正则化稀疏重建方法,其特征在于,

所述融合 范数和 范数约束项,建立 范数正则化稀疏重建模型,包括:0

初始化θ=WΨ\y,δ=1,k=1;

步骤(1):计算矩阵A:A=diag[a1,a2,...,aN]其中,aj和θj分别是A和θ中的第j个元素;

k‑1 2 ‑1+p/2aj=((θj ) +δ)k

对矩阵A进行对角化,得到矩阵Ω:k

Ω=diag(1./A)k

步骤(2):根据如下公式计算θ:k k T k T ‑1θ=Ω(WΨ) ((WΨ)Ω(WΨ) +μ2I) y其中,I是单位矩阵;

步骤(3):判断是否满足 如果不满足则将k的值加1并返回步骤(1),如果满足则执行步骤(4);

‑5

步骤(4):将δ的值缩小十倍,并将k的值加1,然后判断是否满足δ≤10 或k≥20,如果不k

满足则并返回步骤(1),如果满足则停止迭代,并将得到的θ作为最终的解;

步骤(5):系数反变换得衰减信号x的 范数正则化估计:k

xp=Ψθ

步骤(6):根据如下公式计算衰减信号x的Tikhonov正则化估计:T ‑1 ‑1 T

xTik=(WW+μ1C ) Wy步骤(7):重建信号归一化:xp=xp/max(max(xp))xTik=xTik/max(max(xTik))步骤(8):通过 范数计算两种正则化估计的成像误差:Error_p=norm(xp)Error_Tik=norm(xTik)步骤(9):根据如下算法加权融合xp与xTik得到最终的解:若Error_p<Error_Tik,则xopt=0.7xp+0.3xTik,否则xopt=0.3xp+0.7xTik。