郭艳,,
李宁,
杨思星,
宋晓祥
陆军工程大学通信工程学院 ??南京 ??210007
基金项目:国家自然科学基金(61871400, 61571463)，江苏省自然科学基金(BK20171401)
详细信息
作者简介:余东平：男，1989年生，博士生，研究方向为信号处理、无线传感器网络定位
郭艳：女，1971年生，教授，博士生导师，研究方向为信号处理、压缩感知以及波束形成
李宁：男，1967年生，副教授，研究方向为认知无线电、自组织网
杨思星：女，1992年生，博士生，研究方向为信号处理、无源目标定位
通讯作者:郭艳 guoyan_1029@sina.com
中图分类号:TN911.7计量
文章访问数:1447
HTML全文浏览量:505
PDF下载量:53
被引次数:0
出版历程
收稿日期:2018-05-30
修回日期:2018-11-06
网络出版日期:2018-11-16
刊出日期:2019-04-01
Dictionary Refinement Method for Compressive Sensing Based Multi-target Device-free Localization
Dongping YU,Yan GUO,,
Ning LI,
Sixing YANG,
Xiaoxiang SONG
College of Communications Engineering, Army Engineering University of PLA, Nanjing 210007, China
Funds:The National Natural Science Foundation of China (61871400, 61571463), The Natural Science Foundation of Jiangsu Province (BK20171401)
摘要
摘要:该文针对压缩感知多目标无源定位在无线定位环境中的字典失配问题，提出基于变分期望最大化算法的字典适配方法。该方法首先根据鞍面模型建立无源字典，并将与定位环境相关的字典参数作为可调参数。然后，为目标位置向量建立两层的混合高斯先验模型以诱导其稀疏性。最后，利用变分期望最大化算法估计隐藏变量的后验分布以及优化字典环境参数，实现多目标位置估计和字典适配。仿真结果表明，相较于传统的压缩感知多目标无源定位方法，在变化的无线定位环境下，所提定位方法的性能优势尤为明显。
关键词:无源定位/
压缩感知/
字典适配/
变分期望最大化
Abstract:In order to solve the dictionary mismatch problem of Compressive Sensing (CS) based multi-target Device-Free Localization (DFL) under the wireless localization environments, a Variational Expectation Maximization (VEM) based dictionary refinement method is proposed. Firstly, this method builds the dictionary based on the saddle surface model, and models the environment-related dictionary parameters as tunable parameters. Then, a two-layer hierarchical Gaussian prior model is imposed on the location vector to induce its sparsity. Finally, the VEM algorithm is adopted to estimate the posteriors of hidden variables and optimize the environment-related dictionary parameter, thus the estimation of target locations and dictionary refinement can be realized jointly. Compared with the conventional CS based multi-target DFL schemes, the simulation results demonstrate that the performance of the proposed algorithm is especially excellent in changing wireless localization environments.
Key words:Device-Free Localization (DFL)/
Compressive Sensing (CS)/
Dictionary refinement/
Variational Expectation Maximization (VEM)
PDF全文下载地址:
https://jeit.ac.cn/article/exportPdf?id=e8f621c2-9b57-4c28-83bf-8e6603aaa44f
