本文關(guān)鍵詞：基于壓縮感知的被動式移動目標(biāo)軌跡測繪，由筆耕文化傳播整理發(fā)布。

基于壓縮感知的被動式移動目標(biāo)軌跡測繪 Compressive Sensing Based Device-Free Moving Target Trajectory Depiction

    

 新浪微博

 騰訊微博

 豆瓣

 人人網(wǎng)

摘要：

被動式目標(biāo)軌跡測繪以其無需目標(biāo)攜帶任何設(shè)備的優(yōu)點吸引著許多應(yīng)用,如野生動物監(jiān)測、入侵安全監(jiān)測等.針對現(xiàn)有基于被動式目標(biāo)軌跡測繪方法,因頻繁定位而導(dǎo)致計算開銷大和大量觀測數(shù)據(jù)導(dǎo)致通信能耗高的問題,文中提出基于壓縮感知的被動式目標(biāo)軌跡測繪(Compressive Sensing Based Device-Free Target TrajectoryDepiction,CSTD)算法,僅用少量觀測數(shù)據(jù)一次性精確測繪出目標(biāo)軌跡,減少了計算和通信開銷,降低了能耗.文中的關(guān)鍵性發(fā)現(xiàn)及CSTD優(yōu)點是:(1)軌跡上不同的位置及其估算具有時間獨立性和空間統(tǒng)一性,可將不同位置映射到統(tǒng)一的物理空間一次性測繪出目標(biāo)軌跡,避免傳統(tǒng)方法頻繁定位計算開銷的問題;(2)目標(biāo)軌跡與監(jiān)測區(qū)域的空間位置相比具有稀疏性,利用壓縮感知原理通過少量觀測數(shù)據(jù)就能精確測繪出目標(biāo)軌跡,降低了數(shù)據(jù)量和能耗.為適應(yīng)實際應(yīng)用中的大規(guī)模場景需求,該文給出了可擴展的CSTD算法模型,并提出了目標(biāo)軌跡稀疏度未知(目標(biāo)經(jīng)過的位置數(shù)未知)下的稀疏恢復(fù)算法.部署了48個節(jié)點的8m×8m真實實驗,結(jié)果表明在降低觀測數(shù)據(jù)量的同時,CSTD較現(xiàn)有經(jīng)典算法至少提高了63％的軌跡測繪精度.

  本文關(guān)鍵詞：基于壓縮感知的被動式移動目標(biāo)軌跡測繪，，由筆耕文化傳播整理發(fā)布。