自适应环境变化的RSS室内定位方法

TN301; 根据定位问题的天然稀疏性,提出一种基于两步字典学习的定位方法,依据测量值动态调整字典,使稀疏模型能够自适应RSS的变化.同时提出一种改进的加权l1范数稀疏重构算法,提高低信噪比情况下的重构精度.实验结果表明该方法可以在目标数量未知的情况下实现多目标定位,并具有较强的抗噪声能力....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 35; no. 10; pp. 210 - 217
Main Authors 王婷婷, 柯炜, 孙超
Format Journal Article
LanguageChinese
Published 南京信息工程大学江苏省气象探测与信息处理重点实验室,江苏南京210044 2014
南京师范大学江苏省光电技术重点实验室,江苏南京210023%南京师范大学江苏省光电技术重点实验室,江苏南京210023
民政部减灾和应急工程重点实验室,北京100124%南京师范大学江苏省光电技术重点实验室,江苏南京,210023
Subjects
室内定位
压缩感知
加权l1范数最小化
字典学习
weighted l1 norm minimization
indoor localization
dictionary learning (DL)
compressive sensing
Online AccessGet full text
ISSN1000-436X
DOI10.3969/j.issn.1000-436x.2014.10.024

Cover

More Information
Summary:TN301; 根据定位问题的天然稀疏性,提出一种基于两步字典学习的定位方法,依据测量值动态调整字典,使稀疏模型能够自适应RSS的变化.同时提出一种改进的加权l1范数稀疏重构算法,提高低信噪比情况下的重构精度.实验结果表明该方法可以在目标数量未知的情况下实现多目标定位,并具有较强的抗噪声能力.
ISSN:1000-436X
DOI:10.3969/j.issn.1000-436x.2014.10.024