场景迁移下精准重构的被动式目标定位方法研究

Device-free localization (DfL), which focuses on localizing a target without any device attached, is attracting an increasing attention from both the research and the industries recently. Most current DfL approaches, however, usually suffer high deployment and poor universality, which hindering their practical applications. To address this challenge, we intelligently employ the compressive sensing (CS) theory to reduce the deployment cost and a rigorously designed transfer scheme to unify the statistical model over various areas. Specifically, we design a sensing matrix transferring scheme by solving a reconstruction optimization, which minimizes the location cost while satisfying the desired accuracy. In addition, we formally prove that the sensing matrix after transfer still obeys RIP, and provide a theoretical analysis about the upper bound of the localization error, which justifies the scientificity and viability of the proposed DfL system. At last, we implement our system and evaluate its performance across various scenarios through real world experiment, which justifies the usability and expansibility of our system in practical applications. In conclusion, our approach is able to minimize the labor cost while satisfying the desired accuracy, which offers an efficient solution to the model mismatch problem. Meanwhile, our project first provides an evaluation system for judging the perception characteristic of a sensing matrix.

随着物联网及移动计算技术的迅猛发展，定位尤其是被动式目标定位技术已成为学术界与工业界广泛关注的重要问题之一。本项目针对场景迁移下被动式目标定位代价过高这一普适性问题展开研究，探索迁移学习方法，进行精准重构压缩感知矩阵，在确保定位精度前提下，有效降低感知矩阵更新带来的巨大代价，提升定位方法在场景迁移时的适用性。为此，通过研究重构性最优化问题，提出精准重构的后感知矩阵更新方法，在确保定位精度的同时降低定位代价；通过研究RIP逆向评估及定位误差有效界分析方法，解决感知矩阵更新后的有效性问题，从理论角度保证精准重构的科学性与有效性；通过设计测试与真实场景部署相结合的系统验证方案，探讨基于精准重构定位方法的系统实现问题，确保项目所提相关理论在实际应用中可用性及可扩展性。该研究在满足定位精度的同时减少人力勘测，为解决“模型失用”问题提供有益借鉴；同时首次提出了科学评价体系判定矩阵是否具备感知特性。

随着物联网及移动计算技术的迅猛发展，定位尤其是被动式目标定位技术已成为学术界与工业界广泛关注的重要问题之一。本项目针对场景迁移下被动式目标定位代价过高这一普适性问题展开研究，探索迁移学习方法，进行精准重构压缩感知矩阵，在确保定位精度前提下，有效降低感知矩阵更新带来的巨大代价，提升定位方法在场景迁移时的适用性。因此，本项目围绕无线信号被动式定位中场景迁移时的低代价，高精度且具有较高普适性的定位方法展开研究，具体包括：1）针对场景迁移和定位目标种类不同会引起环境刚性条件发生变化，引发的定位方法失效问题。提出了与区域和目标种类无关的感知矩阵迁移方法，一个二次迁移的方法来定位不同区域内的不同类别的目标。2）针对原始区域的感知矩阵构建时需要采集大量的数据而存在较大人力开销的问题，提出了基于奇异值分解(SVD)的优化低秩矩阵填充模型来构造原始区域的感知矩阵。该模型通过收集少量位置的RSS测量值，并利用矩阵元素间的相关性作为约束，使用矩阵填充的方法构建原始区域的感测矩阵。3）针对多目标数量与位置分布不同，都会引起多径分布的不一致，从而导致与先验指纹匹配失谐，定位精度无法保证的问题，提出了一种利用无线信号的被动式多目标定位方法。在此项目的研究过程中，发现在基于位置的移动计算服务重要性，为此项目组在该方向进行探索研究。首先项目提出一个使用机械波通信的安全支付系统，分析了如何分离多个混叠信号，提出一种新的补偿方法；其次从计算资源方面，项目组在神经网络在移动端的部署方面做了很多研究，进行了一系列工作完成对移动端神经网络计算开销和识别精度的保证；另外项目组还提出了一种基于智能手表的用户心率变异性检测系统，以及在移动设备上对图像去模糊的系统。