專利名稱：壓縮射頻層析成像的移動分治實現(xiàn)方法
技術領域：
本發(fā)明涉及射頻層析成像領域，特別是涉及壓縮射頻層析成像的測量和實現(xiàn)技 術。
背景技術：
射頻層析成像是一種利用射頻信號實現(xiàn)投影測量，從射頻鏈路陰影衰落信息重構 環(huán)境陰影衰落影像進而實現(xiàn)目標免持定位與穿墻透視成像的環(huán)境感知方法。借助于射頻信 號提供的非侵入式、不受光照變化和障礙物遮擋影響的傳感模式，射頻層析成像在室內或 隱蔽的興趣目標檢測、定位和跟蹤等方面，有著其它傳感技術所不可替代的優(yōu)勢。深入挖掘 和廣泛利用射頻層析成像技術的優(yōu)勢和潛力正成為智能感知和相關應用領域的研究熱點。
壓縮傳感是一種從少量測量數(shù)據(jù)重構稀疏信號的新理論。由于環(huán)境狀態(tài)中興趣目 標信號本質上是稀疏的，因此壓縮傳感適用于環(huán)境射頻層析成像，形成壓縮射頻層析成像 技術，以減少所需的投影測量鏈路數(shù)目，節(jié)約資源與成本，具有重要意義。
無線傳感器網(wǎng)絡是目前已有的壓縮射頻層析成像實現(xiàn)模式，即將傳感器節(jié)點的部 署作為射頻鏈路部署的主要手段，形成覆蓋感知區(qū)域的射頻傳感網(wǎng)絡，進而通過隨機方式 選取鏈路進行投影測量。在沒有先驗知識的情形下，依賴于隨機選取鏈路的方式能夠有條 件地保證目標影像的重構，但不可避免產(chǎn)生大量冗余、無效的射頻鏈路，大大降低傳感效 率。此外，無線傳感器網(wǎng)絡的覆蓋空間尺度和觀測粒度是固定不變的，難以滿足尺度縮放性 和粒度多樣化的要求，在可用性方面有相當?shù)木窒扌?。發(fā)明內容
針對無線傳感器網(wǎng)絡實現(xiàn)模式的不足，以及隨機選擇方式存在冗余、無效射頻鏈 路的固有缺陷，本發(fā)明提供了一種冗余量小、機動靈活、傳感效率高、具有尺度放縮性和觀 測粒度多樣化的壓縮射頻層析成像的移動分治實現(xiàn)方法。
為解決上述技術問題，本發(fā)明采用的技術方案是提供一種壓縮射頻層析成像的 移動分治實現(xiàn)方法，所述方法基于移動平臺實現(xiàn)，包括以下步驟步驟1，在感知區(qū)域設置攜帶射頻收發(fā)裝置的移動平臺；步驟2，全局粗粒度成像，定位出興趣區(qū)域；步驟3，興趣區(qū)域局部細粒度成像；步驟4，綜合全局粗粒度影像和局部細粒度影像，得到感知區(qū)域的合成影像。
遵循分治原理，將射頻層析成像任務分解成全局粗粒度成像和局部細粒度成像兩 個環(huán)節(jié)，前者定位出可能的興趣區(qū)域，后者則是以興趣區(qū)域聚焦為目標。
進一步地，所述移動平臺為移動機器人，具有自主定位、導航功能，且移動機器人 之間能相互通信，能在感知區(qū)域邊界上到達指定位置。
進一步地，所述射頻收發(fā)裝置的工作頻段為900MHz或者2. 4GHz。
進一步地，所述興趣區(qū)域為因興趣目標物體存在而引起陰影衰落的區(qū)域。
進一步地，所述步驟2采用橫向和縱向的平行鏈路部署策略，具體為移動平臺組在感知區(qū)域的邊界上等間隔地建立射頻鏈路進行投影測量，根據(jù)接收信號強度值的變化， 獲取全局粗粒度影像，從而定位興趣區(qū)域。
進一步地，所述步驟3具體為控制移動平臺組在感知區(qū)域的邊界上部署與興趣區(qū)域相關的射頻鏈路，即通過興趣區(qū)域的射頻鏈路，根據(jù)獲得的接收信號強度值重構出興趣區(qū)域局部細粒度影像。
進一步地，所述的影像都是陰影衰落影像，由接收信號強度中包含的陰影衰落信息重構得到。
進一步地，針對一矩形區(qū)域內未知目標成像的感知任務，環(huán)境陰影衰落影像模型化為2D影像X = [X(m,k)],首先關注其全局粗粒度影像模型X1 =[為(《,幻],圍繞該模型設計射頻鏈路部署，投影測量方程模型化為+ e，其中F1為當前與場景為空時各射頻鏈路接收信號強度差值形成的向量\為&的向量化表示形式，e為零均值高斯噪聲向量，Φι為權重矩陣，對于每一行，對應射頻鏈路通過的像素權重因子設為1，否則為0，根據(jù)h獲得\即X1的重構，記為兔；接著確定出X1中發(fā)生陰影衰落的興趣區(qū)域;[，進而明確出興趣區(qū)域局部細粒度影像模型X2 =[石，即X2 =X(I),圍繞影像模型X2，部署射頻鏈路進行投影測量，重構興趣區(qū)域的細粒度影像兔；最后，合并兔與&2 ,完成環(huán)境陰影衰落影像的估計。
與現(xiàn)有技術相比，有益效果是本發(fā)明采用分治成像模式，減少了冗余、無效的鏈路，從兩個層面上提升了壓縮傳感的傳感效率，全局成像采用粗粒度的影像模型，限制了冗余鏈路的規(guī)模；細粒度成像只聚焦局部可能的興趣區(qū)域，避免了無效鏈路的產(chǎn)生。而且利用移動機器人進行射頻鏈路的部署，使得壓縮射頻層析成像技術在機動性、靈活性、自主性等方面得到進一步的發(fā)展；所需的平行鏈路部署和局部鏈路部署簡單易行，適合于移動機器人協(xié)作感知的實現(xiàn)架構。


圖1為分治成像模式示意圖； 圖2為平行鏈路部署示意圖； 圖3為局部鏈路部署示意圖； 圖4為本發(fā)明實施例的示意圖； 圖5為本發(fā)明實施例的場景圖； 圖6為本發(fā)明實施例的理想環(huán)境陰影衰落影像； 圖7是本發(fā)明實施例的全局成像環(huán)節(jié)獲得的粗粒度影像； 圖8是本發(fā)明實施例中局部測量鏈路數(shù)目為10時的最終重構影像； 圖9是本發(fā)明實施例中局部測量鏈路數(shù)目為20時的最終重構影像； 其中1，遮擋物;2,目標物體；3，移動機器人；4,尺卩卬標簽；5, RFID閱讀器；6，ZigBee 設備。
具體實施方式
本發(fā)明提出一種壓縮射頻層析成像的移動分治實現(xiàn)方法，豐富了射頻鏈路的部署手段，并從減少冗余、無效鏈路兩個層面提高了傳感效率，進一步促進壓縮射頻層析成像在實際中的應用。下面參見附圖結合實施例對本發(fā)明進行詳細說明。
如圖1所示，考慮一矩形區(qū)域內未知目標成像的感知任務，環(huán)境陰影衰落影像模型化為2D影像X = [X(m,k)]。首先關注其全局粗粒度影像模型X1 =[X1(m，k)],圍繞該模型設計射頻鏈路部署，投影測量方程模型化為y1=Φ1x1+e，其中h力當前與場景為空時各射頻鏈路接收信號強度差值形成的向量，力X1的向量化表示形式e為零均值高斯噪聲向量，Φ1為權重矩陣，對于每一行，對應射頻鏈路通過的像素權重因子設為1，否則為0。則根據(jù)F1可獲得X1,即X1的重構，記為X1。需要指出的是X1的維度遠小于\因此重構所需的投影測量鏈路往往較少。特別地，考慮平行鏈路部署策略，每一個像素只需橫向和縱向各一條鏈路通過即可完成目標的定位，如此，冗余鏈路的規(guī)模得以控制，一定程度上提高了傳感效率。根據(jù)X1的重構，將可以確定出其中發(fā)生陰影衰落的興趣區(qū)域I，進而明確出興趣區(qū)域局部細粒度影像模型X2 =[X2(m,k)，即X2 =Χ(I),同樣地，圍繞影像模型X2 ,部署與之相關的射頻鏈路進行投影測，即可重構獲得興趣區(qū)域的細粒度影像X2。由于該環(huán)節(jié)只關注與興趣區(qū)域相關的射頻鏈路，因此有效避免了無效鏈路的測量。最終，合并文1與良則可完成環(huán)境陰影衰落影像的估計。
限定射頻鏈路可能的收發(fā)位置均勻分布于感知區(qū)域的邊界上，不妨假設兩臺移動機器人用于鏈路的部署，一臺作為射頻信號發(fā)送端(ΤΧ1)，另一臺作為接收端(RX1)。全局粗粒度成像環(huán)節(jié)，如圖2所示，兩臺移動機器人只需分別在感知區(qū)域的橫向邊界和縱向邊界上保持平行運動到相應的收發(fā)位置進行投影測量即可完成部署。這種鏈路部署易于移動機器人實現(xiàn)，并且能夠快速完成，保證了該環(huán)節(jié)成像的時效性。局部細粒度成像環(huán)節(jié)，根據(jù)鏈路可能的收發(fā)位置，可以統(tǒng)計得到通過興趣區(qū)域的射頻鏈路，即相關鏈路。事實上，局部細粒度影像一般具有稀疏性，特別是其離散梯度，因此所需的投影測量是一種壓縮測量。投影測量鏈路可以從相關鏈路中隨機選擇。如圖3所示，根據(jù)所選擇的鏈路，兩臺移動機器人將分別通過自主移動機制運動到相應的收發(fā)位置進行投影測量。如此進行，直至完成所有的鏈路部署。
為便于實施本發(fā)明所述方法，本發(fā)明人提供了一個具體的實施例。
實施例的示意圖和場景圖分別如圖4、圖5所示。感知區(qū)域為3.5m x 3.5m的矩形區(qū)域，兩臺移動機器人加載ZigBee設備負責射頻鏈路的部署。投影測量數(shù)據(jù)將通過基站上傳到控制中心保存并處理。無源RFID標簽等間隔地部署于感知區(qū)域的邊界上，結合固定于機器人底部的RFID閱讀器，給機器人提供絕對的位置坐標，以消除移動機器人利用自身編碼器和陀螺儀定位與導航帶來的誤差。目標物體是盛滿水的塑料容器，位于泡沫板搭建而成的遮擋區(qū)域內。
全局粗粒度成像環(huán)節(jié)，橫向和縱向平行鏈路的間距均為O. 25m，測量完成后，采用 簡單的線性反投影算法進行重構，并以2. OdB為閾值對重構影像進行二值化，則得到全局 粗粒度布爾影像。局部細粒度成像環(huán)節(jié)，限定鏈路所有的收發(fā)位置與RFID標簽標定的位置 重合，測量鏈路將從相關鏈路中隨機生成，并利用最小全變分法來實現(xiàn)影像重構。
移動分治方法的成像效果如圖6-9所示。圖6為理想的環(huán)境陰影衰落影像，圖7為 全局成像環(huán)節(jié)獲得的粗粒度影像，白色部分即興趣區(qū)域，其包含了目標物體以及附近區(qū)域。 可以統(tǒng)計得到與興趣區(qū)域相關的鏈路為40條。局部成像環(huán)節(jié)投影測量的鏈路數(shù)目記為N。 當N取值為10和20時，最終重構影像分別如圖8、圖9所示。由圖可知，當N = 10時就能 獲得較好的成像結果，隨著N的增加，成像質量得到了進一步的提高。通過少量而簡單的鏈 路部署就能夠實現(xiàn)壓縮射頻層析成像任務，反映出移動分治實現(xiàn)方法的可行性和有效性。
以上所述僅為本發(fā)明的一個實例，并非因此限制本發(fā)明的專利范圍，凡是利用本 發(fā)明說明書及附圖內容所作的等效結構或流程變換，或直接或間接運用在其他相關的技術 領域，均同理包括在本發(fā)明的專利保護范圍內。
權利要求
1.一種壓縮射頻層析成像的移動分治實現(xiàn)方法，其特征是，所述方法基于移動平臺實現(xiàn)，包括以下步驟 步驟1，在感知區(qū)域設置攜帯射頻收發(fā)裝置的移動平臺； 步驟2，全局粗粒度成像，定位出興趣區(qū)域； 步驟3，興趣區(qū)域局部細粒度成像； 步驟4，綜合全局粗粒度影像和局部細粒度影像，得到感知區(qū)域的合成影像。
2.根據(jù)權利要求1所述的實現(xiàn)方法，其特征是，所述移動平臺為移動機器人，具有自主定位、導航功能，且移動機器人之間能相互通信。
3.根據(jù)權利要求1所述的實現(xiàn)方法，其特征是，所述射頻收發(fā)裝置的工作頻段為900MHz 或者 2. 4GHz。
4.根據(jù)權利要求1所述的實現(xiàn)方法，其特征是，所述興趣區(qū)域為因興趣目標物體存在而引起陰影衰落的區(qū)域。
5.根據(jù)權利要求1所述的實現(xiàn)方法，其特征是，所述步驟2具體為移動平臺組在感知區(qū)域的邊界上等間隔地建立射頻鏈路進行投影測量，根據(jù)接收信號強度值的變化，獲取全局粗粒度影像，從而定位出興趣區(qū)域。
6.根據(jù)權利要求1所述的實現(xiàn)方法，其特征是，所述步驟3具體為控制移動平臺組在感知區(qū)域的邊界上部署與興趣區(qū)域相關的射頻鏈路，即通過興趣區(qū)域的射頻鏈路，根據(jù)獲得的接收信號強度值重構出興趣區(qū)域局部細粒度影像。
7.根據(jù)權利要求1-6任一項所述的實現(xiàn)方法，其特征是，所述的影像都是陰影衰落影像，由接收信號強度中包含的陰影衰落信息重構得到。
8.根據(jù)權利要求1所述的實現(xiàn)方法，其特征是，針對一矩形區(qū)域內未知目標成像的感知任務，環(huán)境陰影衰落影像模型化為2D影像X =,首先關注其全局粗粒度影像模型ろ=[石(《,幻],圍繞該模型設計射頻鏈路部署，投影測量方程模型化為= + e，其中れ為當前與場景為空時各射頻鏈路接收信號強度差值形成的向量，X1為X1的向量化表示形式，8為零均值高斯噪聲向量，#i為權重矩陣，對于每一行，對應射頻鏈路通過的像素權重因子設為し否則為⑴根據(jù)れ獲得ろぷロX1的重構，記為兔；接著確定出X1中發(fā)生陰影衰落的興趣區(qū)域I，進而明確出興趣區(qū)域局部細粒度影像模型X2 =[石(《，んう]，即X2 =X(I),圍繞影像模型X2，部署射頻鏈路進行投影測量，重構出興趣區(qū)域的細粒度影像兔；最后,合并兔與先，完成環(huán)境陰影衰落影像的估計。
全文摘要
本發(fā)明提供了一種冗余量小、機動靈活、傳感效率高、具有尺度放縮性和觀測粒度多樣化的壓縮射頻層析成像的移動分治實現(xiàn)方法，所述方法基于移動平臺實現(xiàn)，包括以下步驟步驟1，在感知區(qū)域設置攜帶射頻收發(fā)裝置的移動平臺；步驟2，全局粗粒度成像，定位出興趣區(qū)域；步驟3，興趣區(qū)域局部細粒度成像；步驟4，綜合全局粗粒度影像和局部細粒度影像，得到感知區(qū)域的合成影像。本發(fā)明涉及移動機器人協(xié)作感知實現(xiàn)壓縮射頻層析成像的方法。
文檔編號G01S13/89GK103033809SQ20121035993
公開日2013年4月10日 申請日期2012年9月25日 優(yōu)先權日2012年9月25日
發(fā)明者王國利, 黃開德, 郭雪梅 申請人:中山大學