基于改进椭圆权重模型的无线层析定位方法

射频层析成像(Radio Tomographic Imaging, RTI)技术作为免携带设备定位(Device-free localization, DFL)的主要方式之一，具有广泛的应用前景。本文针对现有RTI技术中椭圆权重模型的不足，基于菲涅耳衍射理论提出了新的权重模型：双层椭圆阴影权重模型，它提高了RTI成像质量，也提升了免携带设

与传统定位方式要求定位目标必须携带与定位系统相匹配的定位设备(如GPS 接收机、手机等)不同， 免携带设备定位(Device-free localization, DFL)无需定位目标携带任何定位装置， 也无需定位目标主动参与定位过程[1] [2]，因此DFL 在人员搜救、非法入侵检测、特殊情况下的老人照料等传统定位方法无法实现的定位领域可以发挥重要作用。相比于现有的基于摄像头，超宽带雷达，红外和超声波等技术的免携带设备定位[3] [4] [5]，基于无线传感器网络的DFL 技术因其成本低、通用性好并能够穿透墙壁、烟雾进行定位等优点成为当前DFL 领域的一个研究热点。同时，随着研究的深入，相关技术已经推广到了人体姿态识别和心率测量等[6]。因此，免携带设备定位技术及其衍生技术有着广阔的应用前景。

目前基于无线传感器网络的DFL 方法大致可以分成3 类，即指纹定位方法[7] [8]、射频层析成像方法(Radio Tomographic Imaging, RTI) [9] [10]和几何定位方法[11] [12]等。

其中RTI 方法最早由犹他大学的Neal Patwari [9] [10]等人提出， 通过在目标区域的边缘布置若干收发节点， 根据每个节点接收到的信号强度(Received signal strength, RSS)的变化来反映目标的影响， 并借鉴医学CT 思想用反演图像的方式呈现出定位结果， 该方法由于其直观性强而受到较多关注。

RTI 方法的核心是通过一个阴影权重模型， 构建RSS值变化与目标位置之间的关系， 然后通过正则化方法反演出位置图像。

因此， 阴影权重模型成为决定RTI成像质量的关键因素之一，因而也成为RTI 研究的重点之一。从最早Zhang 等人提出的矩形模型开始到广泛应用的椭圆模型[9] [10]，都只单纯考虑了链路长度对于权重的影响，忽略了被定位目标与链路之间的距离关系。更为重要的是，这些模型认为椭圆内所有格点的权重相同，也不符合实际情况。为此， Hamilton 等人提出了一种以包含目标的最小椭圆面积的倒数为权重值的IAEM 模型[13]，一定程度上克服了原椭圆模型的缺点。

最近菲涅耳衍射理论被越来越多地考虑， 马鞍模型(SaS) [14]和衍射模型[15] [16]中均将菲涅耳衍射理论作为建模依据。但这些模型给出的不再是单纯的权值，而是具体的RSS 变化量， 已无法直接用到现有RTI 方法中。

因此本文针对上述问题，依据菲涅耳衍射理论提出了一个新的阴影权重模型：双层椭圆阴影权重模型。以此达到更精确描述RSS 值变化与目标位置之间关系的目的，并将新模型运用到RTI 中，改善成像质量，提高定位精度。

2. RTI 基本原理 2.1. RTI 原理简介 假设定位区域周围布置了L 个无线节点，一共可以组成M = (L − 1)L/2 条无线链路，并且将定位区域划分为N 个网格，可以形象地将这些网格称为“像素”。相对于无目标时空区域，当待测目标进入定