随着无线通信技术的进步,定位技术得到了迅速的发展和普及。如今,位置信息已经成为了人们日常生活中不可或缺的基础信息之一。GPS定位技术已经成为人们日常出行的常用手段,但由于GPS信号固有的弱穿透性问题,GPS定位技术在室内和城市峡谷等区域往往无法正常使用。由于人们对位置信息的需求不断提升,因此近年来涌现出了许多基于民用通信设施的无线定位技术,例如蓝牙定位和WIFI定位等。然而,传统定位技术都存在一个共同的缺陷,即都需要被定位目标携带相应的设备,与基站或锚节点进行通信。随着人类社会的发展,基于位置信息的新需求和新应用层出不穷。在一些特定的应用场景,如救援现场、入侵检测、安全监控、特殊情况下的老人照料等,目标无法或者不愿意携带任何定位设备,传统定位技术往往随之失效。为了克服这个问题,基于无线传感器网络(Wireless Sensor Network,WSN)的无设备目标定位技术(Device-free Localization,DFL)被提了出来。DFL技术通过监测区域中目标对无线链路的影响来反演目标位置,无需目标携带任何定位装置,因此基于WSN的DFL技术一经提出,便受到了广泛关注。由于2.4GHz频段为ISM(Industrial Scientific Medical)开放频段,且具有受目标影响时RSS值变化明显的优点,因此目前DFL系统大多建立在2.4GHz频段。但2.4GHz频段同时存在着WIFI、蓝牙、ZigBee等多种信号,相互之间干扰严重,而且2.4GHz频段信号具有传输距离较短等弊端,这些因素制约了 2.4GHz频段DFL系统的定位性能和使用场合。近几年,为了克服2.4GHz频段DFL系统的不足,也出现了一些其他频段的WSN系统(例如800/900MHz、FM频段等),但是在使用这些频段WSN进行定位时,又损失了 2.4GHz频段信号的优势。针对这个问题,本文从多频段DFL平台研制和如何利用多频段互补信息入手,对多频段DFL定位算法进行了深入研究。论文主要工作和研究成果包括以下几个方面:(1)自主设计和开发了多频段DFL系统。该系统由2.4GHz频段、433MHz频段和915MHz频段的三套WSN构成。其中2.4GHz频段无线节点模块以TI公司的ZigBee芯片CC2530为核心构造,433MHz和915MHz频段的无线节点模块由STC90LE58RD+型单片机和Silicon公司的芯片Si4463为核心组成。三个频段的WSN系统都采用循环机制实现了组网功能。(2)给出了一种多频段射频层析成像(Radio Tomographic Imaging,RTI)融合定位和目标检测方法。由于各频段所受环境噪声干扰不同,因此各频段所呈现的RTI结果图也是不尽相同的。从这点出发,本文首先设计了一种基于通信质量信息的多频段RTI图像加权融合方法,该方法一定程度 减轻了伪目标和背景噪声的干扰。接着,为了应对RTI结果图中难以避免的伪目标和背景噪声对定位精度的影响,本文设计了一种基于卷积神经网络(Convolutional Neural Network,CNN)的RTI目标检测方法,有效地提高了定位精度。(3)给出了基于联合稀疏模型的多频段DFL相关匹配追踪算法。该算法通过分析压缩感知(Compressive Sensing,CS)框架中DFL权重字典部分原子间的高相关性问题,以及传统解决方法的局限性,设计了一种可以利用字典原子间相关性的相关匹配追踪算法。在该算法的基础上,受联合稀疏模型(Joint Sparse Model,JSM)的启发,提出了压缩感知框架下的多频段DFL融合定位算法。最后总结了本论文的研究工作,并对现有工作中的不足进行了归纳,也对不足之处提出了改进意见,以便在今后的研究中进行完善。