-
公开(公告)号：CN114513746B
公开(公告)日：2024-04-26
申请号：CN202111550033.X
申请日：2021-12-17
Applicant: 南京邮电大学
Abstract: 本发明提供了融合三重视觉匹配模型和多基站回归模型的室内定位方法，首先，基站采集室内不同参考点的多角度图像，RSS与位置信息，将采集的图像和参考点位置数据上传到云端；其次，在RSS数据处理后，各基站在本地服务器训练RSS‑距离的回归模型，云端利用多角度图像以及参考点位置构建图像‑位置指纹库；最后，通过三重视觉匹配模型与多基站回归模型进行定位融合，获得最终定位结果。本发明能够采用多基站RSS‑距离模型以及多角度视觉采集数据来更好的表征室内环境，此外采用多基站RSS‑距离回归模型，三重视觉匹配模型实现融合定位，改进了单定位方法，单指纹匹配的精度不足问题，有非常广阔的应用场景。
-
公开(公告)号：CN112261606B
公开(公告)日：2021-09-07
申请号：CN202011038958.1
申请日：2020-09-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于动态环境的自适应室内融合定位方法，首先，基于CIR进行离线阶段的定位点参数采集；基于5G定位基站对待测定位目标进行参数获取及分析；其次，基于多边定位法和CIR指纹定位法对待测目标定位，并对预测位置和实际位置进行误差分析；以多边定位法测量的位置为测试值，CIR指纹定位法预测的位置为预测值，根据两者的误差，进行基于均方误差的融合计算，估算最优的位置；最后，基于室内环境变化自适应的融合定位。本发明能够通过检测室内的变化，从而进行5G定位基站切换与误差修正，使得定位模型在适应环境变化的同时提高预测准确率。
-
公开(公告)号：CN112261606A
公开(公告)日：2021-01-22
申请号：CN202011038958.1
申请日：2020-09-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于动态环境的自适应室内融合定位方法，首先，基于CIR进行离线阶段的定位点参数采集；基于5G定位基站对待测定位目标进行参数获取及分析；其次，基于多边定位法和CIR指纹定位法对待测目标定位，并对预测位置和实际位置进行误差分析；以多边定位法测量的位置为测试值，CIR指纹定位法预测的位置为预测值，根据两者的误差，进行基于均方误差的融合计算，估算最优的位置；最后，基于室内环境变化自适应的融合定位。本发明能够通过检测室内的变化，从而进行5G定位基站切换与误差修正，使得定位模型在适应环境变化的同时提高预测准确率。
-
公开(公告)号：CN112420187B
公开(公告)日：2022-08-26
申请号：CN202011107453.6
申请日：2020-10-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于迁移联邦学习的医疗疾病分析方法。属于医疗领域和迁移联邦学习领域；具体步骤：获取疾病特征和标签数据并将数据上传至本地服务器、本地服务器随机将无误的数据等比例的加密上传到云端、得到权重系数以及标签识别准确率、云端将初始训练模型迁移到本地服务器、本地服务器上传训练模型参数给云端，再由云端分配给模型权重系数、本地服务器结合标签识别准确率进行融合学习。本发明根据获取数据不平衡问题对模型的影响，通过对概率分布分析来对标签识别准确度进行修正，根据异常数据问题对模型的影响，提出了加密数据共享，通过对异常数据处理对各参与方或计算结点的加权系数进行修改，保证联邦学习预测的准确性。
-
公开(公告)号：CN114679683A
公开(公告)日：2022-06-28
申请号：CN202210330811.2
申请日：2022-03-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于派生指纹迁移的室内智能定位方法，首先由5G基站采集室内不同参考点的RSS，入射角以及位置信息，边缘服务器结合RSS与入射角信息进行三类指纹派生，并结合参考点位置信息以及最优K值构建离线派生纹库；最后通过待测点最优K值在线选择方法以及考虑环境时变的KNN模型迁移机制进行室内定位，在低离线数据再采集下，以将更好的定位结果发送给待测设备。本发明采用派生指纹对常用的指纹特征的不足进行了改进，另外通过待测点K值在线最优选择方法确定KNN定位模型的K值选择以提高模型定位精度，此外，采用迁移学习定位算法，在低数据采集成本下，有效的提升场景时变的室内定位精度，有非常广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN112867066A
公开(公告)日：2021-05-28
申请号：CN202110103816.7
申请日：2021-01-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于5G多小区深度强化学习的边缘计算迁移方法。属于边缘计算领域与深度强化学习领域；具体步骤：终端制定计算迁移方案；将待计算迁移的任务参数信息，信道增益以及临近干扰小区的信息发送给小区内MEC服务器；对可被小区间迁移的MEC服务器排序；在MEC服务器处制定计算迁移策略；根据计算迁移策略，终端将任务迁移到MEC服务器计算；无法计算迁移的任务在终端处计算，并等待下次迁移。本发明用任务执行优先级函数以及负载指标函数表示迁移任务以及可被小区间迁移的MEC服务器的优先级，用深度强化学习，贪心算法以及小区间迁移三者相结合提高资源利用效率以及确保负载均衡。
-
公开(公告)号：CN112420187A
公开(公告)日：2021-02-26
申请号：CN202011107453.6
申请日：2020-10-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于迁移联邦学习的医疗疾病分析方法。属于医疗领域和迁移联邦学习领域；具体步骤：获取疾病特征和标签数据并将数据上传至本地服务器、本地服务器随机将无误的数据等比例的加密上传到云端、得到权重系数以及标签识别准确率、云端将初始训练模型迁移到本地服务器、本地服务器上传训练模型参数给云端，再由云端分配给模型权重系数、本地服务器结合标签识别准确率进行融合学习。本发明根据获取数据不平衡问题对模型的影响，通过对概率分布分析来对标签识别准确度进行修正，根据异常数据问题对模型的影响，提出了加密数据共享，通过对异常数据处理对各参与方或计算结点的加权系数进行修改，保证联邦学习预测的准确性。
-
公开(公告)号：CN114679683B
公开(公告)日：2024-08-27
申请号：CN202210330811.2
申请日：2022-03-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于派生指纹迁移的室内智能定位方法，首先由5G基站采集室内不同参考点的RSS，入射角以及位置信息，边缘服务器结合RSS与入射角信息进行三类指纹派生，并结合参考点位置信息以及最优K值构建离线派生纹库；最后通过待测点最优K值在线选择方法以及考虑环境时变的KNN模型迁移机制进行室内定位，在低离线数据再采集下，以将更好的定位结果发送给待测设备。本发明采用派生指纹对常用的指纹特征的不足进行了改进，另外通过待测点K值在线最优选择方法确定KNN定位模型的K值选择以提高模型定位精度，此外，采用迁移学习定位算法，在低数据采集成本下，有效的提升场景时变的室内定位精度，有非常广阔的应用前景。
-
公开(公告)号：CN112867066B
公开(公告)日：2022-07-29
申请号：CN202110103816.7
申请日：2021-01-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于5G多小区深度强化学习的边缘计算迁移方法。属于边缘计算领域与深度强化学习领域；具体步骤：终端制定计算迁移方案；将待计算迁移的任务参数信息，信道增益以及临近干扰小区的信息发送给小区内MEC服务器；对可被小区间迁移的MEC服务器排序；在MEC服务器处制定计算迁移策略；根据计算迁移策略，终端将任务迁移到MEC服务器计算；无法计算迁移的任务在终端处计算，并等待下次迁移。本发明用任务执行优先级函数以及负载指标函数表示迁移任务以及可被小区间迁移的MEC服务器的优先级，用深度强化学习，贪心算法以及小区间迁移三者相结合提高资源利用效率以及确保负载均衡。
-
公开(公告)号：CN114513746A
公开(公告)日：2022-05-17
申请号：CN202111550033.X
申请日：2021-12-17
Applicant: 南京邮电大学
Abstract: 本发明提供了融合三重视觉匹配模型和多基站回归模型的室内定位方法，首先，基站采集室内不同参考点的多角度图像，RSS与位置信息，将采集的图像和参考点位置数据上传到云端；其次，在RSS数据处理后，各基站在本地服务器训练RSS‑距离的回归模型，云端利用多角度图像以及参考点位置构建图像‑位置指纹库；最后，通过三重视觉匹配模型与多基站回归模型进行定位融合，获得最终定位结果。本发明能够采用多基站RSS‑距离模型以及多角度视觉采集数据来更好的表征室内环境，此外采用多基站RSS‑距离回归模型，三重视觉匹配模型实现融合定位，改进了单定位方法，单指纹匹配的精度不足问题，有非常广阔的应用场景。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
