-
公开(公告)号：CN113660723A
公开(公告)日：2021-11-16
申请号：CN202110954327.2
申请日：2021-08-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于神经网络的室内指纹定位方法，属于室内定位技术领域。该方法包括：S1：采集室内多个参考点处的CSI位置指纹和位置坐标，构造神经网络的输入矩阵和理想输出矩阵；S21：初始化权值和阈值，代入输入矩阵进行正向传播，得到隐藏层输入矩阵；S22：选择LeakyReLU函数作为激活函数，再进行正向传播得到神经网络的输出矩阵；S23：利用输出矩阵和理想输出矩阵构造代价函数；S24：在反向传播过程中引入梯度下降法，根据误差矩阵来反向计算每个权值和阈值的梯度，朝着梯度的反方向更新参数；S3：将测试样本构成的输入矩阵代入神经网络进行正向传播，得到输出层输出矩阵。本发明能提高定位精度。
-
公开(公告)号：CN112270276A
公开(公告)日：2021-01-26
申请号：CN202011203253.0
申请日：2020-11-02
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于Kinect与WiFi数据联合的复杂环境下目标行为识别方法。首先，本发明提出了一种基于Kinect的提取有效骨节数据特征的方法，能够有效地提取出骨节数据中能有效反映出人体各关节运动方向和幅度的特征。其次，采用了一种能够提取出CSI数据主要子载波特征的方法，能够聚类出能够反映出其主要变化趋势的子载波数据。最后，针对Kinect数据与WiFi数据维度不同不能直接联合的问题，对跨模态搜索中的特征对齐的方法进行改进，使其能够有效地将Kinect数据与WiFi数据联合并构建分类器进行目标行为识别。本发明设计的数据联合目标行为识别算法有效可靠，有效地解决了传统的Kinect识别系统在复杂的室内环境下(桌子、书柜、沙发等遮挡物较多)无法有效识别的问题，挖掘了在复杂环境下更多的应用潜力。
-
公开(公告)号：CN110418277B
公开(公告)日：2020-09-15
申请号：CN201910610304.2
申请日：2019-07-08
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于线性定位精度限的参考点优化部署方法。首先，在目标区域内部署和标定若干个位置已知的接入点(Access Point，AP)和参考点(Reference Point，RP)；其次，将部署多个AP的定位系统等效为多个部署单AP的定位系统，并推导了单AP定位系统的定位误差期望与参考点间隔的几何关系；再次，利用多AP系统与多个单AP系统的等效关系，推导了系统的定位误差期望及系统开销与参考点间隔的几何关系；最后，构建系统定位误差归一化函数和系统开销归一化函数，并通过计算它们的公共解来获得目标区域的最优参考点部署间隔。本发明专利利用目标区域内定位误差及系统开销与参考点间隔的几何关系，提出了一种基于线性定位精度限的参考点优化部署方法，其在控制系统开销的同时保证了定位精度。
-
公开(公告)号：CN108882192B
公开(公告)日：2020-03-20
申请号：CN201810793921.6
申请日：2018-07-19
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于邻域粗糙集约简的室内区域定位方法。首先，将待定位区域划分成若干子区域，并且在待定位区域中部署若干AP和参考点，在每个参考点上采集来自全部AP的RSS信号，与参考点所在的子区域构成位置指纹数据库；其次，将来自每个AP的RSS信号当作为邻域粗糙集的条件属性进行属性的约简，并更新位置指纹数据库，保留剩余AP的RSS数据；最后，应用更新后的位置指纹数据库进行区域定位。本专利基于邻域粗糙集的约简，提出了一种基于邻域粗糙集约简的室内区域定位方法，解决了离线位置指纹开销庞大的问题。
-
Patent Agency Ranking
公开(公告)号：CN109657572A
公开(公告)日：2019-04-19
申请号：CN201811473921.4
申请日：2018-12-04
Applicant: 重庆邮电大学
IPC: G06K9/00 , H04B17/309 , H04W4/33
Abstract: 本发明提出了一种基于Wi-Fi的墙后目标行为识别方法。首先，本发明提出了高效的信号分割方法，能够有效的分割出墙后目标运动的时间序列，保证了该行为识别系统的稳定性。其次，结合了CSI幅值和相位对于墙后目标运动时的抖动特征，提出利于获取行为特征的具体方案。最后，针对墙体以及硬件本身对Wi-Fi信号的干扰，将图像处理中数据维度转换相关算法的思想运用到了Wi-Fi信号降噪的处理方法中，有效的抑制硬件本身以及墙体等障碍物对Wi-Fi信号的干扰。实测结果表明，本发明设计的墙后目标行为识别算法有效可靠，其在确保系统的精度的前提下，有效的提升了传统的识别系统在复杂的室内环境下(桌子、书柜等障碍物较多)的稳定性，挖掘了在室内环境下更多的应用潜力。
-
公开(公告)号：CN109271838A
公开(公告)日：2019-01-25
申请号：CN201810794392.1
申请日：2018-07-19
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于FMCW(frequency modulated continuous wave)雷达的三参数特征融合手势识别方法。首先通过雷达获取不同手势的中频信号，从中得到角度参数、距离参数和多普勒频移参数，并构造对应数据集；其次，将关于角度、距离和多普勒频移的数据集分别送入卷积神经网络中训练，得到特征值并做融合处理；最后，将融合后的特征值送入分类器，得到手势类别。本发明创新地提出多重参数在卷积神经网络中的融合方法，解决了传统识别算法使用条件受限的问题，且最终手势的分类效果优于单一参数。
-
公开(公告)号：CN108828548A
公开(公告)日：2018-11-16
申请号：CN201810675612.9
申请日：2018-06-26
Applicant: 重庆邮电大学
IPC: G01S7/41
Abstract: 本发明公布了一种基于FMCW雷达的三参数融合数据集构建方法。首先，根据实际应用场景设计数据集规模，并确定FMCW雷达前端参数；其次，对采集的雷达信号进行时频分析，并对雷达目标的距离、多普勒和角度参数的估计，构造距离-时间图数据集、多普勒-时间图数据集和角度-时间图数据集；然后，对构造的数据集中的图像样本进行数据清洗和归一化操作，并建立多参融合数据集。本发明创新地提出将雷达探测到的目标距离、多普勒和角度参数进行了融合，可作为具有多参数输入需求的机器学习或深度学习算法的多参数融合数据集。
-
公开(公告)号：CN108616836A
公开(公告)日：2018-10-02
申请号：CN201810328895.X
申请日：2018-04-13
Applicant: 重庆邮电大学
IPC: H04W4/33 , H04W16/20 , H04W16/22 , H04W64/00 , H04B17/391
Abstract: 本发明所述一种基于信号统计分布的WLAN定位组网方法，首先考虑各接入点(Access point,AP)之间的相关性，计算出信号在参考点的概率密度函数；其次，利用概率密度函数计算出不同的信号矢量在参考点出现的概率，并且结合参考点的位置先验概率，计算参考点的加权概率；然后，计算参考点的平均定位精度，从而得出目标区域的平均定位精度；最后，利用模拟退火算法对目标区域中的AP位置进行优化。本发明所提供的一种基于信号统计分布的WLAN定位组网方法，可以合理选择AP位置，避免AP布置的盲目性。
-
公开(公告)号：CN108449708A
公开(公告)日：2018-08-24
申请号：CN201810212348.5
申请日：2018-03-15
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于信号分布检验的Wi-Fi室内定位方法，该方法首先根据Jarque-Bera(JB)检验结果对各个参考点处的Wi-Fi信号分布进行正态性评价；然后针对不同Wi-Fi信号分布特性，利用混合Mann-Whitney U检验/T检验方法构造匹配参考点集合，以实现对目标的区域定位；最后通过计算定位区域中匹配参考点的K近邻(K-nearest Neighbor，KNN)，完成对目标的位置坐标估计。实验结果表明，本发明方法解决了因复杂室内环境下Wi-Fi信号分布的多样性导致Wi-Fi室内定位系统的鲁棒性较差问题，同时，它相比于传统Wi-Fi室内定位方法具有更高的定位精度和更强的系统鲁棒性。
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.03 seconds)
