公开(公告)号：CN113597008A

公开(公告)日：2021-11-02

申请号：CN202110865555.2

申请日：2021-07-29

Applicant: 上海大学

Inventor： 杨盼 ,  向晨路 ,  张舜卿 ,  徐树公

IPC: H04W72/04 ,  H04W4/02 ,  H04W4/021 ,  H04W4/33 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于DDPG的无线定位网络的资源优化方法，在离线阶段采用位置推理获得的节点之间的距离以及信道参数作为DDPG网络的状态空间，采用各个节点分配到的带宽和功率作为DDPG网络的动作空间，经收益设置和网络训练后，在在线阶段根据代理节点的当前状态信息通过DDPG网络得到最优的带宽和功率分配方案，实现资源分配。本发明利用代理节点配合协同定位，当无线定位网络的资源有限时，将有限的资源合理的分配给各个节点可以有效的提高室内定位的精度，在保证定位精度的同时能够显著减少在线定位阶段进行资源分配时所要消耗的时间。

公开(公告)号：CN112165684B

公开(公告)日：2021-09-14

申请号：CN202011045307.5

申请日：2020-09-28

Applicant: 上海大学

Inventor： 王钰 ,  周广兵 ,  向晨路 ,  张舜卿 ,  徐树公

IPC: H04W4/021 ,  H04W4/33 ,  H04W4/02 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于联合视觉和无线信号特征的高精度室内定位方法，在离线阶段对待定位的室内场地采集和构建Wi‑Fi指纹库和图像数据库，获取环境的场景信息；在在线阶段，移动终端实时采集Wi‑Fi指纹数据和图像数据，对采集到的Wi‑Fi指纹数据进行粗定位，确定用户的潜在区域，再对粗定位区域的图像数据采用基于深度神经网络回归的方法，完成精确定位位置的预测。本发明通过融合无线信号特征和视觉特征，在减少计算资源、降低计算复杂度的同时，进一步减小定位误差，实现高精度的室内定位。

公开(公告)号：CN112423333A

公开(公告)日：2021-02-26

申请号：CN202011296069.5

申请日：2020-11-18

Applicant: 上海大学

Inventor： 向晨路 ,  张舜卿 ,  徐树公

IPC: H04W24/08 ,  H04W24/10 ,  H04W64/00 ,  G06K9/62

Abstract: 一种基于位置指纹匹配的蜂窝网络无线定位方法，根据从真实采集的用户上报测量报告中的待测用户的svrCGI判断是否存在与待测用户相同小区的训练用户，构造测试向量和训练向量集并采用，机器学习拟合算法预测坐标值，再计算测试的置信度并滤除不可靠的测试结果，最后利用拟合算法进行融合，即根据不同算法的对应精度，将输出结果进行加权求和得到预测结果。本发明基于真实采集的用户上报测量报告，结合庞大的训练数据集和机器学习算法，实现中位数误差为100m左右的高精度的蜂窝网络定位。

公开(公告)号：CN108882151A

公开(公告)日：2018-11-23

申请号：CN201810707020.0

申请日：2018-07-02

Applicant: 上海大学

Inventor： 向晨路 ,  张智超 ,  徐树公 ,  张舜卿 ,  曹姗

IPC: H04W4/02 ,  H04W4/021 ,  H04W4/33 ,  H04W64/00 ,  G06N3/04

Abstract: 一种基于CSI信息区域化标注的室内定位方法，通过预先收集室内各个区域的CSI数据作为离线指纹库用于深度神经网络训练，并采用训练后的深度神经网络对待测试的CSI数据进行识别，通过基于概率向量的用户位置测试方法实现室内精确定位。本发明能够建立高效而又鲁棒的离线指纹库，在线测试阶段通过更好的算法实现更为精准的定位精度。