-
公开(公告)号：CN108509910B
公开(公告)日：2021-09-28
申请号：CN201810281177.1
申请日：2018-04-02
Applicant: 重庆邮电大学
Abstract: 本发明公布了一种基于雷达信号的深度学习手势识别方法，首先通过雷达获取每一种手势的中频信号，并从中提取每一根发射天线和接收天线下的中频信号矩阵；其次，利用傅里叶变换对信号频率进行提取，得到信号中的距离和速度信息并且将数据进行预处理；然后，建立三维卷积神经网络和长短记忆网络，将处理后的雷达信号输入到网络进行训练；最后，根据深度学习网络提取的特征进行手势识别。本发明方法解决了传统识别算法使用条件受限以及鲁棒性差的问题，且能实现多种手势的精确分类。
-
公开(公告)号：CN113239773A
公开(公告)日：2021-08-10
申请号：CN202110498096.9
申请日：2021-05-08
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于向外环扫阵列CSAR三维成像的人体姿态感知方法。本发明拟针对养老院、智能家居等场所的实时人员姿态的感知需求，安装多个布有CSAR工作模式的雷达阵列的环形轨道向外环扫，构成人体姿态非接触三维感知系统。阵列以一定的角速度匀速旋转形成方位向合成孔径获取目标方位向散射信息，通过天线发射LFM信号带宽获取目标距离向散射信息，利用高度向线性阵列形成实孔径获取目标高度向散射信息。将距离向、方位向、高度向散射信息进行笛卡尔直角坐标系映射，可重建所检测区域人体的三维散射信息图像，再利用不同视角的成像结果进行散射信息的多视角三维融合，结合深度学习、图像检测与识别技术，实现对监测区域内人体姿态的360°非接触三维感知。
-
公开(公告)号：CN111277946A
公开(公告)日：2020-06-12
申请号：CN201811472766.4
申请日：2018-12-04
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于众包信息的指纹库自适应更新方法，该方法包含以下三个步骤：首先，从众包数据中提取出信号强度(Received Signal Strength，RSS)序列、航向和速度信息。然后，将这些信息导入修正的行人航迹推算(Pedestrian Dead Reckoning Modification，PDRM)算法，消除用户定位过程中的累积误差，并根据修正后的PDR轨迹上各点位置坐标与用户上传对应的RSS数据生成待更新指纹数据。最后，利用标准指纹、负指数时效模型和相似性过滤概念处理待更新指纹数据，以获得更新后的指纹库。相比于传统指纹库维护技术，本发明不需要耗费大量的人力和时间成本去重复采集数据维持指纹库的稳定性，仅需利用大量用户上传的定位数据便可完成指纹库的更新，有效减少了资源开销。
-
公开(公告)号：CN107148081B
公开(公告)日：2020-02-21
申请号：CN201710407462.9
申请日：2017-06-02
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于非线性约束最小二乘的单站定位方法，首先根据宏蜂窝信号传播特性构造宏蜂窝单基站的NLOS信号传播模型；然后利用多径信号参数及基站、目标和散射体间位置关系将定位问题转化为非线性约束最小二乘问题；利用LM(Levenberg‑Marquardt)算法求解最小二乘问题；当残差较大时，引入拟牛顿算法，改进LM算法，得到目标估计位置。该方法解决了传统定位算法对基站个数的依赖性问题，利用单基站进行定位，不需要时钟同步，降低了算法的复杂度；同时利用NLOS环境下，多径信号作为定位路径，而非抑制多径，解决了NLOS环境下定位误差大的问题；利用圆环模型增加变量约束条件，提高了最小二乘算法有效性，实现了宏蜂窝单站定位20‑30米的定位精度。
-
公开(公告)号：CN110418277A
公开(公告)日：2019-11-05
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。
-
Patent Agency Ranking
公开(公告)号：CN109581303A
公开(公告)日：2019-04-05
申请号：CN201811473908.9
申请日：2018-12-04
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于Wi-Fi穿墙雷达的干扰抑制方法。首先将信道状态信息(Channel State Information,CSI)进行预处理并对接收相位误差补偿；然后将子载波虚拟为天线并利用奇异值分解法分解信号；其次通过优化方法选择出墙面干扰子空间并对墙干扰信号进行抑制；最后通过小波去噪去除信号中噪声干扰。由于利用Wi-Fi穿墙雷达检测目标时墙面反射信号远强于墙后目标反射信号，因此需对墙面干扰以及环境噪声干扰进行抑制以获取目标反射信号。本发明利用低功耗、普及度高的商用Wi-Fi设备，实现了在无需对硬件进行任何改动的情况下对墙面强干扰以及噪声干扰进行抑制，有效地提取出墙后目标反射信号。
-
公开(公告)号：CN109474890A
公开(公告)日：2019-03-15
申请号：CN201811556502.7
申请日：2018-12-19
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于WiFi多普勒频移的室内目标被动跟踪方法。首先，利用WiFi信号子载波的信道状态信息(Channel State Information,CSI)幅值计算出离散系数，然后将其作为检测参数，并利用假设检验实现无源目标的检测；其次，对CSI进行短时傅里叶变换，得到信号的空间谱，从中提取多普勒频移值和对应的功率值，将功率值对应的时间序列作为目标移动方向标志判别特征；然后，根据对数衰减模型设计参考序列，利用动态时间规整(Dynamic Time Warping,DTW)进行序列匹配，识别出无源目标移动趋势；最后，根据多普勒频移与目标移动的几何关系估计出无源目标的移动速度，进而实现目标跟踪。相比现有的无源跟踪技术，本发明不需要进行离线数据采集和训练，且具有成本低、易于部署等优点。
-
公开(公告)号：CN109274440A
公开(公告)日：2019-01-25
申请号：CN201811182270.3
申请日：2018-10-10
Applicant: 重庆邮电大学
IPC: H04B17/318 , H04B17/391 , H04B17/00
Abstract: 本发明公布了一种基于环境特征自适应筛选的被动入侵检测方法，首先在目标感知区域内采集一组无人静默数据和有人走动数据，并提取每条链路包括最大值、最小值、中值、均值、极差值以及方差在内的6种环境特征；其次，利用分布差异性度量方法评估每条链路中各个特征的分布差异，并根据分布差异程度进行环境特征筛选；之后，再采集一组无人静默数据和有人走动数据，并根据环境特征筛选的结果，提取每条链路相应的特征，构建特征矩阵；最后，利用特征矩阵训练基于决策树的被动入侵检测模型，并用于在检测阶段判断当前环境是否存在入侵。本发明方法解决了传统检测算法对不同监测环境适应性较差的问题，且能实现准确的被动入侵检测。
-
公开(公告)号：CN108933989A
公开(公告)日：2018-12-04
申请号：CN201810671171.5
申请日：2018-06-26
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种4G电子围栏系统的国际移动用户识别码(International Mobile Subscriber Identity,IMSI)提取方法。首先，搭建虚拟基站，构造同步诱导信号诱导用户重新发起小区搜索流程接入虚拟基站。然后，用户解码后触发跟踪区域更新请求流程，构造跟踪区域更新拒绝信令向用户下发迫使用户重新发起附着流程在网络端注册并上报IMSI信息。最后，虚拟基站解析来自用户的Attach request信令提取IMSI，同时构造Attach reject信令下发迫使用户返回公网基站。与现有方案相比，该方案能够稳定提取虚拟基站管控范围内全部4G制式用户的IMSI信息。
-
公开(公告)号：CN108509910A
公开(公告)日：2018-09-07
申请号：CN201810281177.1
申请日：2018-04-02
Applicant: 重庆邮电大学
Abstract: 本发明公布了一种基于雷达信号的深度学习手势识别方法，首先通过雷达获取每一种手势的中频信号，并从中提取每一根发射天线和接收天线下的中频信号矩阵；其次，利用傅里叶变换对信号频率进行提取，得到信号中的距离和速度信息并且将数据进行预处理；然后，建立三维卷积神经网络和长短记忆网络，将处理后的雷达信号输入到网络进行训练；最后，根据深度学习网络提取的特征进行手势识别。本发明方法解决了传统识别算法使用条件受限以及鲁棒性差的问题，且能实现多种手势的精确分类。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.031 seconds)
