一种信道状态信息CSI相位指纹优化方法

    公开(公告)号:CN112953661A

    公开(公告)日:2021-06-11

    申请号:CN202110110164.X

    申请日:2021-01-26

    Abstract: 本发明属于室内定位技术领域,具体涉及一种信道状态信息CSI相位指纹优化方法。本发明主要步骤为:获取1次测量得到N个子载波的CSI数据;计算每个子载波数据的CSI相位并对相位进行解卷绕;求解卷绕后相位的相邻子载波的相位差;通过自适应门限阈值依次判断每个相位差是否在阈值内,若不在则记录该异常相位的下标;基于得到的下标把解卷绕后的相位分段;通过线性最小二乘算法消除每一段相位的硬件误差;按顺序拼接每段消除硬件误差后的相位,从而实现CSI相位指纹优化。

    一种室内定位方法
    22.
    发明授权

    公开(公告)号:CN111885703B

    公开(公告)日:2021-04-23

    申请号:CN202010704495.1

    申请日:2020-07-21

    Abstract: 本发明属于室内定位技术领域,具体涉及一种室内定位方法。本发明公开了基于混构域迁移学习的室内定位方法,其中混构域是指源域和目标域共享一部分特征空间,但又独有部分特征的数据域,该方法能充分利用源域和目标域中的共有AP,对目标域中缺失的AP数据进行补充,既维持了源域和目标域的特征一致性,也保证了各特征数据之间不发生混叠,有效的提高了定位样本特征数据不足情况下的定位精度,因此,本发明可以在待定位样本特征数据不足的混合域中发挥非常重要的作用。

    基于全局和局部联合约束迁移学习的室内定位方法

    公开(公告)号:CN109348410B

    公开(公告)日:2020-07-10

    申请号:CN201811372033.3

    申请日:2018-11-16

    Abstract: 本发明属于室内定位技术领域,特别是一种基于全局和局部联合约束迁移学习的室内定位方法。本发明的方法通过最小化域间的边缘和条件概率分布差异,以及最大化潜在子空间的样本方差约束全局结构的一致性。同时,通过最小化类内方差,最大化类间方差来保持每一个类别与其对应样本的依赖性,以及通过流形正则化保持局部的邻域关系,进而约束局部结构的一致性。可解决目前迁移学习方法知识迁移不充分的问题,从源域中迁移得到的知识可有效地提高目标域的定位精度,解决因环境变化而引起RSS波动的问题。从而本发明提出的基于全局和局部联合约束迁移学习的定位方法是一种适合在复杂室内环境下的高精度定位新方法。

    基于混合指纹质量评价模型的高精度室内定位方法

    公开(公告)号:CN109143161A

    公开(公告)日:2019-01-04

    申请号:CN201811155779.9

    申请日:2018-09-30

    CPC classification number: G01S5/0252 G01S5/0278 H04B17/318 H04W64/006

    Abstract: 本发明属于室内定位技术领域,涉及基于混合指纹质量评价模型的高精度室内定位方法。本发明首先在离线阶段构建群指纹,相比于传统指纹定位方法只使用RSS指纹,本方法还引入了信号强度差指纹和双曲线定位指纹,它们由AP间的相对信息提取得到,对RSS波动更加稳健。在线定位阶段,接收到待定位目标信号后,首先构建多支撑集。然后通过引入混合指纹质量对多支撑集进行概率建模,获得混合指纹质量评价模型。最后利用Gibbs‑EM算法求解模型获得位置估计。相比于传统指纹融合方法,本方法提出的混合指纹质量在线上阶段实时估计,无需离线阶段的权值训练,存储和匹配,因此消除了传统融合方法中的匹配误差并减少了系统负担。

    一种基于短期数据置信度分析的UWB NLOS识别与抑制方法

    公开(公告)号:CN117630813A

    公开(公告)日:2024-03-01

    申请号:CN202311640178.8

    申请日:2023-12-01

    Abstract: 本发明属于高精度定位技术领域,具体涉及一种基于短期数据置信度分析的超宽带非视距数据识别与抑制方法。本发明针对低功耗场景因测距频率降低导致的定位精度降低的问题,使用基于滑动窗的测距复用机制,对窗内测距数据集进行定位估计。针对测距数据集,构造有效子集,生成定位估计坐标集和测距的均方根误差集合;然后进行核密度估计,分析均方根误差分布趋势,识别非视距数据,形成数据置信度报告,用于下一状态的数据筛选;根据置信度报告和NLOS数据检测情况,得到当前时刻的初始估计值;采用基于地图的卡尔曼粒子滤波,使当前时刻的位置预测更加准确。本发明在仿真和现实场景分别进行了测试分析,均有较强的定位性能。

    一种基于多智能体深度强化学习与最小二乘的定位方法

    公开(公告)号:CN114578335A

    公开(公告)日:2022-06-03

    申请号:CN202210207643.8

    申请日:2022-03-03

    Abstract: 本发明属于无人机辅助轨迹定位的方法,具体涉及一种基于多智能体深度强化学习与最小二乘算法的定位方法。本发明建模一个无人机群与目标机器人相互通信的场景,利用有标签的无人机群和目标机器人的轨迹数据,以及二者之间的接收信号强度进行定位。首先使用最小二乘算法对目标位置进行定位,然后基于多智能体深度强化学习算法对无人机群进行自主定位,同时评估对目标位置的估计。训练过程中,使用深度神经网络处理高维状态输入,借助标签位置信息计算奖赏值,并考虑到多个智能体之间的异构性,进行了相关的仿真实验。通过训练可以得到一个自适应的网络模型,对处理高维异构数据也有一定的鲁棒性。因此,本发明是一种良好的定位替代技术。

    一种基于参数预测的深度迁移室内定位方法

    公开(公告)号:CN113132931B

    公开(公告)日:2022-01-28

    申请号:CN202110409122.6

    申请日:2021-04-16

    Abstract: 本发明属于在复杂的室内环境下进行准确定位的方法,具体是涉及一种基于参数预测的深度迁移室内定位方法。本发明首先利用有标签的源域数据预训练一个性能良好的源网络定位模型,然后通过固定预训练的源网络参数,在无标签目标域数据的辅助下学习一种从源网络参数到目标网络参数的转换矩阵,最后利用该转换矩阵和源网络参数计算出目标域网络参数。本发明克服了常用领域适应技术过度专注于领域不变特征而忽略领域差异的弊端,能够使目标域的特征分布尽可能接近源域特征分布,从而保证了目标域网络在适应新环境的同时能保留部分源域网络的数据处理能力。本发明是一种能够良好适应复杂室内环境的高精度定位方法。

    一种基于异构迁移学习的室内定位方法

    公开(公告)号:CN112954632A

    公开(公告)日:2021-06-11

    申请号:CN202110102396.0

    申请日:2021-01-26

    Abstract: 本发明属于室内定位技术领域,具体是涉及一种基于异构迁移学习的室内定位方法。本发明首先通过在每个格点采集RSS值建立离线指纹库作为源域数据,并随机收集一部分格点的RSS值作为共现数据中源域信息部分。然后在线上定位阶段,采集测试样本以及共现数据中目标域信息部分,并完成对共现数据的拼接。本发明的方法,以共现数据为桥梁,并加入边缘分布和条件分布对齐以及拓扑一致性约束,计算一个将源域投影到目标域的映射。最后,利用映射后的源域数据训练分类器,用于目标域的测试样本的位置计算。本发明充分利用共现数据,将源域和目标域数据联系起来,能在定位环境中传感器大量更换的情况下继续完成稳定、准确的定位,而不需要重新建立指纹库。

    一种室内定位方法
    29.
    发明公开

    公开(公告)号:CN111885703A

    公开(公告)日:2020-11-03

    申请号:CN202010704495.1

    申请日:2020-07-21

    Abstract: 本发明属于室内定位技术领域,具体涉及一种室内定位方法。本发明公开了基于混构域迁移学习的室内定位方法,其中混构域是指源域和目标域共享一部分特征空间,但又独有部分特征的数据域,该方法能充分利用源域和目标域中的共有AP,对目标域中缺失的AP数据进行补充,既维持了源域和目标域的特征一致性,也保证了各特征数据之间不发生混叠,有效的提高了定位样本特征数据不足情况下的定位精度,因此,本发明可以在待定位样本特征数据不足的混合域中发挥非常重要的作用。

    一种细粒度指纹质量辅助下的复杂室内环境目标定位方法

    公开(公告)号:CN109068274B

    公开(公告)日:2020-06-16

    申请号:CN201811155793.9

    申请日:2018-09-30

    Abstract: 本发明属于室内定位技术领域,涉及一种细粒度指纹质量辅助下的复杂室内环境目标定位方法。本发明首先通过在每个格点采集RSS建立线离线纹库。在线上定位阶段,对于每一个测试样本根据目标信号和离线指纹库的相似性动态的构建支撑集,接着通过引入细粒度指纹质量对支撑集进行概率建模,得到概率模型,最后通过Gibbs‑EM算法迭代的求解概率模型,得到最终的位置估计。细粒度指纹质量充分挖掘了指纹在不同区域的优势,可以帮助模型选择可信度最高的位置估计,提高了定位精度。本方法基于传统的指纹定位,无需额外的指纹和硬件校正,有效克服复杂室内环境中由于环境变化造成的RSS波动问题。

Patent Agency Ranking