-
公开(公告)号：CN114125698A
公开(公告)日：2022-03-01
申请号：CN202110493860.3
申请日：2021-05-07
Applicant: 南京邮电大学
IPC: H04W4/02 , H04W4/021 , H04W4/33 , H04W24/08 , H04W64/00 , H04B17/309 , G06K9/62 , G06N3/04 , G06N3/08 , G06T5/00 , G06T7/10 , G06T7/50 , G06T7/70
Abstract: 本发明提出了一种基于信道状态信息和深度图像的定位方法，离线阶段，在不同参考位置点上，利用双目摄像头和无线网卡获取深度图片和WiFi信号的信道状态信息；然后，对采集的定位数据进行预处理，分别形成目标深度图像、位置标签和（CSI图像、参考点位置类别的训练数据集；利用卷积神经网络分别对以上两个数据集进行基于位置的分类学习，分别得到基于位置的分类模型；最后，对两个模型进行决策级数据融合，得到最终的基于位置的分类模型。在线阶段，首先通过数据预处理，构建目标深度信息图像和CSI图像，然后代入离线阶段训练好的位置分类模型，最后得到位置估计结果。该方法利用深度学习和数据融合技术，从而提高定位精度。
-
公开(公告)号：CN113822935A
公开(公告)日：2021-12-21
申请号：CN202111072675.3
申请日：2021-09-14
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于pix2pix的多图像定位方法，具体包括：S1、利用多台相机收集训练图像，对多副图像进行水平方向上的拼接，构建得到训练数据集；S2、对训练数据集进行分类学习，得到基于位置的卷积神经网络分类模型；S3、利用pix2pix训练每台相机的图像生成模型；S4、利用相机收集目标图像，若目标图像未出现缺失情况、则拼接得到完整图像，若目标图像出现缺失情况、则利用图像生成模型生成完整图像；S5、将完整图像作为卷积神经网络分类模型的输入，进行目标位置的估计。本发明将室内定位问题转化为机器学习的分类问题，有效地克服了多径干扰、设备部署困难、实现成本高等一系列问题，保证了室内定位效果。
-
公开(公告)号：CN113420778A
公开(公告)日：2021-09-21
申请号：CN202110544425.9
申请日：2021-05-19
Applicant: 南京邮电大学
Abstract: 一种基于Wi‑Fi信号和深度相机的身份识别方法。离线阶段，首先采集Wi‑Fi信号的信道状态信息（CSI）和目标的图像信息。然后利用CSI测量值幅度信息的时域，空域和频域构建CSI幅度图像，利用Grabcut图像分割算法提取深度图像中目标深度信息。最后利用卷积神经网络(CNN)进行基于位置和身份的分类学习。在线阶段，将接收到的CSI和图像测量值进行CSI幅度图像构建和目标深度信息提取后，先利用目标深度信息估计目标的位置，然后再利用CSI幅度信息完成身份识别。本发明先确定位置，再进行身份识别，消除了位置对身份识别测量值的影响，具有实现简单，识别性能高的优点。
-
公开(公告)号：CN107703480B
公开(公告)日：2021-03-23
申请号：CN201710750490.0
申请日：2017-08-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于机器学习的混合核函数室内定位方法。首先，建立指纹地图库并以该指纹库为训练数据集；然后，利用加权求和的方法构造混合核函数，并采用机器学习算法中的支持向量回归算法和v折交叉验证方法训练得出混合核函数的最佳权重系数和最佳核参数；最后，在权重系数和核参数最佳的前提下，对训练数据集进行离线训练学习，从而分别得出x坐标和y坐标的拟合函数，再利用该拟合函数对目标接收到的RSSI值进行在线学习，从而得出目标的位置坐标。与传统的室内定位算法：BP神经网络算法、K近邻算法、线性核函数算法、多项式核函数算法和高斯核函数算法相比，本发明的算法定位精度更高。
-
公开(公告)号：CN112164111A
公开(公告)日：2021-01-01
申请号：CN202010945446.7
申请日：2020-09-10
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于图像相似度和BPNN回归学习的室内定位方法；该方法分为两个阶段；离线阶段，利用相机收集采样点的图像，在进行大小归一化预处理后，计算采样点图像与参考图像之间的结构相似度、直方图相似度和余弦相似度，作为训练数据的指纹。同时计算采样点与参考点的距离作为训练数据的标签；最后利用反向传播神经网络进行回归学习，得到基于距离的回归模型；在线阶段，首先对获取的图像进行大小归一化处理，然后计算与参考图像的三种相似度，通过基于距离的回归模型来估计最终的距离，实现定位，该方法具有结构简单，时间开销小，定位精度高的优点。
-
Patent Agency Ranking
公开(公告)号：CN110750665A
公开(公告)日：2020-02-04
申请号：CN201910967208.3
申请日：2019-10-12
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于熵最小化的开集域适应方法，包括：构建开集域适应网络并初始化网络超参数；将源域与目标域图片输入开集域适应网络并通过网络特征提取层获得图片深度特征，然后将特征图通过softmax层得到各类别预测概率向量；使用已知类别预测概率向量及图片标签计算熵损失函数以正确识别共同类别，并在此基础上，使用未知类别预测概率值计算二元交叉熵及二元多样性损失函数以正确分类未知类，反向传播梯度来更新网络参数至损失函数值最小，停止训练网络；保存网络模型以及训练结果，将目标域数据集引入该网络模型，得到最后的目标域标签，本发明实现了最高的分类精度。
-
公开(公告)号：CN105530651B
公开(公告)日：2020-01-17
申请号：CN201510847847.8
申请日：2015-11-27
Applicant: 南京邮电大学
Abstract: 本发明公开了无线定位系统中最佳基站布设方法，该方法根据无线传感器网络基站布设最优化求解的实际问题，提出用TFBCSS法和网格搜索法求解最优化模型，从而保证基站布设最优结果的有效性，可靠性。由于不同轨迹段对精度的要求不同，将基站布设问题转化为字典分层规划(LSP)模型，根据定位系统要求或根据基站布设中信号覆盖问题可得基站布设问题的可行域。用平均几何精度因子(GDOP)作为LSP模型的评价标准，运用宽容完全分层序列法(TFBCSS)和网格搜索法求出最优解，从而得出可能的最佳基站布设。LSP模型的应用，使得本发明适用于更多的应用场景，诸如不同轨迹段有不同精度要求这样的场景。从仿真结果可知，在给定轨迹情况下，本方法比已有方法有更好的基站布设结果。
-
公开(公告)号：CN110458025A
公开(公告)日：2019-11-15
申请号：CN201910625272.3
申请日：2019-07-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种双目摄像头的目标识别与定位方法。利用人脸图片训练数据库，进行基于卷积神经网络(CNN)的分类学习，得到基于人脸识别的分类模型；利用图片的深度信息，进行基于支持向量机(SVM)的回归学习，得到距离回归函数，构建图片深度信息与与目标距离摄像头距离的关系。通过摄像头拍摄目标，利用获得的人脸照片，通过人脸分类模型完成人员目标识别。同时利用拍摄图片的深度信息，计算目标距离摄像头的距离，实现人员定位。该方法具有识别时间开销小，识别精度高的优点。
-
公开(公告)号：CN109246598A
公开(公告)日：2019-01-18
申请号：CN201810964285.9
申请日：2018-08-23
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于岭回归和极限学习机的室内定位方法，包括如下步骤：S1、离线数据集构建步骤，在定位区域内采集无线信号接收强度数据，建立离线数据训练集；S2、离线学习步骤，利用岭回归技术和极限学习机技术，学习离线数据训练集中的无线信号接收强度与目标位置之间的关系，训练得到基于位置的递归模型；S3、在线数据获取步骤，在线收集待估计位置处的无线信号接收强度数据并将其代入基于位置的递归模型中，得到位置估计结果。本发明具有在离线阶段学习稳定性好、在在线阶段定位精度高等优点，可以充分满足实际的使用需求。同时，本发明对于离线训练数据集中异常数据元素的敏感性低，抗干扰性能优异。
-
公开(公告)号：CN104168562B
公开(公告)日：2018-06-22
申请号：CN201410405080.9
申请日：2014-08-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多载波传输的物理层认证方法，该方法基于多载波传输，把信道看作是一组M个并行的衰落子信道，利用子信道的相位响应的互易性和随机性对通信双方进行身份验证。该方法的实施步骤包括：Alice向Bob发送激励信号，在Bob接收到激励信号后，测量出多载波信道的相位差，然后Bob发送一个封装有共享密钥的信号给Alice，Alice就要根据其接收到的信号和共享密钥验证该信号是否来自于Bob。该方法的认证过程利用了信道相位响应的特性，并且有效地抵抗了干扰攻击、重播攻击、伪装攻击等各种欺骗攻击。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.032 seconds)
