-
公开(公告)号：CN111132007A
公开(公告)日：2020-05-08
申请号：CN201911295997.7
申请日：2019-12-16
申请人： 上海交通大学
摘要： 本发明公开了一种基于5G和NB-IoT簇节点信息融合的NB终端高精度定位方法。所述方法采用中继簇节点的融合方案，形成融合网络，同时在NB-IoT侧使用DOA和RSSI的融合定位算法，在考虑参考点误差的情况下，搜索终端位置的全局最优解；然后在NB-IoT网络侧建立RSSI指纹信息库，计算所述NB-IoT网络两个基站的DOA估计值，根据所述DOA估计值，确定指纹信息库中的搜索范围；在搜索范围内寻找匹配点，找到其中误差最小的点作为搜索结果，并对四个参考点的位置进行归一化加权，得到终端位置的估计值。本发明克服了5G网络和NB-IoT网络之间无法直接测量的问题，同时提高终端的估计精度和解算速度。
-
公开(公告)号：CN101808379B
公开(公告)日：2012-11-21
申请号：CN201010137128.4
申请日：2010-04-01
申请人： 上海交通大学
CPC分类号： Y02D70/00
摘要： 一种无线通信技术领域的基于网络接收信号强度稳定度的自适应垂直切换方法，本发明利用网络RSS瞬时变化信息和RSS的稳定度，自适应地选取一段时长作为网络RSS特征信息的提取周期，根据该周期内RSS特征满足不同的筛选条件选出备选网络，并最终按照RSS判定度量确定切换目标网络。本发明减少了不必要切换的次数，有效改善了传统垂直切换方法在网络频繁波动的情况下对乒乓效应的抑制作用，并且提高了对有益切换的响应速度，方法简便，对终端计算能力没有过多要求，适合于低能耗移动设备的应用。
-
公开(公告)号：CN102111838A
公开(公告)日：2011-06-29
申请号：CN201110049695.9
申请日：2011-03-02
申请人： 上海交通大学
摘要： 一种无线网络技术领域的基于RSS变化趋势的自适应垂直切换方法，通过为当前服务网络设置切换触发阈值，为各个候选网络设置切换执行阈值；然后测量当前服务网络和所有候选网络的接收信号强度值以及当前服务网络的往返时延值，经归一化处理后生成信号强度序列和时延序列；再对信号强度序列和时延序列分别求平均值后更新所有网络的网络评价值，并对切换触发阈值和切换执行阈值进行优化，实现自适应垂直切换。本发明利用线性加权法对异构网络进行评价，同时根据接收信号强度的变化趋势自适应地调整切换判决阈值，实现了快速、准确的垂直切换。
-
公开(公告)号：CN101466146A
公开(公告)日：2009-06-24
申请号：CN200910045004.0
申请日：2009-01-08
申请人： 上海交通大学 , 中国电子科技集团公司第三十六研究所
CPC分类号： Y02D70/00
摘要： 一种无线通信技术领域的无线传感器网络中基于概率加权的多目标定位方法，本发明中，对传感器网络分布的平面区域做网格划分，并依据网格与传感器节点的位置关系建立网格概率加权模型，传感器节点对目标进行侦测，并按照概率加权模型赋予各个网格一定的权值，每个网格对不同传感器节点所赋予该网格的权值求和，权值之和超过一定门限的网格所在坐标，即为目标坐标，从而实现目标定位。本发明避免了分布式多目标定位中常见的累积误差问题，提高了多目标定位的性能，节约能量消耗，对传感器设备的要求也相应降低。
-
公开(公告)号：CN101222398A
公开(公告)日：2008-07-16
申请号：CN200810032469.8
申请日：2008-01-10
申请人： 上海交通大学
摘要： 一种信息技术领域的无线传感器网络中传感器的部分覆盖布局方法，包括如下具体步骤：步骤一，使无线传感器网络中传感器的感应区域的PIR感应模型；步骤二，引入框架传感器集合，使整个网络为2－连通；步骤三，无线传感器网络进入选择阶段和稳定阶段，选择阶段和稳定阶段时间之和为一个周期T；在选择阶段将监测区域分割为N条相互独立且相互平行的带状区域，选择出N个带状传感器集合，分别覆盖N条带状区域，在一个周期内当选择结束时就进入稳定阶段；在稳定阶段各个带状传感器集合在(0，T·(1－γ))时间段内随机选择起始工作时间，工作γT段时间后重新回到睡眠状态，γ为占空比率，0＜γ≤1。本发明延长了无线传感器网络的生命时间并提高网络的监测质量。
-
公开(公告)号：CN114373099A
公开(公告)日：2022-04-19
申请号：CN202210007757.8
申请日：2022-01-05
申请人： 上海交通大学
摘要： 本发明公开了一种基于稀疏图卷积的三维点云分类方法，包括步骤A：数据预处理，对原始的三维点云数据进行归一化处理和均匀采样；步骤B：构建分类网络模型，分类网络模型主要包含稀疏图卷积模块和特征聚合模块；步骤C：训练分类网络模型，对训练样本通过分类网络的特征提取层提取出1024维向量并进行分类，对分类结果进行反向传播对模型进行迭代；步骤D：三维测试点云样本分类，利用训练好的基于稀疏图卷积的神经网络模型进行三维点云数据的分类实验。本发明采用稀疏化构建局部邻域图的方式，扩大了中心点的感受野，同时减少了邻近点特征信息的冗余度；采用基于注意力机制的稀疏特征聚合的方式，对特征信息进行压缩和增强，避免重要的特征信息在聚合过程中丢失。
-
公开(公告)号：CN106897666B
公开(公告)日：2020-09-08
申请号：CN201710033034.4
申请日：2017-01-17
申请人： 上海交通大学
IPC分类号： G06K9/00
摘要： 一种室内场景识别的闭环检测方法，包括步骤：采集当前场景图像，利用FAST算法提取当前场景图像的特征点和利用LSD算法提取当前场景图像的特征线条；采用ORB生成特征点的描述子向量，及采用BRLD生成特征线条的描述子向量；采用K‑means聚类算法对所有描述子向量进行聚类生成视觉词汇，并利用视觉词汇生成当前场景图像的BOW向量；计算当前场景图像的BOW向量与已存储历史场景图像的BOW向量的相似度及检测当前场景图像的一致性判断当前场景图像是否发生闭环。在闭环检测中加入了特征线条，在特征点匮乏的室内环境中识别出已访问过的地点，另外，室内场景中的线条大多是静态的，引入特征线条后闭环检测算法受场景内动态物体变化的影响更小，更好地解决了场景混淆问题。
-
公开(公告)号：CN105120433B
公开(公告)日：2018-09-21
申请号：CN201510510996.5
申请日：2015-08-19
申请人： 上海交通大学
摘要： 一种无线室内定位领域的基于连续采样及模糊聚类处理的WLAN室内定位方法，其特征在于，通过对连续采集的指纹原始数据进行异常点剔除，然后采用模糊聚类的方式对剩余的指纹原始数据，即样本点进行误差点判定和修正，再将修正后的指纹数据按簇生成指纹库，最后将指纹库用于室内定位。本发明采用连续采样代替传统的离散采样方法，大大降低离线训练阶段所需时间；采用基于以模糊聚类为主的指纹库算法，克服了连续采样所引入的相关误差。一方面降低离线训练阶段耗工，同时可以保证了较高的定位精度。
-
公开(公告)号：CN106897666A
公开(公告)日：2017-06-27
申请号：CN201710033034.4
申请日：2017-01-17
申请人： 上海交通大学
IPC分类号： G06K9/00
摘要： 一种室内场景识别的闭环检测方法，包括步骤：采集当前场景图像，利用FAST算法提取当前场景图像的特征点和利用LSD算法提取当前场景图像的特征线条；采用ORB生成特征点的描述子向量，及采用BRLD生成特征线条的描述子向量；采用K‑means聚类算法对所有描述子向量进行聚类生成视觉词汇，并利用视觉词汇生成当前场景图像的BOW向量；计算当前场景图像的BOW向量与已存储历史场景图像的BOW向量的相似度及检测当前场景图像的一致性判断当前场景图像是否发生闭环。在闭环检测中加入了特征线条，在特征点匮乏的室内环境中识别出已访问过的地点，另外，室内场景中的线条大多是静态的，引入特征线条后闭环检测算法受场景内动态物体变化的影响更小，更好地解决了场景混淆问题。
-
公开(公告)号：CN103581831B
公开(公告)日：2017-01-11
申请号：CN201310476456.0
申请日：2013-10-12
申请人： 上海交通大学
摘要： 一种基于WiFi以及移动终端的室内定位方法，包括：捕获接入点AP的信号强度；时间平滑；概率分布查找,对平滑过的信号进行排序，通过算法在数据库中查找该信号强度对应各个位置的概率；计算整个室内空间各个位置的概率分布；根据历史信息排除有明显偏差的结果；计算结果，对获得的数据计算概率和；根据历史信息进行位置平滑,将该时刻计算出的结果与之前的位置进行加权平均，求出平滑后的结果作为输出，同时存到一个数据库中，以便之后重复调用。本发明解决了WiFi室内定位精度差，计算时间长，算法不稳定的问题，克服了由小尺度衰落引起的定位偏差，仅通过修改程序，就达到提高定位精度的效果，实现精确高同步性室内定位。
-
-
-
-
-
-
-
-
-
搜索结果
48 条记录 (耗时 0.03 秒)
