-
公开(公告)号：CN114269014B
公开(公告)日：2024-02-02
申请号：CN202111585076.1
申请日：2021-12-22
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04W64/00 , H04W4/021 , H04W4/33 , H04L25/02 , H04B7/0413 , G06F18/2413 , G06F18/2415 , G06N3/0464 , G06N3/088
Abstract: 本发明提供了一种基于域自适应网络的大规模MIMO动态环境指纹定位方法，该方法采用域自适应学习的方式，在初始环境位置指纹数据库的基础上通过结合少量当前环境下的无监督样本训练定位模型，能够提高模型在当前环境中的工作能力，训练后的模型在当前环境中具有较高的鲁棒性；本方案在动态环境下的定位精度改善效果良好，通过少量当前环境的无标签数据即可训练获得当前环境下的定位模型，能一定程度缓解环境变化后的定位模型失效和重采样代价大的问题。
-
公开(公告)号：CN114269014A
公开(公告)日：2022-04-01
申请号：CN202111585076.1
申请日：2021-12-22
Applicant: 东南大学 , 网络通信与安全紫金山实验室
Abstract: 本发明提供了一种基于域自适应网络的大规模MIMO动态环境指纹定位方法，该方法采用域自适应学习的方式，在初始环境位置指纹数据库的基础上通过结合少量当前环境下的无监督样本训练定位模型，能够提高模型在当前环境中的工作能力，训练后的模型在当前环境中具有较高的鲁棒性；本方案在动态环境下的定位精度改善效果良好，通过少量当前环境的无标签数据即可训练获得当前环境下的定位模型，能一定程度缓解环境变化后的定位模型失效和重采样代价大的问题。
-
公开(公告)号：CN112995892B
公开(公告)日：2022-11-29
申请号：CN202110170260.3
申请日：2021-02-08
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04W4/02 , H04B17/309 , H04B7/0413 , G06N3/08 , G06N3/04 , G06F16/29
Abstract: 本发明公开了基于复数神经网络的大规模MIMO指纹定位方法，主要包括离线阶段和在线阶段两个部分。离线阶段，首先在定位区域内等间隔划分样本点，基站端收集用户位于定位区域各样本点上的位置指纹信息，构建位置指纹数据库；将各样本点的位置指纹信息作为复数神经网络输入，对应样本点的位置作为复数神经网络的输出标签，构建复数神经网络，并通过指纹数据库对其进行训练。在线阶段，基站端利用离线阶段训练好的复数神经网络，并基于实时接收到的用户的位置指纹，利用训练后的复数神经网络运算得到用户的位置坐标，实现较高精度的用户定位。
-
公开(公告)号：CN112995892A
公开(公告)日：2021-06-18
申请号：CN202110170260.3
申请日：2021-02-08
Applicant: 东南大学 , 网络通信与安全紫金山实验室
IPC: H04W4/02 , H04B17/309 , H04B7/0413 , G06N3/08 , G06N3/04 , G06F16/29
Abstract: 本发明公开了基于复数神经网络的大规模MIMO指纹定位方法，主要包括离线阶段和在线阶段两个部分。离线阶段，首先在定位区域内等间隔划分样本点，基站端收集用户位于定位区域各样本点上的位置指纹信息，构建位置指纹数据库；将各样本点的位置指纹信息作为复数神经网络输入，对应样本点的位置作为复数神经网络的输出标签，构建复数神经网络，并通过指纹数据库对其进行训练。在线阶段，基站端利用离线阶段训练好的复数神经网络，并基于实时接收到的用户的位置指纹，利用训练后的复数神经网络运算得到用户的位置坐标，实现较高精度的用户定位。
-
-
-
Search Results
4
records
(took 0.027 seconds)
