公开(公告)号：CN109557527A

公开(公告)日：2019-04-02

申请号：CN201811413524.8

申请日：2018-11-26

Applicant: 中国石油大学(华东) ,  北京中斗科技股份有限公司

Inventor： 崔学荣 ,  李井真 ,  李娟 ,  集美琪 ,  杨瑾 ,  张勇 ,  江垚乐

IPC: G01S11/00

Abstract: 本发明属于无线测距、定位技术领域，具体是一种基于混合相关接收及误差迭代的车辆测距方法。主要分为五个步骤：A.对IEEE802.11p协议的接收信号进行自相关运算，将结果进行固定窗口滑动运算后再取平均值，结果为Mc；B.以短训练符号序列作为模板信号与接收信号的频移修正信号进行互相关运算，再与自相关结果Mc进行混合相关；C.对混合相关结果以间隔16的9个样本为一组，分别进行求和得到时延估计序列Sopt；D.计算求和序列中Sopt最大值之前的所有样本的平均绝对误差madG，如果不满madG[1]>0.9而且madG[10]

公开(公告)号：CN114051202A

公开(公告)日：2022-02-15

申请号：CN202111272281.2

申请日：2021-10-29

Applicant: 中国石油大学(华东)

Inventor： 李娟 ,  崔学荣 ,  张敬瑶 ,  毛欣伟 ,  杨瑾

IPC: H04W4/02 ,  H04W64/00 ,  G06K9/62 ,  G06N7/00

Abstract: 本发明属于无线定位技术领域，涉及室内指纹定位，具体是一种无线定位信号指纹样本库的自动学习方法。主要原理是：1.给出轨迹跟踪信息和无标记的辅助数据；2.计算隐式马尔科夫模型的传输矩阵和拉斯特征向量；3.分别将原始数据库和辅助指纹库通过局部线性嵌入算法映射到低维空间，拟采用隐式马尔科夫模型进行训练和转换；4.使用交替投影法，选择新的流形矩阵并使用流形对齐重新投影两个数据集，直到成本函数最小化。通过这种方式，标记过时的指纹样本集。之后，再根据一定条件实现神经网络的自动训练。本发明实现信号指纹样本库的自动学习，克服样本库过时的难题，使深度学习方法适应指纹信号的变化，提高定位精度。

公开(公告)号：CN114222240A

公开(公告)日：2022-03-22

申请号：CN202111274141.9

申请日：2021-10-29

Applicant: 中国石油大学(华东)

Inventor： 李娟 ,  崔学荣 ,  杨瑾 ,  毛欣伟 ,  娄金阳

IPC: H04W4/02 ,  H04W4/33 ,  H04W64/00

Abstract: 本发明属于无线通信技术领域，涉及的是一种基于粒子滤波的多源融合定位方法。主要步骤是主滤波器中采用粒子滤波器对基于UWB(Ultra Wide Band，超宽带)的短距离高精度无线定位信息、基于扩展卡尔曼滤波的DR(Dead Reckoning，航位推算)与VSLAM(Visual Simultaneous Localization And Mapping，视觉同步定位与地图构建)运动平滑融合定位、基于深度置信网络的地磁信号指纹定位，多种不同信号源定位数据不断融合、逐步求精，并对定位结果进行反馈校正，实现在LOS(Line Of Sigh，视距)与NLOS(Non Line Of Sigh，非视距)环境下的高精度、连续定位。本发明可以适应在非视距、复杂电磁环境以及在室内布局多变环境，实现高精度、连续、稳定的定位，为智慧城市室内定位提供技术支撑。