-
公开(公告)号：CN103281779B
公开(公告)日：2015-08-12
申请号：CN201310233725.0
申请日：2013-06-13
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
Abstract: 本发明涉及一种基于背景学习的射频层析成像方法，其主要技术特点是：包括以下步骤：1、根据无线传感器网络的接收信号强度，利用混合高斯背景学习算法或核密度估计背景学习算法建立每条链路的接收信号强度值的分布模型，判断各个链路是否受到影响；2、根据每条链路的接收信号强度值的分布模型，利用Tikhonov正则化进行图像重构。本发明将混合高斯背景学习算法或核密度估计背景学习算法（KDE）运用到射频层析成像中，来估计各个链路RSS测量值的分布，实现了多目标检测与跟踪功能，具有的优点是：1、在多目标和时变环境中能获得更高的准确性和有效性；2、不需要线下训练的过程。
-
公开(公告)号：CN103298156A
公开(公告)日：2013-09-11
申请号：CN201310233976.9
申请日：2013-06-13
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
Abstract: 本发明涉及一种基于无线传感器网络的无源多目标检测跟踪方法，其主要技术特点是：包括以下步骤：根据无线传感器网络中不同无线链路接收信号强度，采用扫描圈开窗检测方法构建无源多目标的滑动扫描圈模型，并采用HAC聚类算法进行聚类分析从而提取出检测结果；根据检测结果并采用PHD无源多目标粒子滤波跟踪算法，得到目标数目变化的多目标跟踪结果。本发明设计合理，其检测与跟踪算法具有较高的精度和鲁棒性，能在复杂的多径环境中检测与跟踪多个目标，同时目标检测与跟踪算法的计算复杂度适中，保证检测跟踪系统运行的实时性。
-
公开(公告)号：CN103298156B
公开(公告)日：2016-01-20
申请号：CN201310233976.9
申请日：2013-06-13
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
Abstract: 本发明涉及一种基于无线传感器网络的无源多目标检测跟踪方法，其主要技术特点是：包括以下步骤：根据无线传感器网络中不同无线链路接收信号强度，采用扫描圈开窗检测方法构建无源多目标的滑动扫描圈模型，并采用HAC聚类算法进行聚类分析从而提取出检测结果；根据检测结果并采用PHD无源多目标粒子滤波跟踪算法，得到目标数目变化的多目标跟踪结果。本发明设计合理，其检测与跟踪算法具有较高的精度和鲁棒性，能在复杂的多径环境中检测与跟踪多个目标，同时目标检测与跟踪算法的计算复杂度适中，保证检测跟踪系统运行的实时性。
-
公开(公告)号：CN103344941B
公开(公告)日：2015-08-12
申请号：CN201310233723.1
申请日：2013-06-13
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
IPC: G01S5/02
Abstract: 本发明涉及一种基于无线传感器网络的实时目标检测方法，其主要技术特点是：包括以下步骤：根据遍历过程的特性，通过单链路实验来建立基于检测窗的接收信号强度值直方图测量模型；利用接收信号强度值直方图测量模型及巴氏距离计算得到可能存在目标的“正位置”，并利用层次聚类算法，实现目标检测定位；通过低精度直方图和高精度直方图级联方法，确定目标的“正位置”。本发明设计合理，实现利用无线传感器网络的快速实时检测功能，检测定位方法不会产生错误累计现象，建立的测量模型理论依据充足，精度较高且具有较强的鲁棒性，同时，直方图级联机制的引用使得其总体计算消耗保持在能实时使用的范围之内。
-
公开(公告)号：CN103281779A
公开(公告)日：2013-09-04
申请号：CN201310233725.0
申请日：2013-06-13
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
Abstract: 本发明涉及一种基于背景学习的射频层析成像方法，其主要技术特点是：包括以下步骤：1、根据无线传感器网络的接收信号强度，利用混合高斯背景学习算法或核密度估计背景学习算法建立每条链路的接收信号强度值的分布模型，判断各个链路是否受到影响；2、根据每条链路的接收信号强度值的分布模型，利用Tikhonov正则化进行图像重构。本发明将混合高斯背景学习算法或核密度估计背景学习算法（KDE）运用到射频层析成像中，来估计各个链路RSS测量值的分布，实现了多目标检测与跟踪功能，具有的优点是：1、在多目标和时变环境中能获得更高的准确性和有效性；2、不需要线下训练的过程。
-
Patent Agency Ranking
公开(公告)号：CN103176164B
公开(公告)日：2016-01-13
申请号：CN201310124457.9
申请日：2013-04-11
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
Abstract: 本发明涉及一种基于无线传感器网络的多目标无源跟踪方法，其技术特点是：包括以下步骤：⑴根据传感器网络的接收信号强度建立测量模型；⑵根据步骤⑴建立的测量模型，通过多目标-多伯努利滤波算法和粒子滤波算法的结合，实现室内环境下可变多目标定位与跟踪。本发明设计合理，所建立的测量模型在室内环境下拥有较高的精确度，模型预测值逼近实际观测值；目标检测与跟踪算法具有较高的精度和稳定性，能检测与跟踪多个目标；测量模型和目标算法的计算复杂度合适，保证跟踪系统运行的实时性。
-
公开(公告)号：CN104244356A
公开(公告)日：2014-12-24
申请号：CN201410443069.1
申请日：2014-09-02
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
Abstract: 本发明涉及一种基于演化图全路由预测的定向蚁群路由优化方法，其主要技术特点是：在应用层，控制中心或者GPS全球定位系统提供节点轨道、链路调度信息或节点位置、运动速度和方向信息并发送至网络层；在网络层，节点首先根据应用层信息建立演化图模型，然后进行全路由预测，最后采用定向蚁群路由优化方法选择最优路由并发送数据；在物理层，收集链路时延、数据传输速率、可用带宽信息。本发明设计合理，其使用定向蚁群，不仅避免由网络拓扑频繁变化而引起的慢收敛，还提供了满足QoS要求的路由算法，性能指标较传统移动自组网DSR、AODV路由算法有明显提高。
-
公开(公告)号：CN103439731A
公开(公告)日：2013-12-11
申请号：CN201310383044.2
申请日：2013-08-29
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
Abstract: 本发明涉及一种基于无迹卡尔曼滤波的GPS/INS组合导航方法，其主要技术特点是：包括以下步骤：将INS数据和相应的GPS数据组合在一起，采用无迹卡尔曼滤波方法建立GPS/INS组合导航模型并得到GPS在线时的最优值；将INS数据作为训练数据与GPS在线时的最优值作为训练目标结合在一起建立SVM回归模型，该SVM回归模型用于预测GPS离线时的导航数据。本发明将GPS的精确性常与惯性导航系统的可靠性结合起来实现滤波和GPS、INS的信息融合,当GPS与INS共同使用时能得到非常精确的滤波结果；采用SVM训练GPS信号缺失时的INS数据，并使用模拟退火算法优化SVM算法中核函数与惩罚函数的参数，使得GPS离线时保持接近GPS时在线的精确度。
-
公开(公告)号：CN103344941A
公开(公告)日：2013-10-09
申请号：CN201310233723.1
申请日：2013-06-13
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
IPC: G01S5/02
Abstract: 本发明涉及一种基于无线传感器网络的实时目标检测方法，其主要技术特点是：包括以下步骤：根据遍历过程的特性，通过单链路实验来建立基于检测窗的接收信号强度值直方图测量模型；利用接收信号强度值直方图测量模型及巴氏距离计算得到可能存在目标的“正位置”，并利用层次聚类算法，实现目标检测定位；通过低精度直方图和高精度直方图级联方法，确定目标的“正位置”。本发明设计合理，实现利用无线传感器网络的快速实时检测功能，检测定位方法不会产生错误累计现象，建立的测量模型理论依据充足，精度较高且具有较强的鲁棒性，同时，直方图级联机制的引用使得其总体计算消耗保持在能实时使用的范围之内。
-
公开(公告)号：CN104215238A
公开(公告)日：2014-12-17
申请号：CN201410415407.0
申请日：2014-08-21
Applicant: 北京空间飞行器总体设计部 , 北京邮电大学
IPC: G01C21/00
CPC classification number: G01C21/18
Abstract: 本发明涉及一种智能手机室内定位方法，其技术特点是：步骤1、在行人行进过程中，利用智能手机内置的加速度传感器和陀螺仪进行行人航位推算，包括判断行人运动状态、计算发生的步伐数、计算行进距离并推算行人方向变化，得到推算的位置信息；步骤2、建立室内环境磁场地图，利用室内环境磁场地图和磁场传感器实时获得的信息，通过粒子滤波算法进行磁场匹配，进而对推算的位置信息进行校正，得到行人的最终位置。本发明从抵御多种手持手机的方法和不同步伐长度处理两方面来提升室内定位的鲁棒性；从提高磁场匹配判决权重的稳定性和降低系统累计误差两方面来提高匹配精度，避免长时间累积误差的出现；从减少外部设备数量上来降低系统复杂度。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.047 seconds)
