-
公开(公告)号：CN103399297A
公开(公告)日：2013-11-20
申请号：CN201310359337.7
申请日：2013-08-16
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G01S5/02
Abstract: 本发明提出了一种基于机器学习的超宽带非视距鉴别方法，克服了传统的NLOS鉴别方法通常采用IEEE802.15.4a信道模型，该模型与实际环境相比存在较大的差异，利用该模型实现的NLOS鉴别方法在实际场景中出现较低的鉴别率的问题。本发明的这种非参数的NLOS鉴别方法与信道独立，不需任何统计信息，鉴别率高，适用范围广。在鉴别的基础上，根据先验统计进行误差消除，可以有效提高定位精度。本发明的方法能有效鉴别出NLOS，为实现室内高精度定位的实现提供了基础。
-
公开(公告)号：CN103491566B
公开(公告)日：2017-03-29
申请号：CN201310408431.7
申请日：2013-09-09
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: Y02D70/00
Abstract: 本发明涉及无线通信领域，尤其涉及一种面向无线体域网的能量效率优化方法，包括以下步骤：A、分析体域网网络特点及路径信道损耗模型，确定工作模式；B、建立能耗最小化模型以及网络生命周期最大化模型；C、对能耗最小化模型以及网络生命周期最大化模型进行仿真与性能分析。本发明的有益效果是建立了更符合实际应用的网络生命周期最大化模型，通过仿真分析验证了该优化分配方法提高了能量效率，得到了最优的网络生命周期。
-
公开(公告)号：CN103399297B
公开(公告)日：2015-08-26
申请号：CN201310359337.7
申请日：2013-08-16
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G01S5/02
Abstract: 本发明提出了一种基于机器学习的超宽带非视距鉴别方法，克服了传统的NLOS鉴别方法通常采用IEEE 802.15.4a信道模型，该模型与实际环境相比存在较大的差异，利用该模型实现的NLOS鉴别方法在实际场景中出现较低的鉴别率的问题。本发明的这种非参数的NLOS鉴别方法与信道独立，不需任何统计信息，鉴别率高，适用范围广。在鉴别的基础上，根据先验统计进行误差消除，可以有效提高定位精度。本发明的方法能有效鉴别出NLOS，为实现室内高精度定位的实现提供了基础。
-
公开(公告)号：CN103491566A
公开(公告)日：2014-01-01
申请号：CN201310408431.7
申请日：2013-09-09
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: Y02D70/00
Abstract: 本发明涉及无线通信领域，尤其涉及一种面向无线体域网的能量效率优化方法，包括以下步骤：A.分析体域网网络特点及路径信道损耗模型，确定工作模式；B.建立能耗最小化模型以及网络生命周期最大化模型；C.对能耗最小化模型以及网络生命周期最大化模型进行仿真与性能分析。本发明的有益效果是建立了更符合实际应用的网络生命周期最大化模型，通过仿真分析验证了该优化分配方法提高了能量效率，得到了最优的网络生命周期。
-
-
-
Search Results
4
records
(took 0.028 seconds)
