-
公开(公告)号：CN112423265B
公开(公告)日：2022-04-12
申请号：CN202011269279.5
申请日：2020-11-13
Applicant: 武汉理工大学
Abstract: 一种基于CSI的双循环神经网络的船载环境室内定位方法，包括以下步骤：分别在船舶室内环境和普通室内环境中，采集人行走时的CSI数据；将船舶室内环境CSI数据输入CSI去噪循环神经网络，之后，输入到CSI清洗模块，消除采样时间偏移、载波频率偏移和静态多径的影响，并输入到CSI参数估计模型，得到各路径信道参数；将各路径信道参数输入到基于LSTM的参数匹配循环神经网络中，得到由人反射的信号的路径信道参数，并输入到定位算法模型，得到人的实时位置；在船舶室内环境下，人在行走时，采集CSI数据，将CSI数据按上述步骤处理即可得到人的实时位置。本设计不仅降低了成本，而且提高了定位精度、减少了定位计算量。
-
公开(公告)号：CN112866902A
公开(公告)日：2021-05-28
申请号：CN202110033421.4
申请日：2021-01-12
Applicant: 武汉理工大学
Abstract: 一种动态危险船载环境自适应应急导航方法，该方法包括以下步骤：A、根据船舶结构提取船舶的3D拓扑模型，并据此模型布设船载无线传感器网络；B、基于船载无线传感器网络，利用图论理论建立船舶应急疏散模型；C、根据船舶应急疏散模型定义受损船舶环境下的乘客逃生最优路径；D、在预处理阶段，为每一个导航路标建立路径查找表；E、在实际导航阶段，根据乘客行走速度，参照路径查找表，为其确定下一个导航路标直至到达逃生集合点。本设计不仅提高了导航效率与导航成功率，而且提高了用户安全性。
-
公开(公告)号：CN110933633A
公开(公告)日：2020-03-27
申请号：CN201911233594.X
申请日：2019-12-05
Applicant: 武汉理工大学
Abstract: 一种基于CSI指纹特征迁移的船载环境室内定位方法，包括以下步骤：采集离线船舶运动数据和离线CSI数据；计算CSI矩阵与船舶运动数据之间的皮尔森相关系数，选取皮尔森相关系数最高的船舶运动数据作为船舶运动特征数据；将船舶运动特征数据输入到卷积自编码器得到船舶运动描述符；将船舶运动描述符和CSI矩阵输入基于无监督学习的指纹漫游模型，得到离线迁移CSI矩阵，利用深度学习策略来训练指纹漫游模型，以得到其中的参数；将采集的在线船舶运动数据和在线CSI数据经上述步骤处理得到迁移CSI指纹库，利用支持向量机进行位置匹配。本设计不仅降低了成本，而且提高了定位精度、减少了定位计算量。
-
公开(公告)号：CN112738749B
公开(公告)日：2021-10-01
申请号：CN202011557070.9
申请日：2020-12-25
Applicant: 武汉理工大学
IPC: H04W4/33 , H04W64/00 , H04B17/391 , G06K9/62
Abstract: 一种基于菲涅尔区的船载环境多目标室内定位方法，包括以下步骤：采集离线CSI数据；对CSI相位进行动态清洗，得到CSI相位测量值，获得时域功率延迟曲线；利用Rician包络分布对视距路径主导条件进行建模，计算视距路径分量的功率与散射非视距路径的功率之比得到Rician‑K因子，判断菲涅尔区域中存在目标的概率；测量并计算Wi‑Fi信号的总拟合误差，并解决优化问题以识别趋肤信号，进而确定目标在菲涅尔区内的方向；确定所有子区域并推算其对应的有向菲涅尔特征，构建菲涅尔特征表；利用支持向量机将采集的在线菲涅尔特征矩阵与离线菲涅尔特征表匹配得到用户实时位置。本设计不仅降低了成本，而且提高了定位精度、减少了定位计算量。
-
Patent Agency Ranking
公开(公告)号：CN110933633B
公开(公告)日：2020-10-16
申请号：CN201911233594.X
申请日：2019-12-05
Applicant: 武汉理工大学
Abstract: 一种基于CSI指纹特征迁移的船载环境室内定位方法，包括以下步骤：采集离线船舶运动数据和离线CSI数据；计算CSI矩阵与船舶运动数据之间的皮尔森相关系数，选取皮尔森相关系数最高的船舶运动数据作为船舶运动特征数据；将船舶运动特征数据输入到卷积自编码器得到船舶运动描述符；将船舶运动描述符和CSI矩阵输入基于无监督学习的指纹漫游模型，得到离线迁移CSI矩阵，利用深度学习策略来训练指纹漫游模型，以得到其中的参数；将采集的在线船舶运动数据和在线CSI数据经上述步骤处理得到迁移CSI指纹库，利用支持向量机进行位置匹配。本设计不仅降低了成本，而且提高了定位精度、减少了定位计算量。
-
公开(公告)号：CN112738749A
公开(公告)日：2021-04-30
申请号：CN202011557070.9
申请日：2020-12-25
Applicant: 武汉理工大学
IPC: H04W4/33 , H04W64/00 , H04B17/391 , G06K9/62
Abstract: 一种基于菲涅尔区的船载环境多目标室内定位方法，包括以下步骤：采集离线CSI数据；对CSI相位进行动态清洗，得到CSI相位测量值，获得时域功率延迟曲线；利用Rician包络分布对视距路径主导条件进行建模，计算视距路径分量的功率与散射非视距路径的功率之比得到Rician‑K因子，判断菲涅尔区域中存在目标的概率；测量并计算Wi‑Fi信号的总拟合误差，并解决优化问题以识别趋肤信号，进而确定目标在菲涅尔区内的方向；确定所有子区域并推算其对应的有向菲涅尔特征，构建菲涅尔特征表；利用支持向量机将采集的在线菲涅尔特征矩阵与离线菲涅尔特征表匹配得到用户实时位置。本设计不仅降低了成本，而且提高了定位精度、减少了定位计算量。
-
公开(公告)号：CN112272406A
公开(公告)日：2021-01-26
申请号：CN202011180497.1
申请日：2020-10-29
Applicant: 武汉理工大学
Abstract: 本发明公开一种基于多普勒频移提取的船舶驾驶人员巡逻检测方法，包括：搭建WiFi发射和接收系统；对WiFi接收机进行改造，改造后的WiFi接收机采集整个船舶驾驶室内的WiFi信号并提取WiFi信号中的多普勒频移分量；根据提取的多普勒频移分量，判断船舶驾驶人员的运动行为。本发明利用已有的WiFi设备，仅对其中的接收机进行改造，便于多普勒频移分量的提取，保留了WiFi设备的通信功能，系统搭建成本低，且不需要被测人员携带其他设备；此外，相较于现有技术基于WiFi信号中CSI信号的提取进行人员识别的方式，本发明利用改造后的接收机接收并提取WiFi信号中的多普勒频移分量，对于只有几赫兹的人体运动导致的多普勒频移均能检测，分辨率高，检测精度高。
-
公开(公告)号：CN112866902B
公开(公告)日：2022-02-18
申请号：CN202110033421.4
申请日：2021-01-12
Applicant: 武汉理工大学
Abstract: 一种动态危险船载环境自适应应急导航方法，该方法包括以下步骤：A、根据船舶结构提取船舶的3D拓扑模型，并据此模型布设船载无线传感器网络；B、基于船载无线传感器网络，利用图论理论建立船舶应急疏散模型；C、根据船舶应急疏散模型定义受损船舶环境下的乘客逃生最优路径；D、在预处理阶段，为每一个导航路标建立路径查找表；E、在实际导航阶段，根据乘客行走速度，参照路径查找表，为其确定下一个导航路标直至到达逃生集合点。本设计不仅提高了导航效率与导航成功率，而且提高了用户安全性。
-
公开(公告)号：CN112423265A
公开(公告)日：2021-02-26
申请号：CN202011269279.5
申请日：2020-11-13
Applicant: 武汉理工大学
Abstract: 一种基于CSI的双循环神经网络的船载环境室内定位方法，包括以下步骤：分别在船舶室内环境和普通室内环境中，采集人行走时的CSI数据；将船舶室内环境CSI数据输入CSI去噪循环神经网络，之后，输入到CSI清洗模块，消除采样时间偏移、载波频率偏移和静态多径的影响，并输入到CSI参数估计模型，得到各路径信道参数；将各路径信道参数输入到基于LSTM的参数匹配循环神经网络中，得到由人反射的信号的路径信道参数，并输入到定位算法模型，得到人的实时位置；在船舶室内环境下，人在行走时，采集CSI数据，将CSI数据按上述步骤处理即可得到人的实时位置。本设计不仅降低了成本，而且提高了定位精度、减少了定位计算量。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
