一种基于高斯滤波优化的量子成像方法

    公开(公告)号:CN114690508A

    公开(公告)日:2022-07-01

    申请号:CN202210276175.X

    申请日:2022-03-21

    Abstract: 本发明提出了一种基于高斯滤波优化的量子成像方法,对符合计数值进行高斯滤波来提高量子成像质量。首先,利用激光器产生泵浦光,通过透镜扩束以及半波片和四分之一波片调制,使泵浦光照射周期极化磷酸氧钛钾(Periodically Poled KTP,PPKTP)晶体,通过PPKTP的自发参量下转换过程产生具有纠缠特性的参考光子和信号光子;然后,利用面探测器探测参考光子,而信号光子则照射至待成像目标,并利用桶探测器探测信号光子;其次,对两路探测器记录的时间序列进行符合计数,得到对应图像像素位置处的符合计数值;再次,通过高斯滤波和小波变换,对符合计数值进行滤波优化处理;最后,根据处理后的符合计数值得到量子图像。

    基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法

    公开(公告)号:CN111741429B

    公开(公告)日:2022-05-03

    申请号:CN202010582034.1

    申请日:2020-06-23

    Abstract: 本发明公开了一种基于信号分布Wasserstein距离度量的Wi‑Fi室内定位方法。首先,在离线阶段,计算每个参考位置处接收来自每个AP信号强度序列的核密度估计,并将其作为每个AP下的参考位置特征指纹,在在线阶段,计算目标位置处接收来自每个AP信号强度序列的核密度估计,并将其作为目标位置特征指纹;其次,分别计算目标位置处特征指纹与所有参考位置特征指纹的来自每个AP的Wasserstein距离;最后,根据Wasserstein距离值,利用波达排序法筛选理想匹配参考点用于定位。本发明专利通过对不同参考位置接收来自不同AP的信号强度序列进行特征分析,提出了一种基于信号分布Wasserstein距离度量的Wi‑Fi室内定位方法,以提高现有室内定位方法的鲁棒性和定位精度。

    一种基于Wi-Fi精准时间测量的无线定位方法

    公开(公告)号:CN114173413A

    公开(公告)日:2022-03-11

    申请号:CN202111587036.0

    申请日:2021-12-23

    Abstract: 本发明公开了一种基于Wi‑Fi精准时间测量(FTM,Fine Time Measurement)的无线定位方法。首先,在目标区域内部署和若干位置已知的接入点(AP,Access Point)和测试点(TP,Test Point);然后,在AP与TP间进行FTM测量并计算测距结果;其次,在TP处采集来自AP的实际接收信号强度(RSS,Received Signal Strength);再次,利用测距结果和实际RSS间的数学关系构建非视距(NLoS,Non Line of Sight)判别模块,并对测距结果进行筛选;最后,通过建立和求解AP位置、TP位置及测距结果之间的数学方程,计算出了TP的位置坐标。本发明专利利用目标区域内Wi‑Fi FTM测距结果与实际RSS之间的数学关系构建了NLoS判别模块,对所获得的测距结果进行了筛选,提出了一种基于Wi‑Fi精准时间测量的无线定位方法,其在增强系统鲁棒性的同时提升了定位精度。

    一种面向室内Wi-Fi定位的信道状态信息特征提取方法

    公开(公告)号:CN113676857A

    公开(公告)日:2021-11-19

    申请号:CN202110955570.6

    申请日:2021-08-19

    Abstract: 本发明涉及一种面向室内Wi‑Fi定位的信道状态信息特征提取方法,属于室内定位技术领域,首先将张量模型引入CSI降噪处理中,基于平行因子分析模型对张量进行分解,利用交替迭代最小二乘算法求解投影矩阵的最优解;其次利用张量小波分解算法在CSI图像的三个维度上进行单层张量小波分解,并利用角二阶矩计算各小波子成分的小波系数,得到最终的约减张量;最后将重构得到的张量作为各参考点坐标相对应的CSI定位指纹,实现特征提取。本发明提升了数据处理分析的能力。

    一种基于多元信号特征的WLAN室内目标入侵检测方法

    公开(公告)号:CN108416419B

    公开(公告)日:2021-07-30

    申请号:CN201810093472.4

    申请日:2018-01-31

    Abstract: 本发明本发明提出了一种基于多元信号特征的WLAN(Wireless Local Area Network)室内目标入侵检测方法。它解决了利用现有WLAN基础设施实现对未知目标的室内入侵检测方法中离线阶段需要大量人力及时间开销进行RSS特征数据库构建和入侵检测鲁棒性低的问题。它首先建立基于自适应深度射线树的准三维射线追踪模型,对室内静默和入侵状态下的接收信号强度(Received Signal Strength,RSS)传播特性进行建模;其次,联合RSS均值、方差、最大值、最小值、极差值和中位值六种信号特征构建概率神经网络(Probabilistic Neural Network,PNN)的训练数据库;最后,利用训练得到的PNN对新采集RSS数据进行多分类判决,进而实现对入侵目标的检测与区域定位。本发明方法能够运用于无线电通信网络环境。

    一种基于量子纠缠光关联特性的单源定位方法

    公开(公告)号:CN112904351A

    公开(公告)日:2021-06-04

    申请号:CN202110076571.3

    申请日:2021-01-20

    Abstract: 本发明提出一种基于量子纠缠光关联特性的单源定位方法,实现高精度定位。首先,利用激光器产生泵浦光,照射周期极化磷酸氧钛钾晶体,通过自发参量下转换过程产生具有纠缠特性的参考光子和信号光子;然后,利用单光子探测器探测留在本地的参考光子,信号光子发送至待定位目标,用另一单光子探测器探测被待定位目标反射回的光子;其次,对利用采集电路记录两光子的时间标签序列进行符合计数,得到二阶关联特性曲线,其峰值对应的延迟即为两光子的传输时间差,进而计算出本地接入点到待定位目标的距离;最后,利用转台得到本地接入点与待定位目标之间的夹角,并结合待定位目标的距离信息实现目标定位。

    基于无线信号特征的室内入侵和空间结构变化识别方法

    公开(公告)号:CN110276921B

    公开(公告)日:2021-04-06

    申请号:CN201910610509.0

    申请日:2019-07-08

    Abstract: 本发明公开了一种基于无线信号特征的室内入侵和空间结构变化识别方法。首先,在离线阶段,计算静默信号与入侵信号的相关系数以及入侵信号的小波变换系数和平均功率近似值;然后,在在线阶段,利用小波变换检测监测点处接收信号是否发生异常变化,同时基于短时傅里叶变换计算异常信号的平均功率以及异常信号和静默信号的相关系数;最后,根据得到的平均功率和相关系数对造成该异常信号的室内入侵或空间结构变化进行识别。本发明专利通过对无线信号进行特征分析,提出了一种基于无线信号特征的室内入侵和空间结构变化识别方法,以提高现有室内入侵检测系统的鲁棒性和环境适应性。

    一种基于干扰信号重构的穿墙无源移动目标检测方法

    公开(公告)号:CN112034433A

    公开(公告)日:2020-12-04

    申请号:CN202010656793.8

    申请日:2020-07-09

    Abstract: 本发明提出了一种基于干扰信号重构的穿墙无源移动目标检测方法。首先,利用天线接收的信道状态信息(Channel State Information,CSI)构建二维矩阵,并对二维矩阵进行联合二维平滑。其次,对平滑后的矩阵进行分解,并估计其空间谱信息。对极值点进行聚类,并选取对应极值最强和次强的两个类别分别对应收发机直射信号和墙面反射信号的空间谱参数。再次,对干扰信号进行幅值重构,得到减去直射信号和反射信号的抑制后的信号。最后,利用CSI的时间相关性和子载波相关性提取多维信号特征,并使用BP(Back Propagation)神经网络完成特征与检测结果的映射,结合多天线输出特征得到最终检测结果。

    一种基于最大信息系数的模糊聚类冗余接入点约简方法

    公开(公告)号:CN111935818A

    公开(公告)日:2020-11-13

    申请号:CN202010656808.0

    申请日:2020-07-09

    Abstract: 本发明公开了一种基于最大信息系数的模糊聚类冗余接入点(Access Point,AP)约简方法。首先,对离线阶段采集的接收信号强度(Received Signal Strength,RSS)数据进行标准化预处理,其次,基于标准化预处理后的多维RSS特征矩阵结合直方图估计法计算了测试环境中AP间最大信息系数,最后,基于最大信息系数矩阵构建了模糊等价矩阵并通过模糊聚类建立了相关AP集合,并从中筛选出了非冗余AP用于定位。实验结果表明,本发明方法在保证系统定位精度的同时降低了定位系统的存储与计算开销。

    一种基于FMCW雷达的三参数特征融合手势识别方法

    公开(公告)号:CN109271838B

    公开(公告)日:2020-11-03

    申请号:CN201810794392.1

    申请日:2018-07-19

    Abstract: 本发明提出了一种基于FMCW(frequency modulated continuous wave)雷达的三参数特征融合手势识别方法。首先通过雷达获取不同手势的中频信号,从中得到角度参数、距离参数和多普勒频移参数,并构造对应数据集;其次,将关于角度、距离和多普勒频移的数据集分别送入卷积神经网络中训练,得到特征值并做融合处理;最后,将融合后的特征值送入分类器,得到手势类别。本发明创新地提出多重参数在卷积神经网络中的融合方法,解决了传统识别算法使用条件受限的问题,且最终手势的分类效果优于单一参数。

Patent Agency Ranking