-
公开(公告)号：CN109829509A
公开(公告)日：2019-05-31
申请号：CN201910139215.4
申请日：2019-02-26
Applicant: 重庆邮电大学
Abstract: 本发明公布了一种基于融合神经网络的雷达手势识别方法，首先，利用二维快速傅立叶变换(Fast Fourier Transform,FFT)求取手势回波中频信号的频谱，采用谱峰估计计算出手势目标的距离和速度参数，并利用多重信号分类(Multiple Signal Classification,MUSIC)方法计算角度参数。其次，利用这三维参数在时间上的累积，将一个完整手势动作映射为多帧距离-速度矩阵图和角度时间图。然后，利用手势参数图，建立融合神经网络。最后，利用融合神经网络进行手势特征提取和特征融合，并通过全连接层对手势特征进行分类。
-
公开(公告)号：CN109657572A
公开(公告)日：2019-04-19
申请号：CN201811473921.4
申请日：2018-12-04
Applicant: 重庆邮电大学
IPC: G06K9/00 , H04B17/309 , H04W4/33
Abstract: 本发明提出了一种基于Wi-Fi的墙后目标行为识别方法。首先，本发明提出了高效的信号分割方法，能够有效的分割出墙后目标运动的时间序列，保证了该行为识别系统的稳定性。其次，结合了CSI幅值和相位对于墙后目标运动时的抖动特征，提出利于获取行为特征的具体方案。最后，针对墙体以及硬件本身对Wi-Fi信号的干扰，将图像处理中数据维度转换相关算法的思想运用到了Wi-Fi信号降噪的处理方法中，有效的抑制硬件本身以及墙体等障碍物对Wi-Fi信号的干扰。实测结果表明，本发明设计的墙后目标行为识别算法有效可靠，其在确保系统的精度的前提下，有效的提升了传统的识别系统在复杂的室内环境下(桌子、书柜等障碍物较多)的稳定性，挖掘了在室内环境下更多的应用潜力。
-
公开(公告)号：CN109617591A
公开(公告)日：2019-04-12
申请号：CN201910053087.1
申请日：2019-01-21
Applicant: 重庆邮电大学
IPC: H04B7/06 , H04B17/30 , H04B17/309 , H04B17/318 , H04W4/02 , H04W4/021
Abstract: 本发明为一种基于WiFi的运动目标区域跟踪方法，能够应用于智能家居和安防等领域。其主要是提取运动目标反射信号功率信息，判断运动目标靠近或者远离收发机对的信号直达路径，结合收发机对的接收数据波动情况，判断运动目标区域位置，统计一段时间内的运动目标的区域位置信息，实现区域目标区域跟踪。该方法能够充分利用室内环境的WiFi设备，不需要额外购置设备。
-
公开(公告)号：CN105792138B
公开(公告)日：2019-03-05
申请号：CN201610107451.4
申请日：2016-02-26
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于线段密度的室内WLAN用户定位与行为分析方法，首先将目标区域划分为多个子区域，并对区域内用户的运动路径模式进行观测，同时采集区域内用户的RSS序列；然后，利用多维尺度MDS方法对采集的RSS序列进行降维处理，得到每条RSS序列在二维信号空间中所对应的路径坐标，将路径坐标按时间戳顺序依次连接成线段；其次，对线段进行聚类以得到信号逻辑图并且根据子区域连接关系得到物理逻辑图；最后，根据信号逻辑图中线段聚类间的转移概率和物理逻辑图中子区域间的转移概率，建立信号逻辑图与物理逻辑图的热点映射，以实现对运动用户的定位与行为分析。本发明降低了人力消耗与时间开销，并能够完成对运动用户的定位与行为分析。
-
公开(公告)号：CN109271838A
公开(公告)日：2019-01-25
申请号：CN201810794392.1
申请日：2018-07-19
Applicant: 重庆邮电大学
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
公开(公告)号：CN105205114B
公开(公告)日：2018-12-04
申请号：CN201510559467.4
申请日：2015-09-06
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明请求保护一种无线保真（Wi‑Fi）定位指纹数据库构建方法。基于信号指纹的定位方法所面临的最大难题是工作量庞大的室内环境勘测和位置指纹采集。并且随着室内环境温度、布局等的改变，定位精度大幅降低。本发明首先等间隔选择参考点总数，并在选定的参考点处采集接收信号强度（RSS）；其次，将该部分参考点物理位置与相应信号指纹映射为小幅图像，应用改进的双三次图像插值方法，将图像扩大；最后通过自适应中值滤波方法进行图像去噪，并映射为指纹信息，滤除奇异点，得到环境中所有参考点的RSS估计值，从而构建出Wi‑Fi定位指纹数据库。本发明可有效减少数据采集的人力和时间开销，能够应用于室内无线电通信网络环境。
-
公开(公告)号：CN108828548A
公开(公告)日：2018-11-16
申请号：CN201810675612.9
申请日：2018-06-26
Applicant: 重庆邮电大学
IPC: G01S7/41
Abstract: 本发明公布了一种基于FMCW雷达的三参数融合数据集构建方法。首先，根据实际应用场景设计数据集规模，并确定FMCW雷达前端参数；其次，对采集的雷达信号进行时频分析，并对雷达目标的距离、多普勒和角度参数的估计，构造距离-时间图数据集、多普勒-时间图数据集和角度-时间图数据集；然后，对构造的数据集中的图像样本进行数据清洗和归一化操作，并建立多参融合数据集。本发明创新地提出将雷达探测到的目标距离、多普勒和角度参数进行了融合，可作为具有多参数输入需求的机器学习或深度学习算法的多参数融合数据集。
-
公开(公告)号：CN108616836A
公开(公告)日：2018-10-02
申请号：CN201810328895.X
申请日：2018-04-13
Applicant: 重庆邮电大学
IPC: H04W4/33 , H04W16/20 , H04W16/22 , H04W64/00 , H04B17/391
Abstract: 本发明所述一种基于信号统计分布的WLAN定位组网方法，首先考虑各接入点(Access point,AP)之间的相关性，计算出信号在参考点的概率密度函数；其次，利用概率密度函数计算出不同的信号矢量在参考点出现的概率，并且结合参考点的位置先验概率，计算参考点的加权概率；然后，计算参考点的平均定位精度，从而得出目标区域的平均定位精度；最后，利用模拟退火算法对目标区域中的AP位置进行优化。本发明所提供的一种基于信号统计分布的WLAN定位组网方法，可以合理选择AP位置，避免AP布置的盲目性。
-
公开(公告)号：CN108449708A
公开(公告)日：2018-08-24
申请号：CN201810212348.5
申请日：2018-03-15
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于信号分布检验的Wi-Fi室内定位方法，该方法首先根据Jarque-Bera(JB)检验结果对各个参考点处的Wi-Fi信号分布进行正态性评价；然后针对不同Wi-Fi信号分布特性，利用混合Mann-Whitney U检验/T检验方法构造匹配参考点集合，以实现对目标的区域定位；最后通过计算定位区域中匹配参考点的K近邻(K-nearest Neighbor，KNN)，完成对目标的位置坐标估计。实验结果表明，本发明方法解决了因复杂室内环境下Wi-Fi信号分布的多样性导致Wi-Fi室内定位系统的鲁棒性较差问题，同时，它相比于传统Wi-Fi室内定位方法具有更高的定位精度和更强的系统鲁棒性。
-
公开(公告)号：CN108288977A
公开(公告)日：2018-07-17
申请号：CN201810077125.2
申请日：2018-01-26
Applicant: 重庆邮电大学
IPC: H04B1/7103 , H04L25/03
Abstract: 本发明公开一种WCDMA卫星通信系统的同频干扰抵消及弱信号提取方法。首先，用本地扰码和接收信号做遍历相关检测同步峰，确定各个信号的帧起始位置和主扰码号；确定帧起始位置以后，首先使用基于导频信道的频偏估计算法进行粗频偏估计并反馈给PLL环路，然后使用PLL环路实时跟踪强干扰WCDMA信号的频偏和相偏，并使用基于导频信道的幅值估计确定强干扰信号的幅值；然后对强干扰信号解码，并对强干扰进行重抵消得到干扰抵消数据；最后使用基于卡尔曼滤波的频偏估计算法估计目标信号的频偏和相偏，并对其进行纠正，然后解码目标信号。本发明能在同频强干扰的条件下提取微弱的WCDMA期望信号，通过提高参数估计的精度，提高弱信号检测的能力，降低弱信号的误码率。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.029 seconds)
