-
公开(公告)号：CN114007260A
公开(公告)日：2022-02-01
申请号：CN202111224364.4
申请日：2021-10-21
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种无线传感器网络(Wireless Sensor Network，WSN)中的节点间协作定位方法。首先，在目标区域内部署和标定若干个位置已知的WSN节点(锚节点)和若干个位置未知的WSN节点(待定位节点)；其次，根据待定位节点的剩余能量和到锚节点的距离对全部WSN节点进行分簇；再次，在单个簇中基于接收信号强度(Received Signal Strength，RSS)对各节点间距离进行估计，并利用多维尺度变换得到WSN节点的相对坐标；最后，基于锚节点的全局坐标和相对坐标推导出转换关系，并利用转换关系获得待定位节点的全局坐标。本发明专利利用目标区域内节点的剩余能量和其与锚节点间的几何关系提出了一种WSN节点间的协作定位方法，在降低系统能量损耗和计算开销的同时保证了定位精度。
-
公开(公告)号：CN111866709A
公开(公告)日：2020-10-30
申请号：CN202010601172.X
申请日：2020-06-29
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种面向运动目标的室内Wi-Fi定位误差界估计方法。该方法首先提出了基于运动目标的接收信号波形表达式，选择从频域的角度分析，确定未知参数向量，通过频域计算克拉美罗下界(Cramer-Rao Lower Bound,CRLB)的方法，对未知参数向量进行处理，得到待估计参数，然后通过计算待估计参数的费歇尔信息矩阵(Fisher information matrix,FIM)，进而得到了面向运动目标的室内Wi-Fi定位误差界分析方法，最后，本发明分析了不同因素对面向运动目标的室内Wi-Fi定位精度的影响。利用该方法可以在设计定位系统时提供参照依据，对系统的定位性能进行评估，以便于优化定位系统，提高定位精度。
-
公开(公告)号：CN110276921A
公开(公告)日：2019-09-24
申请号：CN201910610509.0
申请日：2019-07-08
Applicant: 重庆邮电大学
IPC: G08B13/00
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。
-
公开(公告)号：CN110234126A
公开(公告)日：2019-09-13
申请号：CN201910423692.3
申请日：2019-05-21
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于角度估计的单接入点定位精度评估方法。该方法首先提出单接入点发送的通过多条不同路径到达移动目标的信号波形表达式，然后从单接入点发送的通过第m条路径的信号着手，选择从频域的角度分析，对未知参数变量进行降维，得到待估计参数变量，通过构建“镜面”AP，并计算相应的参数关系，最后在频域的条件下，计算出了基于角度估计的单接入点的定位精度限表达式，并给出了单接入点定位精度评估准则。同时，该方法也解决了传统的克拉美罗下界无法对单接入点进行定位精度评估的问题。利用该方法可以在设计定位系统时提供参照依据，对系统的定位性能进行评估，以便于优化定位系统，提高定位精度。
-
公开(公告)号：CN108882192A
公开(公告)日：2018-11-23
申请号：CN201810793921.6
申请日：2018-07-19
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于邻域粗糙集约简的室内区域定位方法。首先，将待定位区域划分成若干子区域，并且在待定位区域中部署若干AP和参考点，在每个参考点上采集来自全部AP的RSS信号，与参考点所在的子区域构成位置指纹数据库；其次，将来自每个AP的RSS信号当作为邻域粗糙集的条件属性进行属性的约简，并更新位置指纹数据库，保留剩余AP的RSS数据；最后，应用更新后的位置指纹数据库进行区域定位。本专利基于邻域粗糙集的约简，提出了一种基于邻域粗糙集约简的室内区域定位方法，解决了离线位置指纹开销庞大的问题。
-
Patent Agency Ranking
公开(公告)号：CN119449113A
公开(公告)日：2025-02-14
申请号：CN202411559413.3
申请日：2024-11-04
Applicant: 重庆邮电大学
IPC: H04B7/06 , A61B5/08 , A61B5/00 , G06F18/213 , G06F18/2135 , G06F18/23213
Abstract: 本发明公开了一种非接触式呼吸检测方法。首先，在目标区域内布置接入点(AP)、基站(STA)和捕获设备，通过捕获从STA到AP周期性发送的波束成形反馈帧(BFI)获取信道状态信息。然后，解压提取BFI帧内的振幅信号和时间信息,对提取出的天线组合的代表性子载波信号进行相空间重构，通过动态特征提取评估出最优天线组合。接着，对最优天线组合的子载波振幅信号进行Hampel滤波去除异常值，对所有子载波进行相空间重构和动态特征提取，并使用K‑means聚类算法选择最佳子载波。随后，对选定的最优子载波信号进行Savitzky‑Golay滤波和带通滤波，通过主成分分析(PCA)降维，进行线性插值获得等间隔采样信号。最后，对处理后的信号进行快速傅里叶变换(FFT)，并通过创新的峰值检测算法估计呼吸率。本发明专利利用相空间重构和动态特征提取技术，提出了一种非接触式呼吸检测方法，与传统方法相比，该方法能够更好地捕捉信号的非线性动态特征，更全面地评估各个子载波的动态特性，从而选择出最适合呼吸检测的子载波，有效区分呼吸信号和干扰信号，显著提高了基于Wi‑Fi信号的非接触式呼吸检测的准确性和鲁棒性。
-
公开(公告)号：CN117589166A
公开(公告)日：2024-02-23
申请号：CN202311128330.4
申请日：2023-09-04
Applicant: 重庆邮电大学
IPC: G01C21/20 , G06F18/2413
Abstract: 本发明公开了一种基于人工兔(Artificial Rabbits Optimization,ARO)算法的可重构智能表面(Reconfigurable Intelligent Surface,RIS)反射单元优化方法。首先，在目标区域内部署一个RIS元件、一个无线接入点(Access Point，AP)和标定若干个位置已知的参考点(Reference Point，RP)；其次，利用RIS辅助构建虚拟链路，由此采集每一个RP的接收信号强度(Received Signal Strength，RSS)数据，然后对采集的RSS数据进行克拉美罗界(Cramér‑Rao Lower Bound,CRLB)分析；再次，在CRLB分析的基础上，构建目标函数，利用ARO优化算法求解目标函数，找到目标函数值最小的一组RIS反射单元；最后，通过该组反射单元得到的离线与在线RSS数据，利用K近邻(K‑Nearest Neighbor,KNN)算法实现位置估计。本发明专利利用CRLB分析，提出了一种基于ARO算法的RIS反射单元优化方法，其在去除冗余RIS反射单元的同时，提高了定位精度，并降低了存储空间和计算开销。
-
公开(公告)号：CN114745675A
公开(公告)日：2022-07-12
申请号：CN202210455337.6
申请日：2022-04-28
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于改进GAN结合假设检验的Wi‑Fi室内定位方法。首先，在目标区域内部署和标定若干个位置已知的接入点(Access Point，AP)和参考点(Reference Point，RP)；其次，将目标区域划分为一些小区域，采集每个区域的一小部分RSS样本值，然后送入GAN网络中进行训练，把生成的RSS数据与原始RSS数据合成新的离线数据库；再次，计算AP的权重，利用卡方自动交互检测(Chi‑squared Automatic Interaction Detection，CHAID)方法，通过皮尔逊卡方检验描述每个AP的位置分辨率，将位置分辨率大的AP分配较大的权重；最后，结合AP的权重，利用KNN算法得到位置的最佳估计。本发明专利利用GAN补充数据库以及利用假设检验为AP分配权重，提出了一种基于改进GAN结合假设检验的Wi‑Fi室内定位方法，其在控制人员采集数据所需的成本和时间的同时提高了定位精度。
-
公开(公告)号：CN114745674A
公开(公告)日：2022-07-12
申请号：CN202210452155.3
申请日：2022-04-27
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于改进BP(Back Propagation)神经网络的测距模型定位算法。首先，在目标区域内部署若干个位置已知的接入点(Access Point，AP)和参考点(Reference Point，RP)建立指纹数据库；其次，将指纹数据库进行z‑score标准化，然后进行差分变换；再次，基于变换后的RSSI(Received Signal Strength Indicator)矢量和BP神经网络构建RSSI‑距离关系模型；最后，将目标点收集到的RSSI数据经过相同预处理后通过构建的测距模型得到目标点与每个RP之间的距离并利用最小二乘法解算出目标点的位置坐标。本发明专利利用BP神经网络良好的非线性拟合能力，提出了一种基于改进BP神经网络的测距模型定位算法，其降低了Wi‑Fi信号波动对定位性能的影响，在快速构建准确、稳定的测距模型的同时有效地提升了定位系统性能。
-
公开(公告)号：CN113676838A
公开(公告)日：2021-11-19
申请号：CN202110957856.8
申请日：2021-08-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于自适应遗传算法优化参数神经网络的位置估计方法，属于室内定位领域，包括S1：在布置有Wi‑Fi区域内均匀设置参考点，随机设置测试点，采集信道状态信息处理得到位置向量；S2：确定神经网络拓扑结构，输入所有位置向量，通过BPNN得到满足条件的神经网络初始权值和阈值，利用参考点位置坐标构成的理想输出矩阵和BPNN的输出矩阵来计算该组参数的适应度；S3：重复直到得到G组参数及其适应度，将各组参数编码为个体，基于自适应遗传算法得到最优参数；S4：将最优参数作为神经网络的初始参数，把所有测试点的位置向量输入神经网络，正向传播后得到测试点的估计位置坐标。本发明提高了定位精度。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.023 seconds)
