-
公开(公告)号：CN113660723A
公开(公告)日：2021-11-16
申请号：CN202110954327.2
申请日：2021-08-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于神经网络的室内指纹定位方法，属于室内定位技术领域。该方法包括：S1：采集室内多个参考点处的CSI位置指纹和位置坐标，构造神经网络的输入矩阵和理想输出矩阵；S21：初始化权值和阈值，代入输入矩阵进行正向传播，得到隐藏层输入矩阵；S22：选择LeakyReLU函数作为激活函数，再进行正向传播得到神经网络的输出矩阵；S23：利用输出矩阵和理想输出矩阵构造代价函数；S24：在反向传播过程中引入梯度下降法，根据误差矩阵来反向计算每个权值和阈值的梯度，朝着梯度的反方向更新参数；S3：将测试样本构成的输入矩阵代入神经网络进行正向传播，得到输出层输出矩阵。本发明能提高定位精度。
-
公开(公告)号：CN110012537B
公开(公告)日：2021-02-19
申请号：CN201910274593.3
申请日：2019-04-08
Applicant: 重庆邮电大学
IPC: H04W64/00 , H04B17/318 , G01S5/08
Abstract: 本发明公开了一种基于AP四边形组网的质心约束室内定位方法。首先，在测试区域内部署若干个位置已知的AP并进行组合，获得包含测试区域的初始四边形集合并提取该集合中四边形质心得到初始四边形质心集合；其次，在待定位点处采集来自AP的接收信号强度，结合传播模型公式和三边测量定位法计算待定位点的初步估计坐标，基于该初步估计坐标并利用内角和法提取所有包含待定位点的四边形以获得目标四边形集合及其质心集合；最后，计算目标四边形质心集合的平均质心坐标并将其与初步估计坐标加权融合即得到待定位点的最终估计坐标。本专利基于测试区域内目标四边形集合的几何约束，提出了一种基于AP四边形组网的质心约束室内定位方法，增强了定位系统稳定性并实现低开销室内定位。
-
公开(公告)号：CN108882192B
公开(公告)日：2020-03-20
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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN104968004A
公开(公告)日：2015-10-07
申请号：CN201510376686.9
申请日：2015-07-01
Applicant: 重庆邮电大学
CPC classification number: H04W16/20 , H04W4/04 , H04W12/02 , H04W64/003
Abstract: 本发明所述基于用户位置隐私保护的室内WLAN指纹定位接入点部署方法，首先利用改进的匿名度(Anonymity Degree,AD)、无效度(Ineffectiveness Degree,ID)来分别刻画用户位置隐私及LBS服务质量，其次根据不同的AP部署方式以及定位区域中不同的人流分布情况，计算匿名度和无效度，最后赋予匿名度和无效度一定的权重来构建优化目标函数，并通过搜索找到最优的AP部署方式。该方法在保证LBS服务质量的同时，保护了用户的位置隐私。
-
公开(公告)号：CN119251638A
公开(公告)日：2025-01-03
申请号：CN202410929792.4
申请日：2024-07-11
Applicant: 重庆邮电大学
IPC: G06V10/82 , G06V10/774 , G06V10/42 , G06V10/44 , G06V10/46 , G06V10/77 , G06V10/74 , G06V10/764 , G06T7/73 , G06F16/583 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了基于深度全局特征和局部特征联合学习的NetVLAD图像位置识别方法。离线阶段，首先，在目标区域内部署多个参考点并取90％和10％划分训练集和测试集；然后，利用ResNet‑50卷积神经网络的分层表示来学习局部和全局特征，通过最小化局部特征的交叉熵分类损失函数和全局特征的三元组损失函数来训练网络。在线阶段，将查询图片输入到网络中并提取全局特征，将其全局特征与离线数据库中的图像全局特征进行相似度计算并获得相似性排名，再提取查询图片的局部特征对相似性排名进行重排从而找到与查询最匹配的图像。最后，获取图片的GPS信息来实现位置识别。本发明专利利用卷积神经网络主干的浅层激活获取局部特征并指导相似性序列重排，提出了一种基于深度全局特征和局部特征联合学习的NetVLAD图像位置识别方法，在减少系统开销的同时保证了定位精度。
-
公开(公告)号：CN116935073A
公开(公告)日：2023-10-24
申请号：CN202310658005.2
申请日：2023-06-05
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于粗精特征筛选的视觉图像定位方法。首先，在目标区域内部署多个锚节点并以环绕的方式构建训练集；然后，采用基于直方图的图像筛选方法剔除大部分不可能的匹配；其次，利用加速稳健特征(Speeded Up Robust Features,SURF)算法提取训练集和测试集图像的特征点；最后，计算两组图像特征描述子的欧氏距离并选择与测试点的匹配率最高的锚点作为图像定位结果。本发明专利利用在参考点拍摄的图像与离线数据库中图像的相似性，提出了一种基于粗精特征筛选的视觉图像室内定位方法，在提高图片特征匹配效率的同时保证了定位精度。
-
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
Applicant: 重庆邮电大学
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。
-
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
Applicant: 重庆邮电大学
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。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.023 seconds)
