-
公开(公告)号：CN101657014B
公开(公告)日：2012-01-11
申请号：CN200910072858.8
申请日：2009-09-11
Applicant: 哈尔滨工业大学
Abstract: 基于近邻概率法的WLAN室内定位方法，本发明涉及一种复杂系统辨识领域中的室内定位方法，用于室内定位，以解决现有室内概率定位方法中，位置先验概率不确定所带来的定位偏差问题。它首先利用K近邻法，计算欲定位点与不同参考点处信号特征向量间的欧氏距离，并根据不同欧氏距离的差异性，得到欲定位点在不同参考点处的位置先验信息，进而实现WLAN环境下的近邻概率定位方法。本发明的方法能够解决K近邻法定位信息容错性差，以及概率法先验假设与实际情况不符的问题，它能够有效应用在WLAN室内定位环境中。
-
公开(公告)号：CN101651951B
公开(公告)日：2011-12-07
申请号：CN200910072893.X
申请日：2009-09-15
Applicant: 哈尔滨工业大学
Abstract: 基于WLAN的支持向量机室内定位网络构建方法及定位方法，它涉及模式识别领域中的定位网络构建方法及定位方法，用于室内定位，解决了现有方法无法有效学习和适应RSS信号的非线性、非高斯统计特性；以及搜索匹配空间过大、计算复杂度高的问题。室内定位网络构建方法通过下述步骤实现：WLAN网络构建；测量并记录参考点的RSS信号，构建整体信号覆盖图；利用SVM分类器分成若干个子信号覆盖图；将多类SVM分类器转化为两类SVM分类器；训练两类SVM分类器，建立多个独立子信号覆盖图。定位方法通过下述步骤实现：在欲定位点测量RSS信号并预定位出所在的子信号覆盖图的区域；由该子信号覆盖图所对应的回归函数定位出该点位置。
-
公开(公告)号：CN102325369B
公开(公告)日：2014-09-24
申请号：CN201110152204.3
申请日：2011-06-08
Applicant: 哈尔滨工业大学
Abstract: 基于参考点位置优化的WLAN室内单源线性WKNN定位方法，属于移动计算领域，本发明为解决现有WLAN室内单源线性环境下，WKNN定位算法中最优参考点数目和位置的选择问题。本发明针对这一特殊单源线性场景，首先在离线阶段，针对具体的实际单源线性定位环境，计算WKNN定位法在该环境下理论期望精度的闭合解形式；然后，利用闭合解形式中期望误差与参考点位置、目标区域尺寸之间的关系，对参考点进行优化布置，满足最小期望误差准则，并建立相应的单源均值位置指纹数据库；最后，根据在现阶段实时采集的信号强度样本，利用近邻点数为4的WKNN定位法，对定位终端进行位置坐标估计。
-
公开(公告)号：CN102215497B
公开(公告)日：2014-03-12
申请号：CN201110152219.X
申请日：2011-06-08
Applicant: 哈尔滨工业大学
Abstract: 基于条件信息熵的WLAN室内单源高斯位置指纹定位性能评价方法，属于信息系统领域，本发明为解决现有的医疗感知平台存在体积较大，价格昂贵，功能扩展性不强，无线传输协议耗能较高的问题。本发明：步骤一、建立初始参考点分布模型N′×M′；步骤二、将初始参考点分布模型N′×M′低维非对称模型重构为N×M高维对称模型；步骤三、根据步骤二重构的N×M高维对称模型，计算得到条件信息熵与位置指纹定位准度和期望误差之间的数学依赖关系；步骤四、根据步骤三所得到的数学依赖关系，利用条件信息熵的变化情况，来评价不同测试点处信号方差或参考点密度变化对整个位置指纹定位系统的性能影响。
-
公开(公告)号：CN101883424B
公开(公告)日：2012-11-21
申请号：CN201010154412.2
申请日：2010-04-23
Applicant: 哈尔滨工业大学
Abstract: 基于近邻点数优化的WLAN室内KNN定位方法，它涉及模式识别领域，它解决了现有的WLAN室内KNN定位方法中，因近邻点数选取不当所导致的定位精度恶化的问题。本发明首先建立完整的WLAN定位场景和位置指纹数据库；然后，根据测试点处采集的信号强度和预存储的位置指纹数据，利用近邻数为2的KNN定位法对测试点位置进行预估计；进而获取近邻点数为1和2时的KNN定位法关于测试点在预估计位置上的理论期望误差，并选择具有较高理论精度的KNN定位法所对应的近邻点数，作为估计测试点位置的最优近邻点数；最终利用最优近邻点数下的KNN定位法，实现WLAN室内KNN定位。本发明适用于室内定位。
-
Patent Agency Ranking
公开(公告)号：CN101883424A
公开(公告)日：2010-11-10
申请号：CN201010154412.2
申请日：2010-04-23
Applicant: 哈尔滨工业大学
Abstract: 基于近邻点数优化的WLAN室内KNN定位方法，它涉及模式识别领域，它解决了现有的WLAN室内KNN定位方法中，因近邻点数选取不当所导致的定位精度恶化的问题。本发明首先建立完整的WLAN定位场景和位置指纹数据库；然后，根据测试点处采集的信号强度和预存储的位置指纹数据，利用近邻数为2的KNN定位法对测试点位置进行预估计；进而获取近邻点数为1和2时的KNN定位法关于测试点在预估计位置上的理论期望误差，并选择具有较高理论精度的KNN定位法所对应的近邻点数，作为估计测试点位置的最优近邻点数；最终利用最优近邻点数下的KNN定位法，实现WLAN室内KNN定位。本发明适用于室内定位。
-
公开(公告)号：CN101764639A
公开(公告)日：2010-06-30
申请号：CN200910073444.7
申请日：2009-12-17
Applicant: 哈尔滨工业大学
IPC: H04B7/185
Abstract: 基于五向量数学模型的多层卫星网络稳定分群方法。它涉及无线电通信领域中的卫星网络分群方法。它解决了现有卫星网络拓扑稳定性、卫星节点路由存储开销和卫星网络的业务时延之间存在的矛盾问题。它采用描述多层卫星网络拓扑性质的五向量数学模型并利用链路稳定性度量函数实现网络资源的优化配置；采用定量分析不同星间链路对网络稳定性贡献程度和卫星节点或链路失效对网络时延变化影响的方法，根据网络稳定性度量函数和同群或邻群卫星间优化连接关系，减小网络平均最短路由表长度并提高网络拓扑结构的稳定性。本发明的方法能够应用到空天地一体化信息网络中的多层卫星网络环境。
-
公开(公告)号：CN101651951A
公开(公告)日：2010-02-17
申请号：CN200910072893.X
申请日：2009-09-15
Applicant: 哈尔滨工业大学
Abstract: 基于WLAN的支持向量机室内定位网络构建方法及定位方法，它涉及模式识别领域中的定位网络构建方法及定位方法，用于室内定位，解决了现有方法无法有效学习和适应RSS信号的非线性、非高斯统计特性；以及搜索匹配空间过大、计算复杂度高的问题。室内定位网络构建方法通过下述步骤实现：WLAN网络构建；测量并记录参考点的RSS信号，构建整体信号覆盖图；利用SVM分类器分成若干个子信号覆盖图；将多类SVM分类器转化为两类SVM分类器；训练两类SVM分类器，建立多个独立子信号覆盖图。定位方法通过下述步骤实现：在欲定位点测量RSS信号并预定位出所在的子信号覆盖图的区域；由该子信号覆盖图所对应的回归函数定位出该点位置。
-
公开(公告)号：CN102131290B
公开(公告)日：2013-06-05
申请号：CN201110105475.3
申请日：2011-04-26
Applicant: 哈尔滨工业大学
Abstract: 基于自相关滤波的WLAN室内邻近匹配定位方法，涉及基于自相关滤波的WLAN室内邻近匹配定位方法，解决了现有WLAN室内邻近匹配定位方法中，因室内复杂信号反射、折射、衍射、人体和设施遮蔽等因素影响，所造成的位置指纹数据库动态变化且位置依赖性较差问题，具体步骤如下：一、在离线采集阶段，标记参考点位置；二、在每个参考点处，对来自不同AP的信号强度进行采集；三、在离线修正阶段，首先利用连续强度信号的自相关特性，判断不同强度指纹样本集合中是否存在奇异强度样本；四、强度样本均值，保存到位置指纹数据库中；五、在线定位阶段，实现对定位终端的位置坐标估计。用于WLAN室内定位。
-
公开(公告)号：CN101873607B
公开(公告)日：2012-10-03
申请号：CN201010209859.5
申请日：2010-06-25
Applicant: 哈尔滨工业大学
Abstract: WLAN室内分步式RD-ANFIS定位方法，涉及模糊聚类型ANFIS室内定位方法，解决了WLAN室内环境下由于定位区域大、模式复杂导致ANFIS系统易产生过匹配、环境适应性降低且定位精度差的问题。该定位方法为：在离线阶段，根据FCM聚类技术将目标定位区域分割为若干相邻、连通子区域，具有相似SNR分布特性的RP属于同一子区域；利用模糊减法聚类方法得到每个连通子区域的初始模糊推理准则，并完成对每个子区域的ANFIS定位系统的建立；在在线阶段，通过比较定位终端处采集的SNR样本均值与不同聚类中心的欧几里得距离，进而获得定位终端位置的预估计区域，最终利用该区域的ANFIS定位系统即可实现对位置的精确坐标估计。本发明可用于模式识别领域。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.027 seconds)
