-
公开(公告)号：CN108990148A
公开(公告)日：2018-12-11
申请号：CN201811017199.3
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明属于室内定位方法领域，具体涉及一种面向室内协作定位的参考点选择方法。包括一种面向固定参考点不足的参考点选择算法和一种面向固定参考点冗余的参考点选择算法，本发明针对固定参考点不足的场景，采用近邻加权的参考点选择算法，通过对移动参考点的权值进行分配和择优选取，从而选择出满足权值较大部分的参考点，解决移动参考点位置误差带来的定位结果干扰问题；针对固定参考点冗余的场景，采用特征匹配的参考点选择算法，通过历史选择方案记录和修正后选择记录的信息，进行特征匹配而选择出最为相似的参考点组合方案。这两种算法结合使用，减小了定位误差，提高了定位精度，应用前景广阔。
-
Patent Agency Ranking
公开(公告)号：CN109257693A
公开(公告)日：2019-01-22
申请号：CN201810870148.9
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于空间分析的室内协作定位方法，属于室内定位领域。包括：面向定位空间分析的改进射线跟踪算法；基于改进射线跟踪技术的室内空间区域判定算法；基于空间分析两阶段的协作定位算法。根据室内环境下空间构造较为稳定的特点，基于射线跟踪技术对空间进行环境分析，划分不同的定位区域并统计每个区域的视距环境下定位参考信号的数量，由此判断出直接定位区域和协作定位区域。根据空间分区判断出需要协作定位和无需协作定位的目标节点，提出一种基于空间分析的室内协作定位方法。这种室内协作定位的方法，有效避免了误差较大的移动参考节点造成的定位精度降低的问题，提高了整体的定位精度。
-
公开(公告)号：CN111432364B
公开(公告)日：2021-05-11
申请号：CN202010216383.1
申请日：2020-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于径向基函数神经网络的非视距误差抑制方法，包括：将原始多径TOA样本数据进行标准化分类预处理，得到标准化分类的多径TOA样本数据；建立径向基函数神经网络，并使用量子人工蜂群对径向基函数神经网络进行优化，该径向基函数神经网络由隐层和输出层组成；由标准化分类的多径TOA样本数据训练径向基函数神经网络；使用径向基函数神经网络识别并剔除未知多径TOA数据中的非视距误差。本发明提高移动用户设备的定位精度；不增加任何额外冗余基站，降低部署成本；不带来额外的解算复杂度，提升定位效率。
-
公开(公告)号：CN109257693B
公开(公告)日：2020-09-25
申请号：CN201810870148.9
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于空间分析的室内协作定位方法，属于室内定位领域。包括：面向定位空间分析的改进射线跟踪算法；基于改进射线跟踪技术的室内空间区域判定算法；基于空间分析两阶段的协作定位算法。根据室内环境下空间构造较为稳定的特点，基于射线跟踪技术对空间进行环境分析，划分不同的定位区域并统计每个区域的视距环境下定位参考信号的数量，由此判断出直接定位区域和协作定位区域。根据空间分区判断出需要协作定位和无需协作定位的目标节点，提出一种基于空间分析的室内协作定位方法。这种室内协作定位的方法，有效避免了误差较大的移动参考节点造成的定位精度降低的问题，提高了整体的定位精度。
-
公开(公告)号：CN108990148B
公开(公告)日：2020-09-25
申请号：CN201811017199.3
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明属于室内定位方法领域，具体涉及一种面向室内协作定位的参考点选择方法。包括一种面向固定参考点不足的参考点选择算法和一种面向固定参考点冗余的参考点选择算法，本发明针对固定参考点不足的场景，采用近邻加权的参考点选择算法，通过对移动参考点的权值进行分配和择优选取，从而选择出满足权值较大部分的参考点，解决移动参考点位置误差带来的定位结果干扰问题；针对固定参考点冗余的场景，采用特征匹配的参考点选择算法，通过历史选择方案记录和修正后选择记录的信息，进行特征匹配而选择出最为相似的参考点组合方案。这两种算法结合使用，减小了定位误差，提高了定位精度，应用前景广阔。
-
公开(公告)号：CN111432364A
公开(公告)日：2020-07-17
申请号：CN202010216383.1
申请日：2020-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于径向基函数神经网络的非视距误差抑制方法，包括：将原始多径TOA样本数据进行标准化分类预处理，得到标准化分类的多径TOA样本数据；建立径向基函数神经网络，并使用量子人工蜂群对径向基函数神经网络进行优化，该径向基函数神经网络由隐层和输出层组成；由标准化分类的多径TOA样本数据训练径向基函数神经网络；使用径向基函数神经网络识别并剔除未知多径TOA数据中的非视距误差。本发明提高移动用户设备的定位精度；不增加任何额外冗余基站，降低部署成本；不带来额外的解算复杂度，提升定位效率。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
