-
公开(公告)号：CN114916059B
公开(公告)日：2024-06-07
申请号：CN202210468061.5
申请日：2022-04-29
Applicant: 湖南大学
Abstract: 本发明公开基于区间随机对数阴影模型的WiFi指纹稀疏地图扩建方法，包括区间随机对数阴影模型的建立和对WiFi指纹稀疏地图的扩建：1)离线采集WiFi指纹稀疏地图；2)对目标稠密地图的位置坐标以近邻关系在已有稀疏地图中选取指纹参考点；3)计算得到任意位置的指纹，实现WiFi指纹稀疏地图的自动扩建。该方法可快速对WiFi指纹稀疏地图进行扩建，通过引入区间随机对数阴影(IRLS)模型来处理不确定的参数，将随机变量的概率分布参数建模为区间变量，有效解决WiFi传播模型中的不确定问题，能够实现WiFi指纹稀疏地图的自动扩建，可显著降低基于指纹的定位技术的部署成本。
-
公开(公告)号：CN114928882A
公开(公告)日：2022-08-19
申请号：CN202210434881.2
申请日：2022-04-24
Applicant: 湖南大学
Abstract: 本发明公开基于自适应贝叶斯综合学习粒子群优化的WLAN指纹定位方法，包括相似性度量和最优位置预测计算：1)使用双面板均匀性模型计算查询指纹与训练指纹的相关性和余弦距离；2)建立定位模型适应度函数；3)采用自适应贝叶斯综合学习粒子群优化算法计算最优适应值的参数并得到最优预测位置。该方法可高效准确地进行室内定位，采用双面板指纹均匀性模型来衡量定位指纹的相似性，利用相关性来测量指纹之间的匹配度，并引入余弦距离来反映指纹在方向上的差异，提高定位模块的多样性和鲁棒性；采用自适应贝叶斯综合学习粒子群优化算法进行参数寻优，自适应机制采用区间划分来选择粒子的综合学习概率水平，提高粒子群优化算法性能。系统更具鲁棒性，可提高定位精度。
-
公开(公告)号：CN114928882B
公开(公告)日：2024-06-28
申请号：CN202210434881.2
申请日：2022-04-24
Applicant: 湖南大学
Abstract: 本发明公开基于自适应贝叶斯综合学习粒子群优化的WLAN指纹定位方法，包括相似性度量和最优位置预测计算：1)使用双面板均匀性模型计算查询指纹与训练指纹的相关性和余弦距离；2)建立定位模型适应度函数；3)采用自适应贝叶斯综合学习粒子群优化算法计算最优适应值的参数并得到最优预测位置。该方法可高效准确地进行室内定位，采用双面板指纹均匀性模型来衡量定位指纹的相似性，利用相关性来测量指纹之间的匹配度，并引入余弦距离来反映指纹在方向上的差异，提高定位模块的多样性和鲁棒性；采用自适应贝叶斯综合学习粒子群优化算法进行参数寻优，自适应机制采用区间划分来选择粒子的综合学习概率水平，提高粒子群优化算法性能。系统更具鲁棒性，可提高定位精度。
-
公开(公告)号：CN114916059A
公开(公告)日：2022-08-16
申请号：CN202210468061.5
申请日：2022-04-29
Applicant: 湖南大学
Abstract: 本发明公开基于区间随机对数阴影模型的WiFi指纹稀疏地图扩建方法，包括区间随机对数阴影模型的建立和对WiFi指纹稀疏地图的扩建：1)离线采集WiFi指纹稀疏地图；2)对目标稠密地图的位置坐标以近邻关系在已有稀疏地图中选取指纹参考点；3)计算得到任意位置的指纹，实现WiFi指纹稀疏地图的自动扩建。该方法可快速对WiFi指纹稀疏地图进行扩建，通过引入区间随机对数阴影(IRLS)模型来处理不确定的参数，将随机变量的概率分布参数建模为区间变量，有效解决WiFi传播模型中的不确定问题，能够实现WiFi指纹稀疏地图的自动扩建，可显著降低基于指纹的定位技术的部署成本。
-
-
-
Search Results
4
records
(took 0.017 seconds)
