公开(公告)号：CN118301549A

公开(公告)日：2024-07-05

申请号：CN202410398781.8

申请日：2024-04-03

Applicant: 燕山大学

Inventor： 荆楠 ,  王家淇 ,  王林 ,  徐荣楠 ,  厉斌斌

IPC: H04W4/024 ,  H04W4/33 ,  H04W64/00 ,  G06N3/0464

Abstract: 本发明属于室内定位领域，具体公开了一种基于生成式对抗网络的射频指纹增强方法及系统，首先将移动设备采集到的Wi‑Fi指纹、惯导数据严格按照时间顺序排列，得到时序‑路径数据；将得到的时序‑路径数据利用递归图生成多通道RP图特征；设计一个多模态对抗生成网络AVF‑net，将生成的多通道RP图特征作为多模态对抗生成网络AVF‑net的输入，输出增强后的虚拟指纹；该系统包括：序列划分单元、数据预处理单元、增强虚拟指纹网络单元。与现有技术相比，本发明的基于生成式对抗网络的射频指纹增强方法及系统对现有指纹定位系统稳定性提升有显著作用，同时耗时、算法适配性等测试均表现优秀。

公开(公告)号：CN118382065A

公开(公告)日：2024-07-23

申请号：CN202410485730.9

申请日：2024-04-22

Applicant: 燕山大学

Inventor： 王林 ,  徐荣楠 ,  荆楠 ,  于家新 ,  王家淇

IPC: H04W4/029 ,  H04W4/33 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0455 ,  G06F21/62 ,  G06V10/40 ,  G01C21/20

Abstract: 本发明属于室内定位技术领域，具体公开了一种基于深度生成学习网络的多模态室内定位方法和系统，该系统包括移动设备、服务器和服务设备；通过移动设备的磁力计、加速度计和陀螺仪采集方位、角速度和加速度序列数据；在服务器中转化成二维指纹图像并从二维指纹图像中提取序列特征向量，然后将提取的序列特征向量与移动设备采集的指纹信息进行拼接作为移动设备的卷积神经网络的输入，移动设备通过卷积神经网络输出预测的位置结果。本发明利用全局位置弱相关的加速计和陀螺仪数据，在云端实现位置特征向量生成，并在用户设备端实现与磁力计数据的准确全局位置估计；在确保亚米级定位精度前提下，防止位置隐私泄漏。