-
公开(公告)号：CN113676857B
公开(公告)日：2023-05-26
申请号：CN202110955570.6
申请日：2021-08-19
Applicant: 重庆邮电大学
IPC: H04W4/33 , H04W24/08 , H04W64/00 , G06F18/2135
Abstract: 本发明涉及一种面向室内Wi‑Fi定位的信道状态信息特征提取方法，属于室内定位技术领域，首先将张量模型引入CSI降噪处理中，基于平行因子分析模型对张量进行分解，利用交替迭代最小二乘算法求解投影矩阵的最优解；其次利用张量小波分解算法在CSI图像的三个维度上进行单层张量小波分解，并利用角二阶矩计算各小波子成分的小波系数，得到最终的约减张量；最后将重构得到的张量作为各参考点坐标相对应的CSI定位指纹，实现特征提取。本发明提升了数据处理分析的能力。
-
公开(公告)号：CN113676999A
公开(公告)日：2021-11-19
申请号：CN202110955563.6
申请日：2021-08-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于偏最小二乘回归的位置坐标估计方法，属于室内定位技术领域。该方法包括：S1：已知Nf个参考点的位置指纹和位置坐标，利用位置指纹构造初始自变量和因变量矩阵X0和Y0；S2：对X0和Y0预处理得到X和Y；S3：根据X和Y的第一对主成分t1和u1，以及轴向量w1和c1构建优化问题，并在一定约束下根据协方差最大原则求解t1和u1；S4：对主成分t1和u1进行回归建模；S5：将X和Y中的残差矩阵E1和G1作为新的X和Y，继续提取新的主成分，循环往复，直到主成分数量达到上限；S6：基于PLSR算法，得到X映射到Y的回归方程；S7：获取测试点的位置指纹，然后利用回归方程中的自变量系数矩阵A得到测试点的位置坐标。本发明降低了运算复杂度，同时保证了位置坐标的估计精度。
-
Patent Agency Ranking
公开(公告)号：CN114007260A
公开(公告)日：2022-02-01
申请号：CN202111224364.4
申请日：2021-10-21
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种无线传感器网络(Wireless Sensor Network，WSN)中的节点间协作定位方法。首先，在目标区域内部署和标定若干个位置已知的WSN节点(锚节点)和若干个位置未知的WSN节点(待定位节点)；其次，根据待定位节点的剩余能量和到锚节点的距离对全部WSN节点进行分簇；再次，在单个簇中基于接收信号强度(Received Signal Strength，RSS)对各节点间距离进行估计，并利用多维尺度变换得到WSN节点的相对坐标；最后，基于锚节点的全局坐标和相对坐标推导出转换关系，并利用转换关系获得待定位节点的全局坐标。本发明专利利用目标区域内节点的剩余能量和其与锚节点间的几何关系提出了一种WSN节点间的协作定位方法，在降低系统能量损耗和计算开销的同时保证了定位精度。
-
公开(公告)号：CN113676838A
公开(公告)日：2021-11-19
申请号：CN202110957856.8
申请日：2021-08-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于自适应遗传算法优化参数神经网络的位置估计方法，属于室内定位领域，包括S1：在布置有Wi‑Fi区域内均匀设置参考点，随机设置测试点，采集信道状态信息处理得到位置向量；S2：确定神经网络拓扑结构，输入所有位置向量，通过BPNN得到满足条件的神经网络初始权值和阈值，利用参考点位置坐标构成的理想输出矩阵和BPNN的输出矩阵来计算该组参数的适应度；S3：重复直到得到G组参数及其适应度，将各组参数编码为个体，基于自适应遗传算法得到最优参数；S4：将最优参数作为神经网络的初始参数，把所有测试点的位置向量输入神经网络，正向传播后得到测试点的估计位置坐标。本发明提高了定位精度。
-
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：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。
-
公开(公告)号：CN113676857A
公开(公告)日：2021-11-19
申请号：CN202110955570.6
申请日：2021-08-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向室内Wi‑Fi定位的信道状态信息特征提取方法，属于室内定位技术领域，首先将张量模型引入CSI降噪处理中，基于平行因子分析模型对张量进行分解，利用交替迭代最小二乘算法求解投影矩阵的最优解；其次利用张量小波分解算法在CSI图像的三个维度上进行单层张量小波分解，并利用角二阶矩计算各小波子成分的小波系数，得到最终的约减张量；最后将重构得到的张量作为各参考点坐标相对应的CSI定位指纹，实现特征提取。本发明提升了数据处理分析的能力。
-
-
-
-
-
-
Search Results
7
records
(took 0.032 seconds)
