-
公开(公告)号：CN105589064A
公开(公告)日：2016-05-18
申请号：CN201610011549.X
申请日：2016-01-08
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种WLAN位置指纹数据库快速建立和动态更新系统及方法，其主要设计扩展卡尔曼融合滤波算法，充分利用MEMS传感器和室内信号传播模型的可用信息，实现高精度二维位置解算，并利用已知的室内地图信息对扩展卡尔曼滤波器输出的最优估计进行修正，得到最终的位置信息；结合得到的位置信息和当前时刻收集的RSSI信息，能够快速的建立和更新WLAN位置指纹数据库。本发明解决了随着时间的改变，WLAN位置指纹数据库变化过大而导致定位精度降低的问题，同时有效地减少了传统的逐点采集法建立和更新WLAN位置指纹数据库的时间开销和人力成本。
-
公开(公告)号：CN112131972B
公开(公告)日：2022-07-12
申请号：CN202010929951.2
申请日：2020-09-07
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于注意力机制使用WiFi数据进行人体行为识别的方法。本发明首先使用一种基于信道状态信息(CSI)的幅值和相位特征的行为识别的方法，能够有效的解决在使用CSI进行行为识别的过程中的特征损的问题。然后利用信道频率响应(CFR)和信道冲激响应(CIR)可以通过傅里叶变换和反变换进行相互转换的原理，计算出WiFi设备所能得到的最小多径时延差之间的多径数据，通过确定经过人体反射和折射的多径信号到达接收机的时延间隔范围，对相关多径信号进行提取。最后使用一种用于CSI行为识别的注意力机制模型，利用注意力机制可以给不同特征分配学习权重的原理，从而实现高鲁棒性的运动序列切割和高精度的基于WiFi数据的人体行为识别。本发明设计的基于WiFi数据的复杂环境中的行为识别算法有效可靠，解决了传统算法无法对受人体影响的多径信号进行提取的问题和特征无法充分利用的问题，同时解决了传统切割算法鲁棒性差的问题，利用深度学习网络提高了系统在各种复杂环境下的识别精度和应用潜力。
-
公开(公告)号：CN109738861B
公开(公告)日：2022-05-27
申请号：CN201811514915.9
申请日：2018-12-12
Applicant: 重庆邮电大学
IPC: G01S5/02
Abstract: 本发明提出了一种基于Wi‑Fi信道状态信息(Channel State Information,CSI)的三维联合估计方法。首先，为了克服天线数量和信道带宽对二维联合估计模型的局限性，将获得的信道状态信息从子载波、天线、数据包三个维度构成一个三维矩阵。其次，对三维矩阵进行降维处理，并在此基础上进行子载波、天线、数据包之间的平滑处理。最后，对平滑之后的矩阵进行信号子空间和噪声子空间分解，从而构造谱函数。在谱函数的基础上，进行到达角(Angle of Arrival,AoA)、飞行时间(Time of Flight,ToF)、多普勒频移(Doppler Frequency Shift,DFS)的三维参数联合搜索。本发明设计的三维联合估计算法在天线数量少、信道带宽窄的情况下仍能达到较高的估计精度，为精确的室内跟踪定位等应用提供了理论基础。
-
公开(公告)号：CN112131972A
公开(公告)日：2020-12-25
申请号：CN202010929951.2
申请日：2020-09-07
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于注意力机制使用WiFi数据进行人体行为识别的方法。本发明首先使用一种基于信道状态信息(CSI)的幅值和相位特征的行为识别的方法，能够有效的解决在使用CSI进行行为识别的过程中的特征损的问题。然后利用信道频率响应(CFR)和信道冲激响应(CIR)可以通过傅里叶变换和反变换进行相互转换的原理，计算出WiFi设备所能得到的最小多径时延差之间的多径数据，通过确定经过人体反射和折射的多径信号到达接收机的时延间隔范围，对相关多径信号进行提取。最后使用一种用于CSI行为识别的注意力机制模型，利用注意力机制可以给不同特征分配学习权重的原理，从而实现高鲁棒性的运动序列切割和高精度的基于WiFi数据的人体行为识别。本发明设计的基于WiFi数据的复杂环境中的行为识别算法有效可靠，解决了传统算法无法对受人体影响的多径信号进行提取的问题和特征无法充分利用的问题，同时解决了传统切割算法鲁棒性差的问题，利用深度学习网络提高了系统在各种复杂环境下的识别精度和应用潜力。
-
公开(公告)号：CN111707986A
公开(公告)日：2020-09-25
申请号：CN202010557199.3
申请日：2020-06-18
Applicant: 重庆邮电大学
IPC: G01S5/02 , H04B17/309
Abstract: 本发明提出了一种基于稀疏面阵的三维参数估计方法。首先，将面阵所在平面按照信号入射角的范围分为8个区域。在每一个区域内，通过分析稀疏面阵，将稀疏面阵按照信号的入射方向映射为非均匀虚拟线阵，构造稀疏面阵的方向矢量并计算稀疏面阵和非均匀虚拟线阵之间的相位差。其次，将面阵方向矢量分别乘上面阵与虚拟线阵之间的相位差，得到虚拟线阵的方向矢量。在此基础上，构造入射信号并利用三维参数估计算法进行AoA(Arrival of Angle)、ToF(Time of Flight)和DFS(Doppler Frequency Shift)的联合参数估计，并利用谱函数搜索得到一系列的峰值。最后，通过分析稀疏面阵映射为非均匀虚拟线阵的几何关系，利用角度搜索得到正确的入射角对应的峰值。本发明克服了业务天线稀疏面阵排列规则不满足空间采样定理而导致的无法进行参数估计的问题，为实际应用中基于业务天线的室内跟踪定位等应用奠定了理论基础。
-
Patent Agency Ranking
公开(公告)号：CN105589064B
公开(公告)日：2018-03-23
申请号：CN201610011549.X
申请日：2016-01-08
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种WLAN位置指纹数据库快速建立和动态更新系统及方法，其主要设计扩展卡尔曼融合滤波算法，充分利用MEMS传感器和室内信号传播模型的可用信息，实现高精度二维位置解算，并利用已知的室内地图信息对扩展卡尔曼滤波器输出的最优估计进行修正，得到最终的位置信息；结合得到的位置信息和当前时刻收集的RSSI信息，能够快速的建立和更新WLAN位置指纹数据库。本发明解决了随着时间的改变，WLAN位置指纹数据库变化过大而导致定位精度降低的问题，同时有效地减少了传统的逐点采集法建立和更新WLAN位置指纹数据库的时间开销和人力成本。
-
公开(公告)号：CN109657572B
公开(公告)日：2022-07-22
申请号：CN201811473921.4
申请日：2018-12-04
Applicant: 重庆邮电大学
IPC: G06K9/00 , H04B17/309 , H04W4/33
Abstract: 本发明提出了一种基于Wi‑Fi的墙后目标行为识别方法。首先，本发明提出了高效的信号分割方法，能够有效的分割出墙后目标运动的时间序列，保证了该行为识别系统的稳定性。其次，结合了CSI幅值和相位对于墙后目标运动时的抖动特征，提出利于获取行为特征的具体方案。最后，针对墙体以及硬件本身对Wi‑Fi信号的干扰，将图像处理中数据维度转换相关算法的思想运用到了Wi‑Fi信号降噪的处理方法中，有效的抑制硬件本身以及墙体等障碍物对Wi‑Fi信号的干扰。实测结果表明，本发明设计的墙后目标行为识别算法有效可靠，其在确保系统的精度的前提下，有效的提升了传统的识别系统在复杂的室内环境下(桌子、书柜等障碍物较多)的稳定性，挖掘了在室内环境下更多的应用潜力。
-
公开(公告)号：CN112270276B
公开(公告)日：2022-05-06
申请号：CN202011203253.0
申请日：2020-11-02
Applicant: 重庆邮电大学
IPC: G06V10/762 , G06V10/764 , G06V40/20 , G06V40/10 , G06K9/00 , G06K9/62
Abstract: 本发明提出了一种基于Kinect与WiFi数据联合的复杂环境下目标行为识别方法。首先，本发明提出了一种基于Kinect的提取有效骨节数据特征的方法，能够有效地提取出骨节数据中能有效反映出人体各关节运动方向和幅度的特征。其次，采用了一种能够提取出CSI数据主要子载波特征的方法，能够聚类出能够反映出其主要变化趋势的子载波数据。最后，针对Kinect数据与WiFi数据维度不同不能直接联合的问题，对跨模态搜索中的特征对齐的方法进行改进，使其能够有效地将Kinect数据与WiFi数据联合并构建分类器进行目标行为识别。本发明设计的数据联合目标行为识别算法有效可靠，有效地解决了传统的Kinect识别系统在复杂的室内环境下(桌子、书柜、沙发等遮挡物较多)无法有效识别的问题，挖掘了在复杂环境下更多的应用潜力。
-
公开(公告)号：CN112910516B
公开(公告)日：2022-01-28
申请号：CN202011634736.6
申请日：2020-12-31
Applicant: 重庆邮电大学
IPC: H04B7/0413 , H04B7/06 , H04W28/06
Abstract: 本发明提出了基于Wi‑Fi的无源感知系统的信道状态信息(Channel State Information,CSI)压缩方法，能够有效地降低用于无源感知的CSI数据包传输带来的带宽开销，保证了无源感知系统的实时性。首先，利用接收端采样获得的部分CSI数据初始化稀疏字典，计算信道状态矩阵在该稀疏字典下的稀疏系数；其次，用信道状态矩阵和获得的稀疏系数更新稀疏字典；然后，接收端将稀疏字典和压缩后的CSI数据传输给服务器；最后，服务器重构原始的CSI数据，并进行感知处理。实测结果表明，本发明设计的无源感知系统CSI压缩算法有效可靠，在降低传输带宽开销的同时，取得了与原始数据相当的参数估计精度和感知效果，并且提高了信道状态信息反馈的实时性。
-
公开(公告)号：CN109581303A
公开(公告)日：2019-04-05
申请号：CN201811473908.9
申请日：2018-12-04
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于Wi-Fi穿墙雷达的干扰抑制方法。首先将信道状态信息(Channel State Information,CSI)进行预处理并对接收相位误差补偿；然后将子载波虚拟为天线并利用奇异值分解法分解信号；其次通过优化方法选择出墙面干扰子空间并对墙干扰信号进行抑制；最后通过小波去噪去除信号中噪声干扰。由于利用Wi-Fi穿墙雷达检测目标时墙面反射信号远强于墙后目标反射信号，因此需对墙面干扰以及环境噪声干扰进行抑制以获取目标反射信号。本发明利用低功耗、普及度高的商用Wi-Fi设备，实现了在无需对硬件进行任何改动的情况下对墙面强干扰以及噪声干扰进行抑制，有效地提取出墙后目标反射信号。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.018 seconds)
