一种基于孪生宽度哈希网络的图像位置识别方法

    公开(公告)号:CN119444859A

    公开(公告)日:2025-02-14

    申请号:CN202411559415.2

    申请日:2024-11-04

    Abstract: 本发明公开了基于孪生宽度哈希网络的图像位置识别方法。离线阶段,首先,在目标区域内部署多个参考点并取80%、10%和10%划分训练集、验证集和测试集;然后,构建哈希宽度网络,通过增量学习横向增加特征节点以扩展网络宽度;接着,划分正负样本对,将宽度哈希网络作为孪生网络框架的两条分支,共享权重和网络参数;最后,通过拉近相似特征的哈希距离和拉远不相似特征的哈希距离,最大程度上保持原始样本的相似性。在线阶段,将查询图片输入到构建好的模型中,获得与原始图像高度语义一致性的哈希码,并在数据库中检索得到最相似的检索图像,将其对应的RP位置作为视觉位置识别的结果。本发明专利利用宽度学习横向扩充节点并充分考虑组内相关性和组间互斥性,提出了一种基于孪生宽度哈希网络的图像位置识别方法,在减少系统开销的同时保证了定位精度。

    一种基于DFS和AOA的实时被动WiFi定位方法

    公开(公告)号:CN116761140A

    公开(公告)日:2023-09-15

    申请号:CN202310878907.7

    申请日:2023-07-17

    Abstract: 本发明公开了一种基于DFS和AOA的实时被动WiFi定位方法。首先,在目标区域内放置一个具有一根天线的发射器(TX),一个具有三根天线的接收机(RX),形成线性均匀天线阵列。然后,构建接收信号模型,并分离由人体运动引起的动态分量和静态分量。其次,在每个RX天线对之间应用CSI互相关,利用前后项短时窗口技术估计DFS。接着,利用DFS估计将动态人体分量从每根天线的CSI自相关项中分离出来。最后,使用CS方法进行稀疏重构,获取AOA和人体反射路径长度dX,实现对目标的实时跟踪。本发明专利利用接收天线对之间的互相关、自相关关系以及压缩感知算法,提出了一种基于DFS和AOA的实时被动WiFi定位方法,该方法只需要一个发射机和接收机,消除了收发器异步的影响,提高了参数估计的精度,不需要任何特定于环境的训练,就可以实现目标的高精度实时跟踪。

    一种基于粗精特征筛选的视觉图像定位方法

    公开(公告)号:CN116935073A

    公开(公告)日:2023-10-24

    申请号:CN202310658005.2

    申请日:2023-06-05

    Abstract: 本发明公开了一种基于粗精特征筛选的视觉图像定位方法。首先,在目标区域内部署多个锚节点并以环绕的方式构建训练集;然后,采用基于直方图的图像筛选方法剔除大部分不可能的匹配;其次,利用加速稳健特征(Speeded Up Robust Features,SURF)算法提取训练集和测试集图像的特征点;最后,计算两组图像特征描述子的欧氏距离并选择与测试点的匹配率最高的锚点作为图像定位结果。本发明专利利用在参考点拍摄的图像与离线数据库中图像的相似性,提出了一种基于粗精特征筛选的视觉图像室内定位方法,在提高图片特征匹配效率的同时保证了定位精度。

    一种基于半张量积压缩感知的室内定位方法

    公开(公告)号:CN115175122A

    公开(公告)日:2022-10-11

    申请号:CN202210778330.8

    申请日:2022-07-01

    Abstract: 本发明公开了一种基于半张量积压缩感知(Semi‑tensor Product Compression Sensing,STP‑CS)的室内定位方法。首先,在目标区域内部署和标定若干个位置已知的接入点(Access Point,AP)和参考点(Reference Point,RP);其次,采集每一个RP的接收信号强度(Received SignalStrength,RSS)数据,然后对采集的RSS数据进行聚类,并找到聚类中心;再次,在在线阶段进行聚类匹配的粗定位,将在线测量的RSS与聚类中心比较,判断在线测量的RSS位于哪一个聚类中,从而缩小定位的区域;最后,利用半张量积理论,构造一个低阶的AP选择矩阵,然后利用STP‑CS方法构造STP‑CS模型,再通过迭代重加权最小二乘(Iterative Re‑weighted Least Square,IRLS)算法实现对位置的估计。本发明专利利用半张量理论构造低阶的随机测量矩阵,从而提出了一种基于半张量积压缩感知的室内定位方法,其在保证定位精度的同时,降低了开销,提高了定位的实时性。

    一种基于ARO算法的RIS反射单元优化方法

    公开(公告)号:CN117589166A

    公开(公告)日:2024-02-23

    申请号:CN202311128330.4

    申请日:2023-09-04

    Abstract: 本发明公开了一种基于人工兔(Artificial Rabbits Optimization,ARO)算法的可重构智能表面(Reconfigurable Intelligent Surface,RIS)反射单元优化方法。首先,在目标区域内部署一个RIS元件、一个无线接入点(Access Point,AP)和标定若干个位置已知的参考点(Reference Point,RP);其次,利用RIS辅助构建虚拟链路,由此采集每一个RP的接收信号强度(Received Signal Strength,RSS)数据,然后对采集的RSS数据进行克拉美罗界(Cramér‑Rao Lower Bound,CRLB)分析;再次,在CRLB分析的基础上,构建目标函数,利用ARO优化算法求解目标函数,找到目标函数值最小的一组RIS反射单元;最后,通过该组反射单元得到的离线与在线RSS数据,利用K近邻(K‑Nearest Neighbor,KNN)算法实现位置估计。本发明专利利用CRLB分析,提出了一种基于ARO算法的RIS反射单元优化方法,其在去除冗余RIS反射单元的同时,提高了定位精度,并降低了存储空间和计算开销。

    一种基于改进GAN结合假设检验的Wi-Fi室内定位方法

    公开(公告)号:CN114745675A

    公开(公告)日:2022-07-12

    申请号:CN202210455337.6

    申请日:2022-04-28

    Abstract: 本发明公开了一种基于改进GAN结合假设检验的Wi‑Fi室内定位方法。首先,在目标区域内部署和标定若干个位置已知的接入点(Access Point,AP)和参考点(Reference Point,RP);其次,将目标区域划分为一些小区域,采集每个区域的一小部分RSS样本值,然后送入GAN网络中进行训练,把生成的RSS数据与原始RSS数据合成新的离线数据库;再次,计算AP的权重,利用卡方自动交互检测(Chi‑squared Automatic Interaction Detection,CHAID)方法,通过皮尔逊卡方检验描述每个AP的位置分辨率,将位置分辨率大的AP分配较大的权重;最后,结合AP的权重,利用KNN算法得到位置的最佳估计。本发明专利利用GAN补充数据库以及利用假设检验为AP分配权重,提出了一种基于改进GAN结合假设检验的Wi‑Fi室内定位方法,其在控制人员采集数据所需的成本和时间的同时提高了定位精度。

Patent Agency Ranking