一种基于通信基站三维定位的跟踪与轨迹方法

    公开(公告)号:CN106970353B

    公开(公告)日:2021-01-05

    申请号:CN201710156027.3

    申请日:2017-03-16

    Inventor: 瞿中 陈宇翔 吴戈

    Abstract: 本发明涉及一种基于通信基站三维定位的跟踪与轨迹方法,主要解决现有技术中存在的定位结果为估计值,定位结果不准确,不能计算终端运行轨迹的技术问题。采用基于通信基站三维定位的跟踪与轨迹方法包括根据CHAN算法进行三维室内粗定位出基站采集TOA数据,预处理,建立基站加权投票估值模型,建立度量值拆分模型拆分出真实时延模型,噪声时延模型及干扰时延模型;建立机器学习度量微调模型,建立精确多点三维定位模型;建立精确三维定位优化模型;将精确三维定位优化模型用于精确多点三维定位模型,建立改进终端运动轨迹定位模型完成运动终端轨迹定位的技术方案,较好的解决了该问题,可用于室内三维定位的跟踪与轨迹方法中。

    一种基于遗传规划与渗流模型的混凝土表面裂缝检测方法

    公开(公告)号:CN107403427A

    公开(公告)日:2017-11-28

    申请号:CN201710593926.X

    申请日:2017-07-20

    Abstract: 本发明涉及一种基于遗传规划与渗流模型的混凝土表面裂缝检测方法,解决的是测精度低、效率低的技术问题,通过采用对原始图像使用改进遗传规划方法训练出最优图像处理模型,基于最优图像处理模型对原始图像进行预处理,去除点状噪声得到预处理图像;在预处理图像上,使用并行骨架提取方法提取裂缝骨架,得裂缝骨架终端节点,将裂缝骨架终端节点加入端点集Pend;使用渗流检测方法进行检测,将结果为裂缝的区域设为预提取图像;使用基于区域延伸的裂缝连接方法对预提取图像中的断裂的裂缝进行连接,进行去噪处理后,得到结果为混凝图表面图像的真实裂缝的技术方案,较好的解决了该问题,可用于混凝土表面裂缝检测中。

    一种基于无线通信基站的室内三维定位方法

    公开(公告)号:CN106851821A

    公开(公告)日:2017-06-13

    申请号:CN201710158889.X

    申请日:2017-03-16

    Inventor: 瞿中 吴戈 陈宇翔

    Abstract: 本发明涉及一种基于无线通信基站的室内三维定位方法,主要解决现有技术中存在的定位结果为估计值,定位结果不准确,实时性低的技术问题。本发明通过采用基站加权投票估值模型、测量值拆分模型、机器学习度量微调模型和精确三维定位模型,具体为TOA测量数据预处理,然后LS算法消除多路径误差,分离噪声函数和去干扰点影响,最后使用基于稀疏的机器学习算法,通过加权投票算法来完成多点三维精确定位,之后为了满足实际应用中实时性的要求,通过衡量基站所测数据的精度筛选定位基站,利用有限数量的基站完成精确定位的技术方案,较好的解决了该问题,可用于室内三维定位中。

    一种基于通信基站三维定位的跟踪与轨迹方法

    公开(公告)号:CN106970353A

    公开(公告)日:2017-07-21

    申请号:CN201710156027.3

    申请日:2017-03-16

    Inventor: 瞿中 陈宇翔 吴戈

    CPC classification number: G01S5/12 H04W64/00

    Abstract: 本发明涉及一种基于通信基站三维定位的跟踪与轨迹方法,主要解决现有技术中存在的定位结果为估计值,定位结果不准确,不能计算终端运行轨迹的技术问题。采用基于通信基站三维定位的跟踪与轨迹方法包括根据CHAN算法进行三维室内粗定位出基站采集TOA数据,预处理,建立基站加权投票估值模型,建立度量值拆分模型拆分出真实时延模型,噪声时延模型及干扰时延模型;建立机器学习度量微调模型,建立精确多点三维定位模型;建立精确三维定位优化模型;将精确三维定位优化模型用于精确多点三维定位模型,建立改进终端运动轨迹定位模型完成运动终端轨迹定位的技术方案,较好的解决了该问题,可用于室内三维定位的跟踪与轨迹方法中。

    一种基于无线通信基站的室内三维定位方法

    公开(公告)号:CN106851821B

    公开(公告)日:2020-09-18

    申请号:CN201710158889.X

    申请日:2017-03-16

    Inventor: 瞿中 吴戈 陈宇翔

    Abstract: 本发明涉及一种基于无线通信基站的室内三维定位方法,主要解决现有技术中存在的定位结果为估计值,定位结果不准确,实时性低的技术问题。本发明通过采用基站加权投票估值模型、测量值拆分模型、机器学习度量微调模型和精确三维定位模型,具体为TOA测量数据预处理,然后LS算法消除多路径误差,分离噪声函数和去干扰点影响,最后使用基于稀疏的机器学习算法,通过加权投票算法来完成多点三维精确定位,之后为了满足实际应用中实时性的要求,通过衡量基站所测数据的精度筛选定位基站,利用有限数量的基站完成精确定位的技术方案,较好的解决了该问题,可用于室内三维定位中。

Patent Agency Ranking