基于多径指纹的概率匹配室内定位方法

空间交替广义期望最大化(SAGE)算法可以高效地实现室内信道多径参数的估计,同时提供相对较高的精度。该文提出一种基于多径指纹的概率匹配室内定位方法,将SAGE算法得到的信道多径参数作为指纹数据进行定位,以求获得更好的定位精度和鲁棒性。通过分析典型场景下的定位实验测量结果,并与同类型的传统室内定位方法进行比较,验证了该方法的有效性。     

基于CNN的超分辨率信道冲激响应室内指纹定位算法

针对室内环境中多径效应影响定位精度的问题,提出了一种基于卷积神经网络(CNN)的室内定位(PI-CNN)算法.以多重信号分类(MUSIC)算法处理后的信道状态信息(CSI)作为特征图像,基于室内环境中不同位置点具有独特多径信息的特点,利用各收发天线间所形成的子信道信息,获得具有更高时间分辨率的多径到达时间,将获取的伪谱...     

基于聚类的PCA和GRNN的CSI指纹定位算法

针对多径效应影响指纹定位算法中定位精度的问题,提出了一种基于聚类的主成分分析(principal compo-nent analysis,PCA)和广义回归神经网络(generalized regression neural network,GRNN)的信道状态信息(channel state information,...     

基于层次聚类的WiFi室内位置指纹定位算法

提出一种利用WiFi信号指纹实现对室内区域进行定位的CL-KNN(complete linkage K-nearest neighbor)算法.该算法先采用层次聚类方法对测试环境进行区域划分,再根据相应的WiFi信号指纹信息进行匹配,最后通过加权计算确定定位结果.实验结果表明,在WiFi热点数量足够多的情况下,与原始KNN算法和kmeans-KNN算法相比,CL-KNN算法可以获得更高的定位精度和准确率.     

基于CSI离散指纹的轨迹跟踪方法

针对从Wi-Fi设备中获取的接收信号强度(RSSI)在定位过程中误差较大的问题,设计了一种基于信道状态信息(CSI) 离散指纹的轨迹跟踪方法．首先经过汉佩尔滤波,巴特沃斯低通滤波去除了CSI异常值和噪声的影响,然后利用线性回归算法去除相位的频移误差,继而采用协方差矩阵特征值法进行特征提取,最后通过基于CSI子载波权重的主成分分析法进行了无源定位和轨迹跟踪．实验结果表明: 离散指纹点定位的平均正确率在 90%以上,所设计的算法能有效实现对室内人员的定位和轨迹跟踪．     

基于WiFi指纹的高精度室内定位融合算法

针对室内环境中指纹定位接收信号强度信息的高维时变特性以及动态目标定位误差的累积问题,提出了一种基于梯度提升决策树与粒子滤波相结合的融合算法。该算法首先利用梯度提升决策树算法建立的位置坐标与接收信号强度之间的非线性映射模型,对在线接收的信号强度数据进行特征分类判别,实现位置的初步估计; 随着目标的运动,进一步结合粒子滤波方法,迭代地实现动态目标位置的精确预测; 另外,将定位轨迹与实际轨迹进行对比,以验证该算法的稳定性。实验仿真结果表明:累积分布函数在80%的百分位处,提出算法的定位精度控制在1.19 m以内,明显优于基于支持向量机、随机森林等定位算法; 同时较基于梯度提升决策树算法的定位精度提升了34.9%; 所获得的定位轨迹与实际轨迹的趋势一致且趋于收敛。     

一种基于KNN的室内位置指纹定位算法

提出了一种基于KNN的FM、DTMB联合信号位置指纹匹配算法,并根据不同位置具有不同信号强度将匹配过程设计为一个多分类算法模型.离线阶段,通过采集FM信号与DTMB信号的强度信息,完成位置指纹库的构建.在线匹配阶段,利用KNN算法对新采集到的数据进行加权欧氏距离匹配,通过对K值以及特征向量的选取对定位误差进行了分析.仿...     

基于集成学习与BP神经网络的室内地磁定位算法

本文针对当前室内地磁定位技术存在地磁信号不稳定和地磁指纹不唯一所造成定位误差大等问题,提出一种基于集成学习与BP神经网络的室内地磁定位方法,提高地磁定位精度.将BP神经网络作为弱预测器,通过集成学习的方法把多组弱预测器集成为强预测器,使用地磁数据进行室内定位,与地磁指纹库中的真实位置信息进行对比并计算出定位误差.结果表...     

一种改进的WIFI位置指纹室内定位算法

WIFI位置指纹定位作为目前常见的室内定位方法,存在接收信号强度(received signal strength,RSS)波动和时变等问题,导致定位精度不高.文章为此设计了一种采用结合卡尔曼滤波的方差修正加权K最近邻(weighted K-nearest neighbor,WKNN)算法的室内定位方法.离线阶段,经过...     

基于神经网络的Wi-Fi室内定位安全性问题研究

针对现有的基于深度学习的室内定位解决方案容易受到无线接入点AP攻击的问题,提出了基于卷积神经网络(CNN)的室内定位框架,构建了一种基于深度学习的Wi-Fi指纹室内安全定位系统(DS-LocCNN),使得多建筑和多楼层在面对恶意攻击时的定位精度得到了保证．通过在UJIIndoorLoc数据集上评估此系统,证明了所提出的DS-LocCNN能很好地抵御基于AP的恶意攻击,且在建筑级定位和楼层级定位上的成功率优于现有的解决方案．     

基于神经网络的WiFi睡眠呼吸暂停智能监测技术

为了克服传统睡眠呼吸监测方案未考虑实际受测人员在测试区域可能存在呼吸暂停、正常呼吸或者离开测试区域的问题,设计一种基于家庭WiFi的睡眠呼吸暂停智能监测系统。利用线性拟合消除接收天线的信道状态信息 (channel state information, CSI) 相位误差,并利用小波变换去除信号幅值的噪声;结合短时傅里叶变换和滑动窗口法对信号进行分割;提取天线间相位差的方差等特征并利用神经网络模型对呼吸暂停进行识别,排除睡姿变化带来的干扰。实验结果表明,该系统对于呼吸暂停的检测率达到95.6%以上,能够作为日常的呼吸暂停监测方案并为用户提供健康参考。     

一种基于WiFi信道状态信息的人体感知算法

针对现有的基于WiFi的动作识别系统不能同时识别人物身份的问题,提出一种基于WiFi信号的人体手势和身份识别算法(Wi-GAH). Wi-GAH采用神经网络方法进行设计,将信道状态信息的幅度特征转换成一个三维矩阵结构,以最大程度地保留单个样本数据所携带的空间、时间及频率相关性;然后采用二维卷积从三维矩阵中提取特征,并使用随机丢弃神经元和批归一化减小过拟合;最后利用多任务学习实现人体手势和身份的并行识别.实验结果表明, Wi-GAH对150个手势的识别准确率为95.67%,对4个人的身份识别率达到87.33%;当只需要区分人体的权限类别时,其识别准确率能达到92.05%.     

神经网络在移动信道卷积码译码中的应用

分析运用误差反向传播 (EBP)多层感知器神经网络 (NN)方法来进行卷积码译码的可能性 .仿真结果表明 :当涉及的码字位于译码窗口中间时 ,其性能最佳 ,而且即使考虑大的窗口性能也不会提高 .当神经网络规模较大时 ,神经网络体现出自适应、冗余容错性 .窗口宽度等于 3的系统最小 ,所以该系统是值得推荐的系统     

人工神经网络在信息过滤中的应用

通过分析TextCNN和TextRNN等模型的特点，构建了卷积神经网络与循环神经网络相结合的文本分类模型.在“SMS Spam Collection v.1”数据集上对模型进行测试，选用AUC和Precision等评价指标来评价模型.结果表明，模型有良好的鲁棒性，能够准确识别垃圾邮件.     

基于HHT和改进PNN的CSI人体动作识别研究

为了有效判别真实摔倒动作与疑似摔倒动作、提高动作识别准确度,提出基于希尔伯特黄变换(Hilbert-Huang transform, HHT)和改进概率神经网络(probabilistic neural networks, PNN)的信道状态信息(channel state information, CSI)人体动作识别算法。对CSI的幅度与相位融合信号进行数据预处理,利用HHT来提取区分人体动作信息的瞬时幅值和瞬时频率作为分类特征构建特征矩阵,在遗传算法(genetic algorithm, GA)优化的PNN神经网络中训练出能有效检测真实摔倒和疑似摔倒动作的GA-PNN人体动作识别模型;利用训练好的识别模型对输入的CSI数据进行摔倒动作的判别。仿真实验表明,提出的算法能有效地检测真实摔倒和疑似摔倒动作,其识别准确度可达到97.18%,且误报率较低。     

WLAN indoor location method based on artificial neural network

WLAN indoor location method based on artificial neural network (ANN) is analyzed.A three layer feed-forward ANN model offers the benefits of reducing time cost of the layout of an indoor location system, saving storage cost of the radio map establishment and enhancing real-time capacity in the on-line phase.According to the analysis of SNR distributions of recorded beacon signal samples and discussion about the multi-mode phenomenon, the one map method is proposed for the purpose of simplifying ANN input values and increasing location performances.Based on the simulations and comparison analysis with other two typical indoor location methods, K-nearest neighbor (KNN) and probability, the feasibility and effectiveness of ANN-based indoor location method are verified with average location error of 2.37m and location accuracy of 78.6% in 3m.     

FCNN深度学习模型及其在动物语音识别中的应用

为解决使用语音信号准确识别动物以保护和研究野生动物的问题,提出一种全连接算法与稀疏连接算法相结合的全卷积神经网络(FCNN: Fully Convolutional Neural Network),用于语音的自动识别.利用全连接算法提取更多的组合特征,稀疏连接算法筛选重要特征可加快收敛速度.同时给出了具体的模型结构及算...