检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于ECA-CNN的混合指纹室内定位方法

计算机研究与发展 2024年第2期61卷 428-440页

作者：王正康骆冰清南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023

在指纹法的定位中,指纹特征和定位模型是影响定位精度的2个关键因素.在指纹特征的选取方面,可见光强度稳定性较高,但位置特征区分度低;无线信号强度区分度较高,但波动性较强.在定位模型的构建方面,基于卷积神经网络(convolutional neura... 详细信息

在指纹法的定位中,指纹特征和定位模型是影响定位精度的2个关键因素.在指纹特征的选取方面,可见光强度稳定性较高,但位置特征区分度低;无线信号强度区分度较高,但波动性较强.在定位模型的构建方面,基于卷积神经网络(convolutional neural network, CNN)的定位模型在特征提取时不能有效地突出重要特征.针对上述问题,提出一种基于ECA-CNN的混合指纹室内定位方法(hybrid fingerprint indoor localization method based on ECA-CNN, ECACon-HF).首先,利用可见光强度和低功耗蓝牙(Bluetooth low energy, BLE)接收信号强度指示(received signal strength indication, RSSI)来构建混合指纹,降低BLE指纹不稳定的影响,并增强不同位置之间的区分度.同时,基于高效通道注意力(efficient channel attention, ECA)模块改进CNN定位模型,ECA能够通过跨通道交互策略自适应地提取指纹中的重要信息,抑制指纹中的环境干扰,增强混合指纹特征表达能力,更有效地利用混合指纹优势.实验结果显示,ECAConHF在构建的混合指纹库上可以达到0.316 m的定位精度,高于在单一指纹上的精度;并且基于同一指纹库,ECACon-HF相比其他室内定位方法,定位精度具有明显优势.

关键词：室内定位混合指纹可见光强度注意力机制低功耗蓝牙

基于双自由度转台的全向空间单目视觉室内定位测量方法

在线全文

学校读者我要写书评

暂无评论

中国光学（中英文） 2024年第3期17卷 605-616页

作者：吴军王豪爽单腾飞郭润夏张晓瑜陈玖圣中国民航大学航空工程学院天津300300 中国民航大学电子信息与自动化学院天津300300

针对传统单目视觉测量系统测量视场有限的问题,本文提出一种基于双自由度旋转平台的全向空间单目视觉测量方法。首先,对双自由度旋转平台的转轴参数进行标定,用副相机拍摄固定在双自由度转台上的棋盘格标定板,提取棋盘格角点的位置坐标... 详细信息

针对传统单目视觉测量系统测量视场有限的问题,本文提出一种基于双自由度旋转平台的全向空间单目视觉测量方法。首先,对双自由度旋转平台的转轴参数进行标定,用副相机拍摄固定在双自由度转台上的棋盘格标定板,提取棋盘格角点的位置坐标,并将其转化到同一相机坐标系下。利用PCA(主成分分析)平面拟合得到初始位置转轴参数中的方向向量,使用空间最小二乘圆拟合方法得到初始位置下转轴参数中的位置参数。然后,通过转台转动的角度以及罗德里格斯公式将不同位置下相机获取的数据进行坐标系统一,实现水平和竖直方向全向空间下的目标测量。最后,通过高精度激光测距仪验证了本方法的测量精度,并通过与双目视觉测量系统、wMPS测量系统进行比对实验,验证了本方法的全向空间测量能力。实验结果表明,本方法测量精度基本达到双目视觉测量系统水平,但测量范围远大于双目视觉测量,可以满足全向空间测量要求。

关键词：双自由度转台单目视觉全向空间测量室内定位

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种基于单目视觉的无人机室内定位方法

电子与信息学报 2022年第3期44卷 906-914页

作者：聂伟文怀志谢良波杨小龙周牧重庆邮电大学通信与信息工程学院重庆400065

目前,无人机定位技术主要依赖以GPS(Global Positioning System)为代表的全球定位系统,然而在室内等GPS信号缺失的地方进行定位则比较困难。另外,传统的室内定位技术主要采用蓝牙、WiFi、基站定位等多种方式融合成一套定位体系,但是该... 详细信息

目前,无人机定位技术主要依赖以GPS(Global Positioning System)为代表的全球定位系统,然而在室内等GPS信号缺失的地方进行定位则比较困难。另外,传统的室内定位技术主要采用蓝牙、WiFi、基站定位等多种方式融合成一套定位体系,但是该类方法受环境的影响比较大,而且往往需要部署多个设备。此外,这种方式只能得到远近信息,无法知道设备在空间中的姿态。该文提出一种基于单目视觉的无人机室内定位方法。首先,通过无人机机载相机拍摄的图像,结合特征点法和直接法,先跟踪特征点,然后利用直接法根据关键点进行块匹配,估计相机位姿。然后利用深度滤波器对特征点进行深度估计,建立一个当前环境的稀疏地图,最后利用ROS(Robot Operating System)的3维可视化工具RVIZ对真实环境进行仿真。仿真结果表明,所提方法在室内环境下可以获得良好的性能,定位精度达到0.04 m。

关键词：无人机室内定位特征提取视觉SLAM

考虑障碍物的RSSI室内定位传感器多目标优化

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2023年第3期48卷 471-479,488页

作者：吴辉刘哲胡进浙江传媒学院智能媒体技术研究院浙江杭州310018 浙江传媒学院媒体工程学院浙江杭州310018 杭州电子科技大学自动化学院浙江杭州310018

针对目前无线传感器网络(wireless sensor network, WSN)部署时,障碍物影响WSN优化部署的问题,以接收信号强度指示传感器室内定位应用为例,提出了一种考虑障碍物的无线传感器多目标优化部署方法。首先,基于室内定位算法原理和传感器覆... 详细信息

针对目前无线传感器网络(wireless sensor network, WSN)部署时,障碍物影响WSN优化部署的问题,以接收信号强度指示传感器室内定位应用为例,提出了一种考虑障碍物的无线传感器多目标优化部署方法。首先,基于室内定位算法原理和传感器覆盖模型,给出了在室内定位场景下WSN有效覆盖率的概念和信标节点部署模型。然后,在分析障碍物感知模型和信标节点部署策略的基础上,提出了考虑障碍物的传感器部署多目标优化模型。最后,以第三代非支配排序遗传算法为基础设计优化模型求解算法,数值仿真结果与正三角形、正方形、正六边形均匀部署,以及没有考虑障碍物的优化部署(进化1 000代,传感器个数为36)结果进行对比,结果表明所提方法的WSN有效覆盖率分别提高了52.7%、112.1%、16.6%和9.62%。

关键词：传感器部署无线传感器网络多目标优化障碍物有效覆盖率室内定位

融合WiFi与可穿戴惯导模块的室内定位方法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

仪器仪表学报 2022年第3期43卷 267-276页

作者：罗日李燕君金志昂陈博文浙江工业大学计算机科学与技术学院杭州310000

为解决基于智能手机的人员室内定位追踪易受手机姿态影响的问题,提出一种融合WiFi与可穿戴惯导模块的室内定位方法。通过固定在胸部的惯性测量单元实现行人航迹推算PDR定位,消除手机姿态对PDR定位的影响,采用加权贝叶斯算法实现WiFi指... 详细信息

为解决基于智能手机的人员室内定位追踪易受手机姿态影响的问题,提出一种融合WiFi与可穿戴惯导模块的室内定位方法。通过固定在胸部的惯性测量单元实现行人航迹推算PDR定位,消除手机姿态对PDR定位的影响,采用加权贝叶斯算法实现WiFi指纹定位,为PDR提供初始定位,同时基于无迹卡尔曼滤波融合WiFi定位结果与PDR定位结果,以减少PDR的累积定位误差。最后,在真实室内环境中进行大量实验,实验结果证明本文提出的加权贝叶斯WiFi定位算法相比于传统贝叶斯算法定位误差降低了51.9%,提出的融合WiFi与可穿戴惯导模块的定位方法具有更好的精度和稳定性,相比于纯PDR定位算法平均定位误差降低了65.2%,相比于完全利用手机实现的融合算法,在3种不同手机姿态下平均定位误差分别下降了12.3%、39.3%和48.4%。

关键词：行人航位推算 WiFi指纹定位无迹卡尔曼滤波可穿戴惯导模块室内定位

室内定位中设备异构性的域自适应方法（英文）

在线全文

学校读者我要写书评

暂无评论

Journal of Southeast University(English Edition) 2019年第4期35卷 424-430页

作者：刘静刘楠潘志文尤肖虎东南大学移动通信国家重点实验室

为解决不同终端之间射频特性的变化问题,借助迁移学习将室内定位系统的设备异构性问题转化为领域适应性问题,提出了一种复杂度低的基于相关对齐和集成学习的室内定位算法-相关对齐定位(CALoc).该算法只需要将实时指纹与离线指纹的二阶... 详细信息

为解决不同终端之间射频特性的变化问题,借助迁移学习将室内定位系统的设备异构性问题转化为领域适应性问题,提出了一种复杂度低的基于相关对齐和集成学习的室内定位算法-相关对齐定位(CALoc).该算法只需要将实时指纹与离线指纹的二阶统计特性进行对齐.这种实时定位的在线校准方法很大程度上消除了在线指纹库与离线指纹库的设备异构性.该算法无需任何耗时的深度学习重新训练过程,在线定位只需要0.11 s.实际场景的实验结果表明,CALoc与其他传统算法相比取得了显著的性能提高,定位精度平均优化提高了19%.

关键词：无线局域网室内定位指纹设备异构性迁移学习相关对齐

在线全文

学校读者我要写书评

暂无评论

室内定位中AP点选择和缺失值补偿方法研究

室内定位中AP点选择和缺失值补偿方法研究

作者：王智晶沈阳工业大学

学位级别：硕士

随着智能手机的普及与人们对外出活动的需求增多,基于位置的服务（Location Based Service,LBS）受到广泛的关注。由于室外定位已经存在较为成熟的技术,因此研究的重心逐渐转向室内定位领域中。基于WiFi（Wireless Fidelity）的位置指... 详细信息

随着智能手机的普及与人们对外出活动的需求增多,基于位置的服务（Location Based Service,LBS）受到广泛的关注。由于室外定位已经存在较为成熟的技术,因此研究的重心逐渐转向室内定位领域中。基于WiFi（Wireless Fidelity）的位置指纹室内定位方法具有覆盖范围广、不需额外的设备等优点,已经成为热门研究方向。但由于大型定位区域中可观测到的信号接入点（Access Point）数量增多,导致定位时长和消耗增加,并且WiFi信号不稳定。因此本文从WiFi的不稳定性和重叠性出发,提出了基于KNN-RF的缺失值补偿,有效解决了WiFi的不稳定性导致缺失值过多的问题,同时选用Relief F-C算法来解决AP点冗余的问题,有效提升了定位的整体性能。本文研究工作如下:（1）搭建了数据采集系统,通过该系统完成在实验区域内数据采集任务,并且基于采集的数据对WiFi信号进行了研究。首先从空间维度对WiFi信号进行分析,得出信号强度的大小随着与AP点距离的增大而减小,并且不同参考点之间的信号强度存在明显的差异性。接着从时间的角度对WiFi进行分析,得出WiFi的信号强度随着时间变化而变化,但是却在时间段中存在一定的规律性。随后分析了终端不同朝向对信号强度的影响,发现终端不同朝向带来的信号强度的变化可以忽略不计。最后对WiFi信号存在的问题进行了分析。（2）基于WiFi信号存在问题提出了基于KNN-RF的缺失值补偿算法以及基于Relief F-C的AP点选择算法。基于KNN-RF的缺失值补偿算法是一种两阶段补偿算法,根据数据集的缺失率情况来选择合适的补偿算法。基于Relief F-C的AP点选择算法则是先使用Relief F算法选择出判别能力最强的AP点集合,再对AP点集合使用最大信息系数,来剔除冗余的AP点。（3）基于实验数据,先对KNN-RF缺失值补偿算法进行了验证,将其和固定值补偿以及RF缺失值补偿算法进行对比,实验表明该算法在定位的整体性能上有很好的提升。接着对Relief F-C算法中涉及的参数进行设置,通过实验将Relief F-C算法中的迭代次数设置为38,最近邻个数设置为25。最后从定位精度,定位误差以及定位时长方面对Relief F-C算法进行了分析,实验结果显示该方法有效改善了定位系统的总体性能。本文从WiFi的不稳定性和重叠性出发,提出了缺失值补偿以及AP点选择算法,经过分析对比能够有效的提升定位的整体性能,达到本文预期。

关键词： WiFi AP点选择缺失值补偿室内定位

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时间序列融合的室内定位方法

数据采集与处理 2024年第3期39卷 750-760页

作者：余莲杰李建峰徐睿张小飞南京航空航天大学电子信息工程学院南京211106

提出了一种基于拉依达准则-相关系数-卷积神经网络(Pauta criterion-correlation coefficient-convolutional neural networks,P-C-CNN)的时间序列融合定位算法。P-C-CNN方法整合了不同节点以及不同时间序列的数据点,利用时间和空间数... 详细信息

提出了一种基于拉依达准则-相关系数-卷积神经网络(Pauta criterion-correlation coefficient-convolutional neural networks,P-C-CNN)的时间序列融合定位算法。P-C-CNN方法整合了不同节点以及不同时间序列的数据点,利用时间和空间数据的相互关联性,提高了室内定位的精度和可靠性。首先,该方法使用拉依达准则-相关系数(Pauta criterion-correlation coefficient,P-C)算法对到达角度(Angle of arrival,AOA)-接收信号强度(Received signal strength,RSS)数据的异常值进行剔除,提高了训练数据的质量。其次,算法对数据进行随机间隔选取,从而缩短模型训练时间,同时较好地模拟在线定位阶段数据选取的不确定性,减少模型对训练数据的过度拟合。再次,传统单帧信息训练方法由于噪声混杂无法稳定提取信息特征,所提算法在连续采集的时间序列数据中,融合随机选取固定长度的多帧AOA-RSS数据,然后利用卷积神经网络(Convolutional neural networks,CNN)进行特征提取,避免了单帧信号定位中误差波动较大的问题。最后,通过大量实际测试,验证了所提方法的有效性。实验结果表明,在典型室内环境中,与仅采用RSS数据或者AOA信息的指纹定位算法相比,本文算法的分类准确率由91.6%提高到了96.4%,定位精度从1.3 m提高到了0.3 m;与传统基于模型的AOA-RSS联合定位相比,本文算法能较好解决实测中多径效应等干扰因素的影响,定位精度从1.1 m提高到了0.3 m。

关键词：室内定位深度学习卷积神经网络联合定位时间序列

基于SSAOS-KELM的指纹库自适应室内定位算法

在线全文

学校读者我要写书评

暂无评论

传感技术学报 2022年第11期35卷 1475-1482页

作者：孙顺远徐逸飞秦宁宁江南大学轻工过程先进控制教育部重点实验室物联网工程学院江苏无锡214122 南京航空航天大学电磁频谱空间认知动态系统工信部重点实验室江苏南京211106

在室内定位场景中,传统指纹库定位方法存在着定位精度低、对环境变化适应能力差的问题,且当目标区域较大时,重新训练模型计算复杂度高。为解决该问题,提出了一种基于在线连续核极限学习机(Online Sequential Kernel Extreme Learning Ma... 详细信息

在室内定位场景中,传统指纹库定位方法存在着定位精度低、对环境变化适应能力差的问题,且当目标区域较大时,重新训练模型计算复杂度高。为解决该问题,提出了一种基于在线连续核极限学习机(Online Sequential Kernel Extreme Learning Machine,OS-KELM)的室内定位算法。离线阶段,为缩小待测点所属区域,减小定位数据计算量,使用皮尔森系数优化的K-Means聚类算法对定位区域进行划分,通过樽海鞘优化算法(Slap Swarm Algorithm,SSA)对核极限学习机的参数进行寻优从而构建各区域的初始定位模型;在线阶段,使用OS-KELM对已构建好的定位模型进行调整,将更新后的模型用于实时定位,以适应环境变化。实验结果表明:该算法能够实现更高的定位精度并针对环境变化做出调整,相比于其他传统算法,精度、自适应性得到显著提升。

关键词：室内定位分区樽海鞘优化算法核极限学习机指纹库更新