检索结果-南通市图书馆

多传感器辅助的WiFi信号指纹室内定位技术

在线全文

学校读者我要写书评

暂无评论

软件学报 2019年第11期30卷 3457-3468页

作者：石柯宋小妹王信达呼文彪华中科技大学计算机科学与技术学院

近年来,基于室内定位的应用服务越来越普及,吸引了大量的研究工作.其中,基于WiFi信号指纹的室内定位技术发展尤为迅速.但无线信号传输易受环境影响,会导致WiFi信号指纹定位存在偏差.为了提高定位精度并减小环境因素带来的不利影响,提出... 详细信息

近年来,基于室内定位的应用服务越来越普及,吸引了大量的研究工作.其中,基于WiFi信号指纹的室内定位技术发展尤为迅速.但无线信号传输易受环境影响,会导致WiFi信号指纹定位存在偏差.为了提高定位精度并减小环境因素带来的不利影响,提出了智能手机内置传感器辅助WiFi信号指纹定位的方法,即利用智能设备上内置的传感器如加速计、陀螺仪等采集数据,计算得到用户轨迹信息和轨迹可信度,将轨迹信息与信号指纹信息结合起来建立综合概率模型,进行位置匹配,确定最近参考点.实验结果表明,与经典WiFi信号指纹定位方法相比,利用传感器所估测的用户轨迹信息能够有效应对环境变化的影响,提高平均定位精度.

关键词：信号指纹多传感器用户轨迹综合模型室内定位

在线全文

学校读者我要写书评

暂无评论

基于信号指纹的地磁异常识别算法

地震学报 2018年第1期40卷 79-88页

作者：徐鹏深滕云田于子叶王晓美吴琼胡星星中国地震局地球物理研究所中国北京100081 辽宁省地震局中国沈阳110031 中国科学院测量与地球物理研究所中国武汉430077

本文基于信号指纹技术,通过研究短时(<10 min)地磁异常数据识别算法,完成了对地磁干扰信号类型的识别。本文所用信号指纹技术结合了短时傅里叶变换、小波变换、信号二值化、文本相似性哈希等多种数据和文本处理方法,将一定时间内的波形... 详细信息

本文基于信号指纹技术,通过研究短时(信号类型的识别。本文所用信号指纹技术结合了短时傅里叶变换、小波变换、信号二值化、文本相似性哈希等多种数据和文本处理方法,将一定时间内的波形数据转换为一个32位的整型数字,极大地压缩了信号的特征信息,因此在很大程度上减少了后续查找与分类过程中所需处理的数据。利用该算法对河北红山地磁台2016年5月1—3日两套GM4磁通门磁力仪的原始秒数据的计算结果表明,本文算法可以快速准确地识别干扰信号类型,为实现地磁相对观测数据中异常信号的自动提取提供技术支撑。

关键词：短周期异常信号指纹文本相似性哈希

在线全文

学校读者我要写书评

暂无评论

蓝牙组网辅助GSM邻区信号指纹定位方法

计算机应用 2009年第11期29卷 2894-2896页

作者：王浩王芙蓉谢旭李可维华中科技大学电子与信息工程系武汉430074

为提高GSM网络中移动台定位的精度,将GSM网络覆盖区进行空间量化,并根据实时采集和解析测量报告(MR)信令帧,运用MR帧结构中包含的6个邻区接收电平值作为信号指纹向量信息,建立信号指纹数据库,计算出基站到移动台间的路径损耗和相对距离... 详细信息

为提高GSM网络中移动台定位的精度,将GSM网络覆盖区进行空间量化,并根据实时采集和解析测量报告(MR)信令帧,运用MR帧结构中包含的6个邻区接收电平值作为信号指纹向量信息,建立信号指纹数据库,计算出基站到移动台间的路径损耗和相对距离,从而实现对移动台的定位算法。再通过蓝牙无线组网时所建立的多MR联合判决门限,可以消除由于多径衰落和多普勒频移等时变因素所产生的定位误差,从而实现高精度实时处理的场强定位方法。通过与传统定位方法的比较实验可见,该方法提高了定位的精度和准确性,从而能够满足在异构网络环境下精确服务的需要。

关键词：信号指纹无线定位测量报告辅助定位

在线全文

学校读者我要写书评

暂无评论

移动通信网络MR帧解析及信号指纹定位方法

计算机工程与应用 2009年第17期45卷 16-18页

作者：王浩王芙蓉李可维谢旭华中科技大学电子与信息工程系武汉430074

通过在Abis接口中实时采集MR帧,并对MR帧进行同步的信令解析,运用帧结构中所包含的6个邻区间BCCH信道接收电平值,组成一组信号指纹,用以对比已通过测量的标准点位置值,从而实现较精准的电平指纹定位算法,为移动通信网络管理提供了一种... 详细信息

通过在Abis接口中实时采集MR帧,并对MR帧进行同步的信令解析,运用帧结构中所包含的6个邻区间BCCH信道接收电平值,组成一组信号指纹,用以对比已通过测量的标准点位置值,从而实现较精准的电平指纹定位算法,为移动通信网络管理提供了一种支持实时处理的高精度、低复杂度定位方法。

关键词：无线定位测量报告定位算法信号指纹

在线全文

学校读者我要写书评

暂无评论

基于高斯过程的无线信号指纹定位算法

计算机应用与软件 2019年第5期36卷 91-95,125页

作者：韦春玲王步飞黄冈师范学院物理与电子信息学院湖北黄冈438000

基于Wi-Fi接收信号强度的室内定位技术因其良好的定位性能获得广泛关注。为了提高定位精度,需要构建高密度信号指纹数据库。但是创建与维护数据库需要投入大量人力物力,高密度信号指纹数据库还会增加定位所需时间,实时性难以得到保证。... 详细信息

基于Wi-Fi接收信号强度的室内定位技术因其良好的定位性能获得广泛关注。为了提高定位精度,需要构建高密度信号指纹数据库。但是创建与维护数据库需要投入大量人力物力,高密度信号指纹数据库还会增加定位所需时间,实时性难以得到保证。针对上述问题,提出一种基于高斯过程的两阶段信号指纹定位算法:利用高斯过程,在训练数据库基础上,生成高密度虚拟信号指纹数据库;定位过程中首先使用训练数据库确定大致范围,然后使用虚拟数据库进行精确定位。仿真结果显示,该算法与K近邻算法相比定位精度平均提高了81.9%,定位时间平均减少86%,从而验证了算法的有效性。

关键词：室内定位信号指纹高斯过程虚拟数据库

在线全文

学校读者我要写书评

暂无评论

基于信号指纹的发射源识别研究与平台搭建

基于信号指纹的发射源识别研究与平台搭建

作者：于慧北京邮电大学

学位级别：硕士

无线通信发射源识别研究与平台搭建对提升无线通信系统的安全性和提高通信侦察对抗能力具有重要的意义。伴随着信号处理技术的进步,通信设备日益增加,电磁环境渐趋复杂。传统的识别方法已经无法满足发射源识别的需求。根据不同的硬件差... 详细信息

无线通信发射源识别研究与平台搭建对提升无线通信系统的安全性和提高通信侦察对抗能力具有重要的意义。伴随着信号处理技术的进步,通信设备日益增加,电磁环境渐趋复杂。传统的识别方法已经无法满足发射源识别的需求。根据不同的硬件差异而形成的信号特征识别通信发射源,可解决相同型号、相同类型、相同批次的发射源识别问题,是当下研究的热点领域之一,具有广阔的应用场景。本文将从发射源信号指纹形成原理出发,研究由功率放大器形成的信号指纹和由发射源整体特性形成的信号指纹两个方面,建立有效的信号指纹模型和特征提取方法,而后通过神经网络的训练完成发射源的识别。论文的主要工作如下:1)本文根据功放的非线性原理,提出了一种基于深度记忆的多项式模型。首先通过对经功率放大器的接收信号进行循环谱特征提取,将多张具有不同码元速率的循环谱图叠加在一起,生成了更有效的特征图。进一步,将生成的循环频谱矩阵送入多核双路网络中完成发射源识别。其中,实验建模的信道条件分别是高斯白噪声信道和瑞利衰落信道。仿真结果表明,所提出的多核双路网络相比于现有的Inception网络、ResNet网络和DenseNet网络具有更好的鲁棒性。特别地,当信噪比达到10dB时,在高斯白噪声信道下,分类识别率可达97%以上;在瑞利衰落信道下,分类识别率可达92%左右。2)本文采用自动增益控制、升余弦匹配滤波器、频率纠偏、相位校正等仿真校正模块对信号进行接收,设计了一种数字信号接收模型。进一步,从发射源整体角度出发,将采集的信号送入多核双路网络中进行识别,并通过通用软件无线电设备USRPx310搭建识别的实验平台,对所提方法进行了验证。实测结果表明,所提出的多核双路网络相比于Inception网络、ResNet网络和DenseNet网络,对目标发射源的识别具有更高的准确性。

关键词：信号指纹发射源识别 USRP平台搭建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习技术的信号指纹提取

基于深度学习技术的信号指纹提取

作者：赵蔚宸北京邮电大学

学位级别：硕士

信号指纹旨在提取无线信号中由无线发射电路特异性和其发射电路元器件非理想性所引起的、能够用于识别无线发射机的微小形变。传统信号指纹提取方法基于预设的确定公式进行,存在着先验信息要求高,适用范围有限等问题。本文将针对上述挑... 详细信息

信号指纹旨在提取无线信号中由无线发射电路特异性和其发射电路元器件非理想性所引起的、能够用于识别无线发射机的微小形变。传统信号指纹提取方法基于预设的确定公式进行,存在着先验信息要求高,适用范围有限等问题。本文将针对上述挑战,基于无线信号数据应用深度学习技术在低先验信息条件下进行信号指纹提取,分别从基于深度学习的信号指纹提取、深度学习网络优化和无线发射机识别验证这三个方面展开研究。论文的主要贡献和创新点如下:1.提出了一种基于卷积深度置信网络的信号指纹提取方法。论文在对卷积深度置信网络模型、信号预处理方法、卷积深度置信网络训练研究基础上,形成了基于卷积深度置信网络的信号指纹提取方法。通过仿真验证证明了基于卷积深度置信网络进行信号指纹提取的可行性,并给出了提取的信号指纹的分辨能力。2.为降低信号指纹提取耗时、提升信号指纹的分辨能力,针对信号指纹提取所使用的卷积深度置信网络进行优化。具体来说,针对卷积深度置信网络的组成元素卷积受限玻尔兹曼机的结构和训练目标进行优化,使得提取的信号指纹具有更高的分辨能力;针对卷积深度置信网络参数和卷积受限玻尔兹曼机参数进行优化,使得其能够在更短的时间内提取出有效的信号指纹。在参数优化过程中,基于无线发射机识别准确率和综合评判指标完成了卷积深度置信网络和卷积受限玻尔兹曼机参数设定值的选取工作。3.在仿真场景和实际应用中基于无线发射机识别准确率验证了提取的信号指纹的有效性和分辨能力。针对本文提出的随机发射机、相似发射机和部分同质发射机三种仿真场景分别设立了三个验证目标:基于卷积深度置信网络信号指纹提取的可行性及提供参数优化评判标准、提取的信号指纹在近似实际情况下的有效性与分辨能力和在传统信号指纹提取方法无法进行时能否基于卷积深度置信网络提取出有效的信号指纹。结果表明,在不同仿真场景下基于卷积深度置信网络提取出的信号指纹具有良好的分辨能力,当信噪比为OdB时无线发射机识别准确率在70%以上。针对实际应用场景,分别在存在样本信号集和不存在样本信号集条件下探讨了无线发射机的识别问题。结果证明,在实际应用中基于卷积深度置信网络提取的信号指纹能够很好的完成无线发射机识别工作。此外,基于实际采集的通信信号简要分析了基于卷积深度置信网络提取的信号指纹的特性。

关键词：卷积深度置信网络信号指纹无线发射机识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于邻域粗糙集的信号指纹属性约简

基于邻域粗糙集的信号指纹属性约简

作者：宋家瑸北京邮电大学

学位级别：硕士

通信辐射源识别是当前信息对抗领域中的一个重要研究课题,它主要根据信号指纹来判断信号来自哪一部信号发射机,实现对其进行锁定、追踪、监视、电子干扰甚至军事打击的目的。与传统通信信号研究方向不同,通信辐射源识别主要研究同类型... 详细信息

通信辐射源识别是当前信息对抗领域中的一个重要研究课题,它主要根据信号指纹来判断信号来自哪一部信号发射机,实现对其进行锁定、追踪、监视、电子干扰甚至军事打击的目的。与传统通信信号研究方向不同,通信辐射源识别主要研究同类型甚至同批次发射机之间的细微差别并提取分析。作为通信辐射源识别的重要判别依据,信号指纹是分类过程中的最关键部分之一。然而,当前信号指纹的种类繁多、提取方式各异、分类效果不尽相同,于是对信号指纹特征属性的选择和组合方式便成为一大难题。本文采用邻域粗糙集理论,克服了传统粗糙集理论只能处理离散型数据的问题,在此基础上,由约简和决策正域的概念出发,对由多种信号指纹组成的特征集进行约简,得到优化特征子集,并且通过邻域粗糙集分类器对外场实测电台数据进行实验,结果表明,约简后特征集维数大幅减少,且能达到相似于甚至优于原特征集的分类效果。本论文的主要工作包括：①提取出多种信号指纹,将信号指纹与邻域粗糙集理论相结合,采用基于邻域粗糙集模型的信号指纹属性约简算法,解决经典粗糙集不能处理连续型数据的问题,实现多种信号指纹的组合与选择;②设计实验,并通过仿真实现基于邻域粗糙集的属性约简操作,通过对约简集合采用邻域粗糙集分类器,证明实验设计的可行性及有效性。③采用实测信号数据,根据实验仿真结果,对多种约简算法进行比较,并对分类器识别结果进行分析。

关键词：粗糙集信号指纹属性约简邻域关系

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于信号指纹的通信设备个体识别研究

基于信号指纹的通信设备个体识别研究

作者：范友源电子科技大学

学位级别：硕士

随着计算机计算性能和通信领域的进一步发展,通信设备个体识别技术有着更为广阔的发展前景。这项技术在民用安全和现代战争中的电子对抗领域都有着应用前景,近年来许多研究者都对其展开了广泛的研究。通信设备的个体识别主要依靠通信设... 详细信息

随着计算机计算性能和通信领域的进一步发展,通信设备个体识别技术有着更为广阔的发展前景。这项技术在民用安全和现代战争中的电子对抗领域都有着应用前景,近年来许多研究者都对其展开了广泛的研究。通信设备的个体识别主要依靠通信设备本身硬件差异带来的信号指纹不同来区别不同的通信设备,不同的通信设备具有不同的信号指纹,借此来达到通信设备的识别的目的。本论文对通信设备识别相关的若干技术展开研究,主要包括了特征的提取和分类器识别。通过提取信号的不同特征作为信号指纹对通信设备进行识别并分析不同特征的特点。同时分别基于集成学习和深度学习对通信设备进行识别,比较不同分类器在识别率等参数的差异。主要工作包括如下几个方面:（1）本文研究了针对组合积分双谱的特征提取方式,提取信号的双谱并对双谱和双谱抑制高斯白噪声的能力进行可视化分析。比较了单一的积分双谱和组合积分双谱对于通信设备的识别率的差异,结果表明组合积分双谱相比单一积分双谱识别率提升了 20%以上。并通过GBDT和XGBoost分类模型验证组合积分双谱识别手机的效果,结果表明组合积分双谱在手机识别的过程中识别率可以达到96%以上,对幅值干扰的鲁棒性较差,在幅值干扰下识别率有7-8%的降低,在多种干扰下识别率降低至80%。（2）本文研究了针对小波包能量谱的特征提取方式,将信号进行7层小波分解后提取信号的小波包能量谱并进行可视化分析,通过GBDT和XGBoost分类模型验证其识别手机的效果,结果表明小波包能量谱作为特征时识别率约为83%,对于手机型号的分类较灵敏,受幅值干扰的影响较小,具有较好的鲁棒性,在幅值干扰下识别率仅有约1%的降低,整体识别率低于组合积分双谱。（3）本文研究了深度神经网络下的通信设备识别。并通过将组合双谱和小波包能量谱进行拼接得到新特征,在深度学习的环境下利用新特征对通信设备进行识别。结果表明采用新特征后在深度神经网络下识别率可以达到99.8%。在噪声干扰和幅值干扰下均有较好的鲁棒性,识别率仅有不到1%的降低,可以有效的结合两种特征的优点。同时,深度神经网络相比集成学习方式识别率也有了明显提升,在两种干扰下对通信设备的识别率在98%以上。

关键词：信号指纹特征提取双谱小波包