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

超宽带信号的非视距识别与测距误差抑制

控制与决策 2024年第8期39卷 2605-2612页

作者：李文锋周敬龙王其蒋绍勇贺利军武汉理工大学交通与物流工程学院武汉430063

针对超宽带信号在非视距环境下测距误差大等问题,基于首径和最强径的位置差、接收信号与首径的功率差及距离残差,提出一种计算简单、识别准确度高的非视距识别方法,并基于偏置卡尔曼滤波和极大似然估计算法,提出一种超宽带信号接收强度... 详细信息

针对超宽带信号在非视距环境下测距误差大等问题,基于首径和最强径的位置差、接收信号与首径的功率差及距离残差,提出一种计算简单、识别准确度高的非视距识别方法,并基于偏置卡尔曼滤波和极大似然估计算法,提出一种超宽带信号接收强度与信号达到时间相融合的非视距误差抑制方法,最后开展动、静态场景实验以验证算法的可靠性.实验结果表明,所提出的方法对于非视距场景的平均识别准确度达到95.42%,定位的平均距离误差在0.14m以内.

关键词：超宽带测距与定位非视距识别非视距误差抑制偏置卡尔曼滤波极大似然估计

在线全文

学校读者我要写书评

暂无评论

基于加权K-近邻分类的非视距识别方法研究

电子与信息学报 2022年第8期44卷 2842-2851页

作者：韦子辉解云龙王世昭叶兴跃张要发方立德河北大学质量技术监督学院保定071002 计量仪器与系统国家地方联合工程研究中心保定071002 保定市产业计量工程技术研究中心保定071002

超宽带(UWB)定位系统中,针对复杂的环境下,信号的遮挡、直达信号的错误判断严重影响定位精度问题,该文基于信道冲激响应(CIR)提出一种新型特征参量——饱和度(S),结合前人提出的特征参量利用Relief算法和互信息特征选择(MIFS)算法进行... 详细信息

超宽带(UWB)定位系统中,针对复杂的环境下,信号的遮挡、直达信号的错误判断严重影响定位精度问题,该文基于信道冲激响应(CIR)提出一种新型特征参量——饱和度(S),结合前人提出的特征参量利用Relief算法和互信息特征选择(MIFS)算法进行特征选择,在相关性的基础上赋予特征相应的权重,选择最优的特征子集进行加权K-近邻(WKNN)分类,提高了非视距(NLOS)识别系统准确度。并且分析了WKNN算法中的训练数据集数量与近邻数K对算法的影响,确定优选方案,减小了算法计算量,提高了NLOS识别系统实时性。在不同环境下进行实验验证,结果表明,该方法具备较高的识别准确度和环境适用性,识别精度达到95%。

关键词：超宽带定位信道冲击响应非视距识别特征选择加权-K近邻

在线全文

学校读者我要写书评

暂无评论

室内环境中声音定位的非视距识别方法研究

室内环境中声音定位的非视距识别方法研究

作者：白旭晶长安大学

学位级别：硕士

近年来,基于声音的室内定位技术与智能移动终端兼容性好、且成本低成为室内定位最有潜力的解决方案。而室内环境多样且复杂,非视距现象普遍存在,难以实现高精度定位,通过非视距识别及处理可以提高其定位精度及稳定性。因此,本文基于声... 详细信息

近年来,基于声音的室内定位技术与智能移动终端兼容性好、且成本低成为室内定位最有潜力的解决方案。而室内环境多样且复杂,非视距现象普遍存在,难以实现高精度定位,通过非视距识别及处理可以提高其定位精度及稳定性。因此,本文基于声信道特征,利用半监督及无监督在线学习方法突破非视距识别的技术瓶颈,为该领域提供新的方法。本文主要研究内容及贡献点如下:（1）基于相对增益及时延估计,将视距与非视距路径下声信道差异进行特征化,进而提取11类特征用于非视距识别。（2）利用Relief特征选择的核主成分分析法进行敏感特征选择及主元提取,剔除冗余及不相关特征,实现数据降维。并基于支持向量机分类器进行验证,结果表明该方法能够提高分类效率,且识别精度最高可达95%。（3）针对监督学习分类器进行声信道非视距识别时样本标记成本较高问题,基于半监督学习分类器进行非视距识别,并通过仿真以验证其有效性,给出最优分类器及敏感特征集。实验结果表明,该方法将训练集已标记样本量减少至700,仍能够实现优于90%的识别精度。（4）针对监督及半监督学习分类器处理动态数据稳定性较差的问题,提出了一种基于样本加权的无监督在线学习方法,通过对无监督分类器进行仿真以验证该在线学习方法有效性,并给出最优分类器。实验结果表明,该方法能够在线更新分类模型以处理动态数据流,且性能稳定并达到优于85%的识别精度。

关键词：声音室内定位非视距识别声信道特征半监督学习无监督在线学习

混合距离和角度测量的非视距识别和非视距减弱算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

混合距离和角度测量的非视距识别和非视距减弱算法研究

作者：周德军华中师范大学

学位级别：硕士

随着移动通信技术的迅猛发展,蜂窝网络定位技术越来越引起人们的广泛关注。有别于GPS等专门提供位置信息的通信系统,蜂窝网络中的定位技术只是一种增值服务,即在提供个人通信服务的同时附带提供位置信息。蜂窝网络定位一般包含两步：第... 详细信息

随着移动通信技术的迅猛发展,蜂窝网络定位技术越来越引起人们的广泛关注。有别于GPS等专门提供位置信息的通信系统,蜂窝网络中的定位技术只是一种增值服务,即在提供个人通信服务的同时附带提供位置信息。蜂窝网络定位一般包含两步：第一步,从个人通信信号中提取与位置坐标相关的信息,包括到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)以及接收能量(RSS)等,并将这些信息转换成相应的测量距离,测量距离差以及测量角度;第二步,根据这些与位置坐标相关的信息,采用各种定位算法,得出移动台的位置信息。本文主要针对蜂窝网络定位的第二步,研究和比较各种定位算法的性能,以提出高精度的定位算法。影响定位精度的主要因素为非视距传输误差(NLOS)。处理非视距传输误差的方式有两类：第一类为通过最大似然估计或最小二乘算法减少非视距传输误差对定位精度的影响,此类算法统称为非视距减弱算法;第二类为将非视距传输同视距传输分开,只采用视距传输进行位置估计,进而使得定位精度大大提升,此类算法统称为非视距识别算法。本文针对这两类处理非视距传输误差的方法,分别提出用于非视距减弱的三步线性最小二乘算法以及混合测量距离和测量角度的非视距识别算法。线性最小二乘算法是非视距减弱算法的一种。该算法首先选取一个基站作为参考点,然后采用迭代方法,将移动台与基站间距离的非线性关系转化为线性关系,最后采用最小二乘算法得出位置估计。针对线性最小二乘算法,本文改进的三步线性最小二乘算法。该算法首先逐个选取每个基站作为参考点,并计算出相应的移动台估计位置。然后取这些移动台的估计位置作为初始点对非线性化关系式做泰勒展开,并进一步估计出相应的定位误差。最后取定位误差最小的移动台估计位置作为移动台最终的估计位置。仿真结果表明三步线性最小二乘算法可显著提高定位精度。非视距减弱算法能够显著降低非视距传输对定位精度的影响,但并未解决非视距传输误差较大的问题。基于此,本文提出混合测量距离和测量角度的非视距识别算法。该算法的提出主要基于以下两点：第一点,在视距条件下,测量角度误差较小,约等于真实到达角度;第二点,在非视距条件下,由于多次折射或衍射使得测量角度偏离真实到达角度,即移动台估计位置偏离真实位置。混合测量距离和测量角度的非视距识别算法的思想是先将两个及以上的基站进行组合,并采用低复杂度的混合线性最小二乘算法计算每个组合的移动台估计位置,接着计算移动台估计位置与基站间的到达角度,求出估计角度与测量角度的标准差,取使得标准差最小的组合作为视距组合,并取该组合的移动台估计位置作为最终估计。不在视距组合中的基站的测量距离作为线性约束条件来检验最优组合是否可靠。仿真结果表明该算法的定位精度高,识别非视距的能力强。

关键词：非视距减弱三步线性最小二乘非视距识别混合测量距离和测量角度线性约束条件

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

无线定位中的非视距识别问题研究

无线定位中的非视距识别问题研究

作者：韩双雪吉林大学

学位级别：硕士

随着科技发展的进步,定位技术在智能导航、虚拟现实、目标追踪等多领域有着广泛的应用,这无疑对无线定位技术的高准确性,高实时性提出更高的要求。然而,由于室内空间结构和实体构成复杂且室内环境中常存在障碍物的阻碍,当接收基站与发... 详细信息

随着科技发展的进步,定位技术在智能导航、虚拟现实、目标追踪等多领域有着广泛的应用,这无疑对无线定位技术的高准确性,高实时性提出更高的要求。然而,由于室内空间结构和实体构成复杂且室内环境中常存在障碍物的阻碍,当接收基站与发射机站之间的直线路径被建筑物或者障碍物遮挡后,信号只能通过衍射、反射或者折射才能被接收端接收,这就导致发射端和接收端的直达路径被影响,产生非视距(NLOS,Non-Line-of-Sight)传播问题。该过程导致测距误差增大,从而严重影响定位精度。因此,研究同时适用于视距(LOS,Line-of-Sight)和非视距环境下的高性能目标定位方法具有十分重要的意义。本文以“当多边定位中存在的非视距误差时,如何来识别非视距误差以及消除非视距误差给定位精度带来的影响”为科学问题,以“固定锚点的虚拟高维坐标”为驱动,对无线定位中的非视距识别技术进行阐述与研究,具体研究内容如下:对传统非视距定位模型进行了阐述,基于此,虚拟高维非视距识别模型(VHDR,Virtual High-dimensional NLOS Recognition Model)应运而生。该模型扩展了传统N维空间下的固定锚点坐标到N+1维空间下,并将N+1维坐标的值作为非视距误差的度量。这种方法使得模型可以识别非视距信号,并实现精准的定位。与传统模型不同的是,该模型不需要额外的测量设备,只需要锚点的测量信息即可实现非视距的识别和定位精度的提高。这使得该模型突破了传统模型的模型壁垒,并在非视距定位领域得到了广泛的应用和发展。针对虚拟高维非视距识别模型,本文分别采用Taylor迭代算法以及约束非线性方程算法来实现非视距的识别以及定位精度优化。虚拟高维非视距识别的Taylor迭代算法(VHDR-Taylor,Taylor algorithm based on Virtual High-dimensional NLOS Recognition Model),在Taylor级数展开的基础上,利用初始迭代值进行估计,然后根据上一次迭代所得位置估计该次迭代误差的局部最小二乘解,并根据递归条件门限对目标节点的位置进行更新,算法的递归条件门限以最小二乘方法求解出的位置偏差为基准来不断修正待定位目标节点位置的估计,达到门限后终止迭代;单一非视距识别实验以及多个非视距识别实验的对比仿真实验以及其分析表明:VHDR-Taylor方法在单一非视距与多个非视距的仿真实验中可实现非视距的识别以及定位精度优化,在两种定位场景下定位精度均至少提高7cm。对于虚拟高维非视距识别模型的约束非线性方程方法(VHDR-Non Es Cs,Nonlinear Equations with Constraints algorithm based on Virtual High-dimensional NLOS Recognition Model),以非线性方程作为优化问题,在线性和非线性条件的双重约束下,采用极值优化加全局优化的方式进行模型求解,直至求出最优解;通过将VHDR-Non Es Cs方法分别于单一非视距以及多个非视距仿真环境下进行不同定位场景下与其他算法的对比实验,可以得出结论:无论是在单一非视距还在多个非视距的仿真环境下,VHDR-Non Es Cs方法与多边定位算法相比,定位误差的提升均大于8cm。VHDR-Non Es Cs方法与SR-WLS和Chan算法相比,在单一非视距和多个非视距仿真环境下的定位误差的提升均大于10cm;最后,对两个求解虚拟高维非视距识别模型的方法进行定位精度以及性能进行仿真分析,可以得到如下结论:VHDR-Non Es Cs方法有着更好的鲁棒性以及稳定性;而Taylor算法在足够多锚点的情况下有着更好的精度,两者的定位精度对比以往算法均有质的提升。

关键词：无线定位非视距(NLOS)误差 VHDRNLOS 非视距识别

基于ADASYN和随机森林的UWB非视距识别方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

德州学院学报 2024年第4期40卷 28-32页

作者：胡方勇孙春银夏金凤刘延旭吉林化工学院信息与控制工程学院吉林吉林132022 德州学院计算机与信息学院山东德州253023

室内UWB(超宽带)定位系统中视距、非视距信号不平衡是常见现象,过分依赖平衡数据集进行NLOS(非视距传播)识别面临着数据采集工作量增加和识别性能降低问题。为解决这一挑战,提出ADASYN和随机森林结合的非视距识别方法。应用ADASYN算法... 详细信息

室内UWB(超宽带)定位系统中视距、非视距信号不平衡是常见现象,过分依赖平衡数据集进行NLOS(非视距传播)识别面临着数据采集工作量增加和识别性能降低问题。为解决这一挑战,提出ADASYN和随机森林结合的非视距识别方法。应用ADASYN算法将减少视距、非视距信号数据量之间的差距,可实现样本数量平衡;结合随机搜索与五折交叉验证,实现随机森林模型超参数的自动优化以提升模型的整体效率。将所提出的方法与其他常见的机器学习方法进行比较,实验结果表明,所提出方法在具有最优识别性能的同时有效地缩减了调参时间。

关键词：非视距识别数据不平衡随机森林机器学习

在线全文

学校读者我要写书评

暂无评论

基于CSI非视距识别的被动式指纹室内定位

无线互联科技 2019年第3期16卷 28-29页

作者：王妙羽李宪军中南民族大学电子信息工程学院湖北武汉430074

由于基于WiFi的室内定位技术的主要挑战是多路径和非视距(NLOS),因此,室内定位可以从NLOS识别中获益。然而,来自商用WiFi的接收信号强度信息(RSSI),使得非视距识别受限于有限的带宽和粗略的多径分辨率。文章提出了一种更加细粒度的方法... 详细信息

由于基于WiFi的室内定位技术的主要挑战是多路径和非视距(NLOS),因此,室内定位可以从NLOS识别中获益。然而,来自商用WiFi的接收信号强度信息(RSSI),使得非视距识别受限于有限的带宽和粗略的多径分辨率。文章提出了一种更加细粒度的方法,即利用物理层的信道状态信息(CSI)进行室内非视距识别。利用网卡及现有的WiFi设备,采集室内环境的CSI信息并提取特征信息,构建视距和非视距CSI指纹。利用一种基于深度学习的神经网络算法进行非视距识别,从而达到室内定位的目的。在不同室内环境下的实验结果表明,本方案的NLOS识别率达到96.43%,能有效并准确地区分视距与非视距位置。

关键词： CSI 非视距识别室内定位神经网络

在线全文

学校读者我要写书评

暂无评论

基于超宽带的非视距误差识别及定位技术研究

基于超宽带的非视距误差识别及定位技术研究

作者：李小阳河北大学

学位级别：硕士

近年来,随着社会经济的快速发展,手机导航、路径规划、目标追踪等各种基于定位信息提供服务的应用越来越多,对定位精度的要求也越来越高,目前,已有多种成熟的定位技术投入使用,其中超宽带(Ultra-Wide Band,UWB)凭借其优秀的性能优势广... 详细信息

近年来,随着社会经济的快速发展,手机导航、路径规划、目标追踪等各种基于定位信息提供服务的应用越来越多,对定位精度的要求也越来越高,目前,已有多种成熟的定位技术投入使用,其中超宽带(Ultra-Wide Band,UWB)凭借其优秀的性能优势广泛应用于室内定位领域,基于到达时间差(Time Difference of Arrival,TDOA)定位技术因其多目标、定位速度快等优点在UWB定位领域脱颖而出。然而在TDOA定位的应用过程中,UWB信号受复杂室内环境的影响,会形成非视距(Non Line of Sight,NLOS)传播,产生NLOS误差,严重影响了定位系统的精度。NLOS误差是目前UWB定位领域误差产生的最主要来源,因此,正确识别NLOS信号,快速有效的消除NLOS误差对于实现UWB高精度定位具有重要意义。本文对基于超宽带的非视距误差识别及定位技术展开研究,针对传统NLOS识别算法需要大量先验数据、使用场景单一、计算复杂度较高等问题,本文基于机器学习算法对UWB定位系统的脉冲冲击响应信道的状态和NLOS识别技术进行研究,并结合基于UWB的TDOA定位技术进行应用。本文的主要工作如下:设计了超宽带非视距误差识别和TDOA定位系统,包括了定位基站和定位标签的硬件电路,开发了TDOA定位位置求解软件、基站参数配置软件、脉冲冲击响应信号特征参量提取软件。获取了信道脉冲冲击响应信号的多维特征参量,明确单一参量在部分场景对信道识别的有效性、多特征参量的相关性与冗余性,随着信道特征参量个数的不断增加、可能造成的维数灾难问题,使用机器学习算法对特征参量进行降维、分类,对分类后的信道依据特征参量与信道状态识别的相关性、特征参量之间的冗余性进行LOS/NLOS判定。同时将Levy飞行与改进后的探路者优化算法(Pathfinder Algorithm,PFA)进行融合,提出了自适应Levy探路者优化算法(Levy-Pathfinder Algorithm,LPFA),并与多种TDOA定位算法进行对比,验证了LPFA算法的优越性,最后利用NLOS识别技术优化定位技术,合理安排定位基站,为提高定位精度提供了新的可能性。本文的主要创新成果为如下:1.基于机器学习的信道状态研究算法,将无监督分类算法应用于LOS/NLOS分类,提出引入迭代自组织聚类算法(ISODATA)改进的自适应K均值聚类算法,在不同场景下合理确定K值,保证较高的信道状态识别率。2.通过主从定位基站对时信号的特征参量对LOS/NLOS分类识别定性,提取对时信号的多种特征参量,依据基于特征参量与信道状态识别的相关性、多特征参量之间的冗余性选出的三个特征参量,对分类后的LOS/NLOS信号集群进行判断。3.提出LPFA算法作为TDOA定位系统的求解算法,利用Levy飞行搜索能力强、重点突出的特点实现对复杂室内环境的模拟,实现了更高精度地定位。4.利用NLOS识别技术优化定位技术,去除受到多径干扰严重的定位基站,合理安排定位基站布局,提高了系统的定位精度。

关键词：超宽带信道脉冲冲击响应信号非视距识别到达时间差自适应K均值聚类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种行人遮挡下的UWB非视距传播识别方法

物联网学报 2023年第4期7卷 63-71页

作者：吴彤李业深黄镇煌张煜张万乐熊轲北京交通大学高速铁路网络管理教育部工程研究中心北京100044 北京交通大学计算机与信息技术学院北京100044 国网能源研究院有限公司北京102209

超宽带(UWB,ultrawideband)技术带宽大、抗干扰能力强、多径分辨率高,是室内定位的热点技术。然而由于室内环境复杂,UWB信号传播不可避免会受到遮挡,产生非视距(NLOS,non-line-of-sight)传播,极大降低了UWB定位的精度。因此,准确识别出N... 详细信息

超宽带(UWB,ultrawideband)技术带宽大、抗干扰能力强、多径分辨率高,是室内定位的热点技术。然而由于室内环境复杂,UWB信号传播不可避免会受到遮挡,产生非视距(NLOS,non-line-of-sight)传播,极大降低了UWB定位的精度。因此,准确识别出NLOS数据,将其进行剔除或矫正,对缓解定位精度下降问题有重要的作用。现有NLOS识别工作多数聚焦于墙体等建筑结构遮挡的场景,行人遮挡的场景需要进一步讨论。由于人体遮挡对信号的影响复杂且不可忽略,针对行人遮挡下的UWB非视距传播识别问题进行研究。综合比较多种机器学习方法和信号特征组合,提出了一种基于第一路径信号功率、总接收信号功率和测量距离三维特征的随机森林方法,使用较少维度的特征达到了良好的NLOS识别效果。基于不同实测数据的实验结果表明,采用所提三维特征的随机森林方法在3组不同数据集上的NLOS识别准确率分别达到了99.05%、99.32%和98.81%。

关键词： UWB 室内定位非视距识别随机森林