针对径向基函数(Radial Basis Function,RBF)神经网络算法在无线网络室内定位中拓扑结构和网络参数难以确定,其定位效果不理想的问题,提出了一种用核主成分分析的模糊C均值聚类算法(Fuzzy C-Means clustering algorithm based on Kernel...针对径向基函数(Radial Basis Function,RBF)神经网络算法在无线网络室内定位中拓扑结构和网络参数难以确定,其定位效果不理想的问题,提出了一种用核主成分分析的模糊C均值聚类算法(Fuzzy C-Means clustering algorithm based on Kernel Principal Component Analysis,KPCA-FCM)和模拟退火自适应遗传算法(Simulated Annealing adaptive Genetic Algorithm,SAGA)优化RBF神经网络的无线室内定位算法。首先利用KPCA对原始训练数据样本进行数据预处理,再通过KPCA-FCM算法计算出最优聚类数目和聚类中心点;其次将聚类数目和聚类中心点作为隐含层神经元个数和中心值,创建RBF神经网络,并将其网络参数映射到SAGA算法中;再次由SAGA算法进行网络参数寻优,把最优的解映射回RBF神经网络;最后利用样本数据对RBF神经网络进行训练和测试,完成建立RBF神经网络算法模型。实验表明,在相同的环境中,所提算法比传统RBF神经网络定位精度提高了48.41%。展开更多
802.11无线局域网技术的广泛普及,给无线室内定位系统带来了良好的发展契机.提出了一种基于支持向量回归的802.11无线室内定位方法.该方法主要包括离线训练和在线定位两个阶段.离线阶段的主要工作是得到精确的位置预测模型;在线阶段的...802.11无线局域网技术的广泛普及,给无线室内定位系统带来了良好的发展契机.提出了一种基于支持向量回归的802.11无线室内定位方法.该方法主要包括离线训练和在线定位两个阶段.离线阶段的主要工作是得到精确的位置预测模型;在线阶段的主要工作是根据移动设备的接收信号强度(received signal strength,简称RSS)进行在线定位.由于存在室内环境复杂、信道拥塞、障碍物影响和节点的通信半径有限等问题,移动设备的接收信号强度易受干扰,复杂多变.针对以上问题,离线阶段对接收信号强度信息进行统计分析,得出数据过滤规则,对训练数据集进行过滤,以此提高训练样本质量,从而提高支持向量回归预测模型的质量.在线阶段使用连续K次测量定位法获取信号强度信息,保证训练样本与在线输入信息之间的一致性,提高最终的定位精度.通过实验对该定位方法进行了综合对比分析,实验结果表明:与常用概率定位法、神经网络法相比,该方法具有更高的定位精度,同时具有对移动设备的存储容量及其计算能力要求较低的特点.展开更多
广义频分复用(Generalized Frequency Division Multiplexing,GFDM)技术是在正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术基础上发展而来的一种新的多载波调制技术,其特点是子载波非正交以及具有灵活的时频资源...广义频分复用(Generalized Frequency Division Multiplexing,GFDM)技术是在正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术基础上发展而来的一种新的多载波调制技术,其特点是子载波非正交以及具有灵活的时频资源配置.GFDM作为目前研究的主流波形,有望成为B5G(Beyond Fifth-Generation)或者6G(Sixth-Generation)时代移动通信技术的新的波形设计.本文提出了基于GFDM信号的高精度载波测距方法,其主要包括GFDM信号粗同步、导频检测、多径提取、首径获取、延迟跟踪和载波相位测距等步骤.在此基础上,利用GFDM信号测距信息进行了室内定位性能评估.在典型室内会议场景下搭建了实测平台并对上述方法进行了验证.测试结果表明,通过所提方法,利用GFDM信号测距精度达到1.1 m(95%),定位精度优于2 m,相比于相同带宽的OFDM信号测距性能提高了21%.本文研究将为下一代移动通信室内定位技术提供有益参考.展开更多
文摘802.11无线局域网技术的广泛普及,给无线室内定位系统带来了良好的发展契机.提出了一种基于支持向量回归的802.11无线室内定位方法.该方法主要包括离线训练和在线定位两个阶段.离线阶段的主要工作是得到精确的位置预测模型;在线阶段的主要工作是根据移动设备的接收信号强度(received signal strength,简称RSS)进行在线定位.由于存在室内环境复杂、信道拥塞、障碍物影响和节点的通信半径有限等问题,移动设备的接收信号强度易受干扰,复杂多变.针对以上问题,离线阶段对接收信号强度信息进行统计分析,得出数据过滤规则,对训练数据集进行过滤,以此提高训练样本质量,从而提高支持向量回归预测模型的质量.在线阶段使用连续K次测量定位法获取信号强度信息,保证训练样本与在线输入信息之间的一致性,提高最终的定位精度.通过实验对该定位方法进行了综合对比分析,实验结果表明:与常用概率定位法、神经网络法相比,该方法具有更高的定位精度,同时具有对移动设备的存储容量及其计算能力要求较低的特点.
文摘广义频分复用(Generalized Frequency Division Multiplexing,GFDM)技术是在正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术基础上发展而来的一种新的多载波调制技术,其特点是子载波非正交以及具有灵活的时频资源配置.GFDM作为目前研究的主流波形,有望成为B5G(Beyond Fifth-Generation)或者6G(Sixth-Generation)时代移动通信技术的新的波形设计.本文提出了基于GFDM信号的高精度载波测距方法,其主要包括GFDM信号粗同步、导频检测、多径提取、首径获取、延迟跟踪和载波相位测距等步骤.在此基础上,利用GFDM信号测距信息进行了室内定位性能评估.在典型室内会议场景下搭建了实测平台并对上述方法进行了验证.测试结果表明,通过所提方法,利用GFDM信号测距精度达到1.1 m(95%),定位精度优于2 m,相比于相同带宽的OFDM信号测距性能提高了21%.本文研究将为下一代移动通信室内定位技术提供有益参考.
