【摘 要】
:
目前室内定位技术受到了越来越多的关注,基于室内定位技术的服务已经广泛应用于各个领域,但是由于环境复杂性导致现有室内定位技术难以得到精确的位置估计。为解决上述问题,本文开展基于多模态学习的Wi-Fi信号室内定位技术研究,充分利用Wi-Fi信号各模态之间的互补性,提高定位精度。本文主要工作包括:(1)研究基于多模态学习的Wi-Fi信号室内定位相关理论和方法。首先介绍了Wi-Fi信号的各种模态测量值,然
论文部分内容阅读
目前室内定位技术受到了越来越多的关注,基于室内定位技术的服务已经广泛应用于各个领域,但是由于环境复杂性导致现有室内定位技术难以得到精确的位置估计。为解决上述问题,本文开展基于多模态学习的Wi-Fi信号室内定位技术研究,充分利用Wi-Fi信号各模态之间的互补性,提高定位精度。本文主要工作包括:(1)研究基于多模态学习的Wi-Fi信号室内定位相关理论和方法。首先介绍了Wi-Fi信号的各种模态测量值,然后具体描述了多模态学习理论,最后介绍了指纹定位算法模型,为论文研究内容打下坚实的理论基础。(2)提出了基于局部保持映射(LPP)的信道状态信息(CSI)幅度模态和相位模态的定位算法。首先对CSI相位模态进行线性补偿预处理,然后利用LPP算法对幅度和相位模态进行特征提取,最后利用支持向量机(SVM)进行分类学习,得到室内人员位置分类模型。实验表明,该算法用于室内定位的最佳定位精度较高,优于经典的室内指纹定位算法。(3)提出了基于Stacking回归的CSI幅度模态,相位模态和接收信号强度指示(RSSI)模态的定位算法。首先对CSI相位模型进行线性补偿预处理,构建CSI幅度,相位和RSSI训练数据指纹,用Stacking回归模型分别对目标位置进行回归学习。Stacking回归模型的第一层采用SVR高斯核与多项式核模型、Ridge模型、Lasso模型和Elastic-Net模型作为基础回归器,第二层采用SVR高斯核模型作为融合回归器。Stacking模型通过聚合多个回归器,能够获得更好的离线学习性能。实验结果表明,所提算法的定位精度优于经典的室内指纹定位算法。
其他文献
随着电子信息产业的飞速发展,电子器件不断趋于集成化和智能化。然而,遵循着“摩尔定律”的传统硅基半导体的尺寸已接近其物理极限。若继续缩减尺寸,则会因为量子隧穿效应的出现以及高集成度导致的发热问题严重影响器件性能。当前急需找到可以代替传统半导体的新材料。2004年,石墨烯的发现将二维材料带入人们的视野当中。二维磁性材料作为二维材料中的一员,有着较弱的层间范德瓦尔斯作用力且在原子层厚度仍能维持自发磁化。
电介质电容器由于其超高的充放电速率和极高的功率密度,已成为脉冲电源设备中最重要的部件之一。在诸多介质电容器储能材料中,由于陶瓷电容器具有中等的击穿场强、低的介电损耗以及优良的温度稳定性等优点,在航空航天、石油钻井和电磁脉冲武器等领域有广阔的应用前景。因此,设计和制备综合性能优异的陶瓷电容器十分重要。铌酸钠(NaNbO3)由于其制备原材料成本较低,且烧结时不需要额外的保护气氛,所以是当下无铅电介质储
目前,人体状态识别在工业和学术上都有着广泛的运用。脑电信号(Electroencephalography,EEG)真实反映了个人的状态,由中枢神经产生,人体的生理状态与中枢神经也息息相关,因此通过脑电信号识别具有很强的客观性,并逐渐成为疲劳检测和情绪识别领域中可靠的生物信号之一。基于脑电信号识别人体状态对于驾驶和高空作业等领域具有极为重要的意义,所以脑电信号识别人体状态逐渐成为研究热点。脑电信号是
随着移动通信技术的快速发展,LTE组网已经十分成熟,5G组网逐步完成部署,无线移动网络能够提供高速率、低时延的数据流量服务,同时在某些特殊场景下也存在负荷过大、频谱资源不足、信号覆盖不均匀等问题。D2D通信作为5G的一项关键技术,在提高频谱利用率、增大系统容量、降低能耗以及优化常规的信号覆盖问题上能够起到关键作用。D2D通信的关键步骤包括资源分配和用户配对两大部分。资源分配又分为频谱资源分配和功率
近几年,现代智能系统发展迅猛,对于智能系统来说,了解其所在地点及周围环境非常重要。场景识别的目的就是帮助计算机理解周围环境,它可以描述图像所属的场景类别,而不只是列出场景中的对象。如今,场景识别广泛应用于人机交互、智能机器人、智能视频监控和自动驾驶等领域,已成为机器视觉领域的重要任务之一。目前,场景识别性能的提高主要得益于具有海量参数的复杂卷积神经网络的蓬勃发展和大规模数据集提供的必要训练样本。随
从1G(First Generation)演进到5G(Fifth Generation),整个移动通信网络的发展都是沿用蜂窝移动通信体制。为了提高系统容量,需要采用不断缩小小区面积和密集化部署基站等方法。然而,基站与基站之间缺乏协作能力,系统容量提高的同时,小区间干扰等问题也愈发严重。无线通信系统需要为指定区域的所有用户提供统一良好的服务。为此,去蜂窝大规模MIMO(Cell-Free Massi
自上世纪九十年代以来,随着无线通信技术的迅速发展和物质文化水平的提高,人们对通信质量和通信效率逐渐有了更高的要求,与此同时接入移动网络的设备数量的上升也对无线通信网络的负载能力提出了更高要求。随着我国“四纵四横”高铁网络的全面覆盖,高铁已然成为民众的首要出行方式,而高速场景下的移动通信已经成为学术界的研究热点。在高速场景下,高速移动带来的高多普勒频移使得子载波的正交性无法得到保证,高速情况下传统的
近年来,由于化石能源短缺,环境污染加剧,世界各国都在积极的寻求能源结构的升级,风力发电、光伏发电等新能源发电在总发电中所占的比例逐渐增加,本文在此背景下研究微电网分布式能量管理以及能量管理中的隐私保护问题。首先,本文对已有的关于微电网分布式能量管理的研究中的能量管理模型进行了完善。本文考虑了一个带有多个发电单元和可响应负载单元的微电网系统,考虑发电侧和负载侧同时参与到能量管理中,以社会福利最大化,
柱矢量光束具有柱对称偏振和强度分布的特性,使其受到广大研究者的广泛关注。柱矢量光束在光陷阱、光操纵、光通信和表面等离激元等领域有着广泛的应用。人们一直追求对聚焦场的灵活调控。其中,传统透镜难以实现对柱矢量光束的紧密聚焦,限制了焦场调控的灵活性。由介质交替排列构成的光子晶体透镜难以实现对任意偏振光的紧聚焦。在光子晶体透镜的启发下,提出一种具有柱对称结构的全介质负折射光栅透镜。全介质负折射光栅透镜基于
在人类的日常生活中,图像语义信息在非言语信息传递上,扮演着日益关键的角色。伴随卷积神经网络(CNN)以及深度学习的高速发展,语义分割(Semantic Segmentation)的研究在计算机视觉、医学图像分割和自动驾驶领域获得了丰硕的成果。但是随着卷积神经网络结构的加深,图像分割过程中的局部信息与全局信息、边缘信息和上下文信息的依赖关系不断衰减,语义分割精度结果并不理想,因此,提高语义分割信息间