【摘 要】
：
经典的Wi-Fi位置指纹室内定位算法的在线匹配阶段通常采用加权K近邻算法(Weighted K-Near Neighborhood,WKNN),该算法定位移动对象时容易出现目标漂移,定位精度不高的情况。对此,本文提出了一种基于目标跟踪的加权K近邻算法和卡尔曼滤波的融合定位算法(Weighted K-nearest Neighbor Algorithm and Kalman Filter Fusion Localization Algorithm,WKNN-KF)。该算法充分考虑待定位点移动的连续性,首先利
【基金项目】
：
湖南省教育厅科学研究项目(18C0421)。
论文部分内容阅读
经典的Wi-Fi位置指纹室内定位算法的在线匹配阶段通常采用加权K近邻算法(Weighted K-Near Neighborhood,WKNN),该算法定位移动对象时容易出现目标漂移,定位精度不高的情况。对此,本文提出了一种基于目标跟踪的加权K近邻算法和卡尔曼滤波的融合定位算法(Weighted K-nearest Neighbor Algorithm and Kalman Filter Fusion Localization Algorithm,WKNN-KF)。该算法充分考虑待定位点移动的连续性,首先利
其他文献
结焦是影响焦化装置长周期运行的重要因素,本文通过控制仪表对加热炉炉管是否结焦和结焦的程度进行研究和分析,从而找出结焦的原因,并采取相应的延缓结焦措施,从而避免因无法判断炉管结焦而造成不可逆的事故。
针状焦是20世纪70年代炭素材料中大力发展的一个优质品种,主要用于生产电炉炼钢用的高功率(HP)和超高功率(UHP)石墨电极和特种炭素制品.本文介绍了一种针状焦偏光显微定量分析方法,能直观地以数据形式来表述针状焦的微观结构,并找出针状焦的显微组织结构与热膨胀系数(cte)的关系,可为深入研究针状焦性能及优化工艺参数提供理论依据.
靠直射波传播的超短波通信除了具有一定的“绕射能力”外,也可进行“超视距”通信。基于大气中对流层电磁波散射的机制,论述了超短波超视距通信的机理,分析计算了散射信道的传播损耗。在此基础上,根据超短波散射传播的特征给出了超短波超视距通信采用的分集接收技术和自适应技术的实现方法,并简要介绍了运行原理和作用。最后,简述了超短波超视距通信的主要应用方向和技术发展趋势。
目前恒虚警(Constant False-Alarm Rate,CFAR)技术的研究主要使用仿真分析的方法,在实测数据的基础上改善CFAR检测算法的研究较少。针对此情况,研究了调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达实测的回波信号,并进行泄露信号消除和相参积累等预处理。针对功率泄露存在的情况,提出一种自适应保护单元数目的自适应保护单元数的单元平均恒虚警(Protect Cell Average-CFAR,PCA-CFAR)算法,算法中的保护单元数目
研究能量站辅助自持系统场景下的隐蔽通信方案。其中,能量站向发送机发送含有人工噪声的能量信号,一方面为能量受限的发送机提供能量,另一方面产生人工噪声信号迷惑监听者的检测,使其对传输信道产生不确定性,从而实现信息的隐蔽传输。推导监听者处的检测错误概率来评价隐蔽传输方案的通信隐蔽性,再通过优化发送机的时间分配因子,得到通信隐蔽性和通信质量之间的最优解。分析研究表明,能量站的发送功率对通信隐蔽性没有任何影响。在任意一个通信时隙中,隐蔽约束条件越严苛,发送机需要分配越多的时间用于信息传输,能量采集时间则相对缩减。
域名系统(Domain Name System,DNS)为互联网应用提供域名解析服务,是互联网最重要、最基本的服务之一。互联网服务提供商(Internet Service Provider,ISP)一般都会提供自建的DNS系统供本网用户使用;然而,因终端设备所使用的DNS服务器地址,受控于用户,这就可能导致DNS解析不受控且跨网。如何高效地使用DNS重定向技术,将域名解析在网内完成,对于运营商具有重要的现实意义。在分析传统DNS重定向实现方式及其缺陷基础上,提出了基于IP透明技术(IP_TRANSPARE
“十三五”期间,中国天然气工业高速发展,已形成国产常规气、非常规气(页岩气、致密砂岩气、煤层气等)、煤制天然气、进口液化天然气、进口管道气等多元化的供销格局,气源高位发热量范围介于34~43 MJ/m3,不同气源发热量差值最大超过20%。2019年5月24日国家发展和改革委员会等四部委联合发布《油气管网设施公平开放监管办法》,要求于该办法施行之日起24个月内建立天然气能量计量计价体系。为了加快我国天然气能量计量体系的建设步伐,综述了量值溯源、能量计量标准等方面的中国天然气能量计量体系
在安全和隐私保护需求的驱动下,网络通信加密化已经成为不可阻挡的趋势。加密网络流量呈现爆炸增长,给流量审计与网络空间治理带来了挑战。尽管机器学习已解决了部分加密流量识别的问题,但仍存在无法自动提取特征等局限。深度学习可以自动提取更本质、更有效的特征,已被用于加密流量识别,并取得了高精度。基于深度学习的加密流量识别的相关研究工作,提出基于深度学习的加密流量识别的框架,并通过数据集、特征构造和模型架构回顾部分研究工作,分析基于深度学习的加密流量识别面临的挑战。
为了对抗短波信道深衰落和线性频域均衡存在的剩余码间串扰(Inter-Symbol Interference,ISI)影响,研究基于块迭代的判决反馈均衡(Block Iterative Decision Feedback Equalization,IBDFE)算法,对不同参数情况下的判决反馈均衡算法性能进行了对比分析。仿真实验表明,在深度衰落信道条件下,IB-DFE算法相比线性最小均方误差(Minimum Mean Square Error,MMSE)频域均衡算法性能更优,具有较好的误比特性能。
随着阵列天线个数的增加,空时联合抗干扰技术的工程实现难度越大,使得空时联合抗干扰技术在大规模阵列天线上的应用受到限制。尤其是基于采样矩阵直接求逆的最小方差无失真响应波束形成(Minimum Variance Distortionless Response,MVDR)算法,即采样矩阵求逆(Sample Matrix Inversion,SMI)的工程应用无法实现。为了突破SMI算法在大规模阵列天线上的应用,采用基于子阵降维的算法来降低算法的复杂度并提高实时性,满足对算法超高精度的要求,突破了现有算法的工程实