基于3DCNN的CSI-cluster室內(nèi)指紋定位算法
發(fā)布時(shí)間:2021-07-16 20:06
針對(duì)室內(nèi)環(huán)境中復(fù)雜的多徑效應(yīng)影響定位精度問題,提出一種基于3維卷積神經(jīng)網(wǎng)絡(luò)(3 dimensional convolutional neural network,3DCNN)多徑程度劃分的自校準(zhǔn)指紋定位算法。該算法利用MeanShift方法分析定位區(qū)域內(nèi)每一個(gè)采樣點(diǎn)的信道狀態(tài)信息數(shù)據(jù)分布特性,得到其可代表多徑效應(yīng)程度的簇類數(shù)量,結(jié)合閾值原則將指紋庫劃分為2種不同多徑程度的子庫,從而減少多徑程度差異較大的指紋點(diǎn)對(duì)后續(xù)定位影響利用3DCNN深度學(xué)習(xí)2類指紋子庫。在定位階段,根據(jù)校準(zhǔn)算法判斷待測數(shù)據(jù)所屬子庫,并采用相應(yīng)的3DCNN模型估計(jì)位置。通過仿真實(shí)驗(yàn)驗(yàn)證,該方法在保證指紋庫構(gòu)建合理性和高效性的同時(shí),在定位精度方面實(shí)現(xiàn)了明顯的提升,優(yōu)于與之對(duì)比的相關(guān)算法。
【文章來源】:重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,32(03)北大核心CSCD
【文章頁數(shù)】:11 頁
【部分圖文】:
單個(gè)位置的CSI幅度值
2)不同位置的CSI幅度值區(qū)別顯著。為了方便觀察,本文參照文獻(xiàn)[14]提出的CSI特征圖,將數(shù)據(jù)轉(zhuǎn)變?yōu)镽GB格式,其中RGB通道代表天線對(duì),行和列中的像素分別對(duì)應(yīng)時(shí)間和子載波的CSI幅值,圖2為其灰度圖像。從圖2可以看出,隨機(jī)選擇的4個(gè)不同位置的數(shù)據(jù)具有明顯的差異,這表明利用CSI幅值作為區(qū)分位置信息的依據(jù)是可行的。3)由于室內(nèi)環(huán)境中存在復(fù)雜的多徑效應(yīng),不同位置的數(shù)據(jù)分布結(jié)構(gòu)具有相應(yīng)的異同特性。
由于CSI幅值反映具有豐富的多徑分量和信道衰落的信道頻率響應(yīng),數(shù)據(jù)的分布結(jié)構(gòu)是傳播效應(yīng)引起的衰落的結(jié)果,所以每個(gè)采樣點(diǎn)CSI數(shù)據(jù)的簇類數(shù)量即代表該位置遭受多徑效應(yīng)的程度[13]。圖3繪制了36個(gè)不同位置的數(shù)據(jù)簇類數(shù)量的2D等高線圖,其中X和Y軸構(gòu)成位置坐標(biāo),在等高線上標(biāo)注該坐標(biāo)對(duì)應(yīng)數(shù)據(jù)簇的數(shù)量。從圖3可發(fā)現(xiàn),即使位置坐標(biāo)相近,由于它們受多徑影響程度不同,其對(duì)應(yīng)數(shù)據(jù)簇的數(shù)量不同。一些位置由于具有較少的反射和擴(kuò)散僅有2個(gè)簇,而一些具有多于10個(gè)簇的位置可能遭受嚴(yán)重的多徑效應(yīng)。2 基于3DCNN的CSI-cluster室內(nèi)指紋定位算法
【參考文獻(xiàn)】:
期刊論文
[1]基于壓縮感知的室內(nèi)定位系統(tǒng)的定位性能分析[J]. 鄭倩,胡久松,劉宏立,肖郭璇,陳亮,徐琨. 重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[2]基于近鄰法的WIFI室內(nèi)定位改進(jìn)算法研究[J]. 田家英,張志華. 測繪工程. 2018(12)
[3]基于Wi-Fi信道狀態(tài)信息的室內(nèi)定位技術(shù)現(xiàn)狀綜述[J]. 陳銳志,葉鋒. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(12)
[4]基于距離測量和位置指紋的室內(nèi)定位方法研究[J]. 李方敏,張韜,劉凱,劉果,馬小林. 計(jì)算機(jī)學(xué)報(bào). 2019(02)
[5]基于3D卷積神經(jīng)網(wǎng)絡(luò)的活體人臉檢測[J]. 甘俊英,李山路,翟懿奎,劉呈云. 信號(hào)處理. 2017(11)
[6]基于核函數(shù)特征提取的室內(nèi)定位算法研究[J]. 李華亮,錢志鴻,田洪亮. 通信學(xué)報(bào). 2017(01)
碩士論文
[1]基于CSI的WIFI室內(nèi)定位技術(shù)研究[D]. 劉朝玄.電子科技大學(xué) 2018
本文編號(hào):3287675
【文章來源】:重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,32(03)北大核心CSCD
【文章頁數(shù)】:11 頁
【部分圖文】:
單個(gè)位置的CSI幅度值
2)不同位置的CSI幅度值區(qū)別顯著。為了方便觀察,本文參照文獻(xiàn)[14]提出的CSI特征圖,將數(shù)據(jù)轉(zhuǎn)變?yōu)镽GB格式,其中RGB通道代表天線對(duì),行和列中的像素分別對(duì)應(yīng)時(shí)間和子載波的CSI幅值,圖2為其灰度圖像。從圖2可以看出,隨機(jī)選擇的4個(gè)不同位置的數(shù)據(jù)具有明顯的差異,這表明利用CSI幅值作為區(qū)分位置信息的依據(jù)是可行的。3)由于室內(nèi)環(huán)境中存在復(fù)雜的多徑效應(yīng),不同位置的數(shù)據(jù)分布結(jié)構(gòu)具有相應(yīng)的異同特性。
由于CSI幅值反映具有豐富的多徑分量和信道衰落的信道頻率響應(yīng),數(shù)據(jù)的分布結(jié)構(gòu)是傳播效應(yīng)引起的衰落的結(jié)果,所以每個(gè)采樣點(diǎn)CSI數(shù)據(jù)的簇類數(shù)量即代表該位置遭受多徑效應(yīng)的程度[13]。圖3繪制了36個(gè)不同位置的數(shù)據(jù)簇類數(shù)量的2D等高線圖,其中X和Y軸構(gòu)成位置坐標(biāo),在等高線上標(biāo)注該坐標(biāo)對(duì)應(yīng)數(shù)據(jù)簇的數(shù)量。從圖3可發(fā)現(xiàn),即使位置坐標(biāo)相近,由于它們受多徑影響程度不同,其對(duì)應(yīng)數(shù)據(jù)簇的數(shù)量不同。一些位置由于具有較少的反射和擴(kuò)散僅有2個(gè)簇,而一些具有多于10個(gè)簇的位置可能遭受嚴(yán)重的多徑效應(yīng)。2 基于3DCNN的CSI-cluster室內(nèi)指紋定位算法
【參考文獻(xiàn)】:
期刊論文
[1]基于壓縮感知的室內(nèi)定位系統(tǒng)的定位性能分析[J]. 鄭倩,胡久松,劉宏立,肖郭璇,陳亮,徐琨. 重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[2]基于近鄰法的WIFI室內(nèi)定位改進(jìn)算法研究[J]. 田家英,張志華. 測繪工程. 2018(12)
[3]基于Wi-Fi信道狀態(tài)信息的室內(nèi)定位技術(shù)現(xiàn)狀綜述[J]. 陳銳志,葉鋒. 武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(12)
[4]基于距離測量和位置指紋的室內(nèi)定位方法研究[J]. 李方敏,張韜,劉凱,劉果,馬小林. 計(jì)算機(jī)學(xué)報(bào). 2019(02)
[5]基于3D卷積神經(jīng)網(wǎng)絡(luò)的活體人臉檢測[J]. 甘俊英,李山路,翟懿奎,劉呈云. 信號(hào)處理. 2017(11)
[6]基于核函數(shù)特征提取的室內(nèi)定位算法研究[J]. 李華亮,錢志鴻,田洪亮. 通信學(xué)報(bào). 2017(01)
碩士論文
[1]基于CSI的WIFI室內(nèi)定位技術(shù)研究[D]. 劉朝玄.電子科技大學(xué) 2018
本文編號(hào):3287675
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/3287675.html
最近更新
教材專著