公开(公告)号：CN119848664A

公开(公告)日：2025-04-18

申请号：CN202411919647.4

申请日：2024-12-25

Applicant: 中国矿业大学

Inventor： 胡青松 ,  钟惠 ,  张元生 ,  成元勋 ,  靳祉祥 ,  蒋天赐

IPC: G06F18/2415 ,  G06N3/006 ,  G06F18/10 ,  G06N5/01 ,  H04W4/02

Abstract: 本发明公开了一种基于GMM‑PSO‑EM算法的NLOS识别方法，首先对时延数据进行预处理、降噪，并结合AIC和BIC准则确定分布数量，再通过PSO‑SA‑EM算法迭代更新GMM参数，建立GMM模型后通过PDF值确定的区域面积来确定场景内NLOS概率值。本基于GMM‑PSO‑EM算法具有出色的NLOS识别性能，在处理NLOS问题时具有较强的有效性和鲁棒性，能够解决复杂室内环境中NLOS识别复杂度较高、需要大量的数据标记工作以及在数据量较小的情况下性能较差的问题，且实现相对简单、计算速度更快，特别适用于复杂室内环境下UWB系统定位过程中对NLOS信号的识别。

公开(公告)号：CN119848665A

公开(公告)日：2025-04-18

申请号：CN202411919650.6

申请日：2024-12-25

Applicant: 中国矿业大学

Inventor： 胡青松 ,  高文杰 ,  成元勋 ,  张元生 ,  钟惠 ,  张晓敏

IPC: G06F18/2415 ,  G06F18/25 ,  G06F18/10 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  H04W4/02

Abstract: 本发明公开了一种适用于多场景复杂环境的深度学习NLOS识别方法，首先对采集的多场景UWB信道脉冲响应数据转换获得其离散多径脉冲响应数据，通过计算分别获得其多径延迟功率数据和多径相似性数据，构建新的样本数据集、并进行数据预处理；然后构建基于多径信息的双输入特征融合深度学习NLOS识别模型，以完成UWB定位系统中的NLOS分类。本适用于多场景复杂环境的深度学习NLOS识别方法能够在少量数据的前提下实现解决多场景识别能力低、泛化精度差和复杂场景识别效果差的问题，进而实现较高的NLOS识别精度，从而可以有效提高多场景复杂环境UWB定位精度。