-
公开(公告)号：CN116595443B
公开(公告)日：2023-10-03
申请号：CN202310868926.1
申请日：2023-07-17
申请人： 山东科技大学
IPC分类号： G06F18/241 , G06F18/213 , G06F18/10 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/0985
摘要： 本发明提供了一种基于元学习的无线信号本手势识别方法，属于手势识别领域，该方法为：在实验室内部署一个数据采集装置，该装置包括一个发射端和一个接收端；组织m名实验者坐在发射端和接收端中间的位置，做出规定的手势动作，每个手势动作重复n次，进行实验数据的采集；针对采集到的手势数据，提取其CSI的幅值信息，利用离散小波变换进行降噪处理，将处理后的数据集划分为训练集和测试集；构建MAML‑WCNN‑BiLSTM手势识别模型，并对其进行训练和测试。本发明方法解决了无线信号手势识别技术中数据有限和获取难度较大的问题，实现了有效利用少量样本进行手势识别的目的，大大降低了人工成本。
-
公开(公告)号：CN110113116B
公开(公告)日：2021-06-04
申请号：CN201910396091.8
申请日：2019-05-14
申请人： 山东科技大学
IPC分类号： H04B17/309 , G06N3/04
摘要： 本发明公开了一种基于WIFI信道状态信息的人体行为识别方法，属于行为识别技术领域，针对目前行为识别技术存在过度依赖传感器技术，用户体验性比较差；并且成本比较高，容易受到光线等因素的影响，容易泄露隐私等问题。本发明通过行为识别系统搭建、数据采集、数据模型训练、动作端点检测和在线识别过程，实现高精度的识别日常生活中的基本的人体行为动作，实时的显示WIFI信号的变化以及行为预测结果。并且该方法具有不要求绝对的视距路径，并且有着活动范围大、隐蔽性良好、可以穿墙、对光线没有要求、成本低廉易大规模部署等优点。
-
公开(公告)号：CN110049441A
公开(公告)日：2019-07-23
申请号：CN201910365793.X
申请日：2019-05-05
申请人： 山东科技大学
摘要： 本发明提供了基于深度集成学习的智能手机WiFi室内定位方法，属于室内定位技术，涉及无线通信技术以及机器学习、深度学习和集成学习领域，现有技术是通过采用接收信号强度作为位置指纹特征来区分不同的位置，由于接收信号强度容易受到室内环境动态的影响，存在各种噪声，导致定位精度严重下降。本发明将卷积神经网络每一层所提取出来的特征都分别训练了随机森林模型，最后再将每个随机森林模型的输出结果进行取平均值集成。如此一来，最终的结果不仅基于深层次的特征，还综合了各个层次的特征，更加具有全面性，最终的结果也更加的稳定。经过实验验证后，使用该方法可以显著提高室内定位的精度。
-
公开(公告)号：CN116595443A
公开(公告)日：2023-08-15
申请号：CN202310868926.1
申请日：2023-07-17
申请人： 山东科技大学
IPC分类号： G06F18/241 , G06F18/213 , G06F18/10 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/0985
摘要： 本发明提供了一种基于元学习的无线信号本手势识别方法，属于手势识别领域，该方法为：在实验室内部署一个数据采集装置，该装置包括一个发射端和一个接收端；组织m名实验者坐在发射端和接收端中间的位置，做出规定的手势动作，每个手势动作重复n次，进行实验数据的采集；针对采集到的手势数据，提取其CSI的幅值信息，利用离散小波变换进行降噪处理，将处理后的数据集划分为训练集和测试集；构建MAML‑WCNN‑BiLSTM手势识别模型，并对其进行训练和测试。本发明方法解决了无线信号手势识别技术中数据有限和获取难度较大的问题，实现了有效利用少量样本进行手势识别的目的，大大降低了人工成本。
-
公开(公告)号：CN109327797B
公开(公告)日：2020-09-29
申请号：CN201811194847.2
申请日：2018-10-15
申请人： 山东科技大学
摘要： 本发明公开了一种基于WiFi网络信号的移动机器人室内定位系统，该系统包括移动机器人控制平台和上位机，其中通过移动机器人控制平台可以实现数据采集以及移动机器人实时定位时的数据交互，而上位机安装的定位软件，则可以对采集到的WiFi信号强度的数据使用RPCA‑ELM算法进行处理，实现移动机器人的室内定位，其定位速度、精度和稳定性较高且不需要其它传感器的辅助，大大降低了开发成本，具有很高的可移植性，另外，系统安装简便，维护方便，可长时间运作，还可以通过上位机来控制移动机器人的运动。
-
公开(公告)号：CN110072192A
公开(公告)日：2019-07-30
申请号：CN201910341607.9
申请日：2019-04-26
申请人： 山东科技大学
摘要： 本发明公开了一种基于标准化波形趋势和核极限学习机的智能手机WiFi室内定位方法，针对现有技术大多数是采用接收信号强度作为指纹特征，但是，由于接收信号强度容易受到动态室内环境的影响，存在各种噪声，导致定位精度严重下降。此外，它们的高计算成本已成为大规模应用的瓶颈。本发明将接收信号强度的标准化波形趋势作为室内定位的指纹特征，对设备异质性和室内动态环境具有良好的容忍性，本发明将标准化波形趋势和核极限学习机集成，设计出具有高效且稳健的室内定位方法，具有非常快的学习速度并提供最佳泛化性能。本发明能够在室内环境下实现对智能手机的高精度定位以及对环境动态变化有较好的鲁棒性。
-
公开(公告)号：CN118277864A
公开(公告)日：2024-07-02
申请号：CN202410449165.0
申请日：2024-04-15
申请人： 山东科技大学
IPC分类号： G06F18/241 , H04W12/02 , G06F18/213 , G06N3/0464 , G06N3/082 , G06N3/098
摘要： 本公开提供了一种面向隐私保护的联邦无线行为识别方法，包括：获取待识别者的行为动作数据；将获取待识别者的行为动作数据作为输入数据，输入到改进的联邦学习行为识别模型，得到行为识别的结果；补偿行为识别的结果。解决了无法适应新客户端的问题。
-
公开(公告)号：CN110049441B
公开(公告)日：2020-09-22
申请号：CN201910365793.X
申请日：2019-05-05
申请人： 山东科技大学
摘要： 本发明提供了基于深度集成学习的智能手机WiFi室内定位方法，属于室内定位技术，涉及无线通信技术以及机器学习、深度学习和集成学习领域，现有技术是通过采用接收信号强度作为位置指纹特征来区分不同的位置，由于接收信号强度容易受到室内环境动态的影响，存在各种噪声，导致定位精度严重下降。本发明将卷积神经网络每一层所提取出来的特征都分别训练了随机森林模型，最后再将每个随机森林模型的输出结果进行取平均值集成。如此一来，最终的结果不仅基于深层次的特征，还综合了各个层次的特征，更加具有全面性，最终的结果也更加的稳定。经过实验验证后，使用该方法可以显著提高室内定位的精度。
-
公开(公告)号：CN110113116A
公开(公告)日：2019-08-09
申请号：CN201910396091.8
申请日：2019-05-14
申请人： 山东科技大学
IPC分类号： H04B17/309 , G06N3/04
摘要： 本发明公开了一种基于WIFI信道状态信息的人体行为识别方法，属于行为识别技术领域，针对目前行为识别技术存在过度依赖传感器技术，用户体验性比较差；并且成本比较高，容易受到光线等因素的影响，容易泄露隐私等问题。本发明通过行为识别系统搭建、数据采集、数据模型训练、动作端点检测和在线识别过程，实现高精度的识别日常生活中的基本的人体行为动作，实时的显示WIFI信号的变化以及行为预测结果。并且该方法具有不要求绝对的视距路径，并且有着活动范围大、隐蔽性良好、可以穿墙、对光线没有要求、成本低廉易大规模部署等优点。
-
公开(公告)号：CN109327797A
公开(公告)日：2019-02-12
申请号：CN201811194847.2
申请日：2018-10-15
申请人： 山东科技大学
摘要： 本发明公开了一种基于WiFi网络信号的移动机器人室内定位系统，该系统包括移动机器人控制平台和上位机，其中通过移动机器人控制平台可以实现数据采集以及移动机器人实时定位时的数据交互，而上位机安装的定位软件，则可以对采集到的WiFi信号强度的数据使用RPCA-ELM算法进行处理，实现移动机器人的室内定位，其定位速度、精度和稳定性较高且不需要其它传感器的辅助，大大降低了开发成本，具有很高的可移植性，另外，系统安装简便，维护方便，可长时间运作，还可以通过上位机来控制移动机器人的运动。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.029 秒)