-
公开(公告)号：CN107360552B
公开(公告)日：2020-02-07
申请号：CN201710648602.1
申请日：2017-08-01
申请人： 电子科技大学
摘要： 本发明公开了一种多分类器全局动态融合的室内定位方法，属于利用多分类器的全局融合和线上动态匹配方法对复杂室内信号源目标进行定位的技术领域，解决权值求并没有充分挖掘多分类器之间的内在关联特性，以及RSS波动较大的环境中融合精度降低的问题。本发明对划分好的各格点采集信号强度建立RSS指纹库；在RSS指纹库中，把每个格点的信号强度值分为两部分，一部分用于学习得到多个分类器，另一部分输入到分类器进行结果预测、并根据结果预测计算每个格点的全局融合权重储存在权重矩阵中；把未知源的RSS值输入到各分类器进行位置估计并和位置估计在权重矩阵中索引的最优融合权重确定未知源的坐标位置。本发明用于室内定位。
-
公开(公告)号：CN109151995A
公开(公告)日：2019-01-04
申请号：CN201811023659.3
申请日：2018-09-04
申请人： 电子科技大学
摘要： 本发明提供一种基于信号强度的深度学习回归融合定位方法，涉及基于信号强度的定位方法领域。本发明包括如下步骤：步骤1，在待定位环境中建立指纹库；步骤2，对指纹库中的数据进行预处理；步骤3，将预处理后的数据输入自动编码模型中进行预训练；步骤4，在自动编码模型的基础上构建DNN模型，再对DNN模型进行训练；步骤5，构建CNN模型并将预处理后的数据输入CNN模型进行训练；步骤6，根据DS证据融合理论对DNN模型与CNN模型的输出概率值进行融合，计算预测结果；步骤7，根据模型估计结果与真实结果之间的误差值来调整DNN模型和CNN模型；步骤8，根据调整好的分类模型进行实时定位。本发明利用DNN和CNN的互补优势能全面地提取特征，提高了定位的准确度。
-
公开(公告)号：CN107360552A
公开(公告)日：2017-11-17
申请号：CN201710648602.1
申请日：2017-08-01
申请人： 电子科技大学
摘要： 本发明公开了一种多分类器全局动态融合的室内定位方法，属于利用多分类器的全局融合和线上动态匹配方法对复杂室内信号源目标进行定位的技术领域，解决权值求并没有充分挖掘多分类器之间的内在关联特性，以及RSS波动较大的环境中融合精度降低的问题。本发明对划分好的各格点采集信号强度建立RSS指纹库；在RSS指纹库中，把每个格点的信号强度值分为两部分，一部分用于学习得到多个分类器，另一部分输入到分类器进行结果预测、并根据结果预测计算每个格点的全局融合权重储存在权重矩阵中；把未知源的RSS值输入到各分类器进行位置估计并和位置估计在权重矩阵中索引的最优融合权重确定未知源的坐标位置。本发明用于室内定位。
-
公开(公告)号：CN109151995B
公开(公告)日：2020-12-01
申请号：CN201811023659.3
申请日：2018-09-04
申请人： 电子科技大学
摘要： 本发明提供一种基于信号强度的深度学习回归融合定位方法，涉及基于信号强度的定位方法领域。本发明包括如下步骤：步骤1，在待定位环境中建立指纹库；步骤2，对指纹库中的数据进行预处理；步骤3，将预处理后的数据输入自动编码模型中进行预训练；步骤4，在自动编码模型的基础上构建DNN模型，再对DNN模型进行训练；步骤5，构建CNN模型并将预处理后的数据输入CNN模型进行训练；步骤6，根据DS证据融合理论对DNN模型与CNN模型的输出概率值进行融合，计算预测结果；步骤7，根据模型估计结果与真实结果之间的误差值来调整DNN模型和CNN模型；步骤8，根据调整好的分类模型进行实时定位。本发明利用DNN和CNN的互补优势能全面地提取特征，提高了定位的准确度。
-
-
-
搜索结果
4 条记录 (耗时 0.019 秒)
