近年来,室内定位技术得到了广泛的应用,超宽带(Ultra-wideband,UWB)凭借其独特的优势,在室内定位领域脱颖而出。但是在复杂的室内环境中,信号传播易受到非视距(Non Line of Sight,NLOS)障碍物遮挡,产生NLOS误差。针对传统NLOS障碍物识...近年来,室内定位技术得到了广泛的应用,超宽带(Ultra-wideband,UWB)凭借其独特的优势,在室内定位领域脱颖而出。但是在复杂的室内环境中,信号传播易受到非视距(Non Line of Sight,NLOS)障碍物遮挡,产生NLOS误差。针对传统NLOS障碍物识别方法,识别率低以及需要具体考虑应用场景等问题,提出了一种基于PCA-FCM的模糊聚类的识别方法,达到92%的识别率。首先,根据视距(Line of Sight,LOS)信号与非视距信号之间的差异,选取了信号强度、平均过量时延等6个信道特征参数;其次,鉴于主成分分析(Principal Components Analysis,PCA)模型在特征提取方面的优势,用PCA模型对特征参数进行降维处理;最后,用模糊C均值(Fuzzy C-Means,FCM)算法对降维之后的目标函数进行优化,得到聚类中心的隶属度,从而提高NLOS信号识别率。展开更多
针对在医院室内非视距环境中,多径现象明显、测距误差较大的问题,本文基于超宽带技术(Ultra-wideband,UWB)功耗低、多径分辨率高、测距精度高等优点,研究了位置指纹法的定位原理与NN指纹定位法及其改进算法。实验采用基于飞行时间(Time ...针对在医院室内非视距环境中,多径现象明显、测距误差较大的问题,本文基于超宽带技术(Ultra-wideband,UWB)功耗低、多径分辨率高、测距精度高等优点,研究了位置指纹法的定位原理与NN指纹定位法及其改进算法。实验采用基于飞行时间(Time of Fight,TOF)测距数据作为指纹建立数据库,分别研究了NN算法和WKNN的定位性能,并进行误差分析。结果表明两种算法均能达到厘米级的定位精度,且WKNN算法相对NN算法的定位误差改善了18.09%,提高了在非视距环境中定位的精确度和稳健性。展开更多
文摘近年来,室内定位技术得到了广泛的应用,超宽带(Ultra-wideband,UWB)凭借其独特的优势,在室内定位领域脱颖而出。但是在复杂的室内环境中,信号传播易受到非视距(Non Line of Sight,NLOS)障碍物遮挡,产生NLOS误差。针对传统NLOS障碍物识别方法,识别率低以及需要具体考虑应用场景等问题,提出了一种基于PCA-FCM的模糊聚类的识别方法,达到92%的识别率。首先,根据视距(Line of Sight,LOS)信号与非视距信号之间的差异,选取了信号强度、平均过量时延等6个信道特征参数;其次,鉴于主成分分析(Principal Components Analysis,PCA)模型在特征提取方面的优势,用PCA模型对特征参数进行降维处理;最后,用模糊C均值(Fuzzy C-Means,FCM)算法对降维之后的目标函数进行优化,得到聚类中心的隶属度,从而提高NLOS信号识别率。
文摘针对在医院室内非视距环境中,多径现象明显、测距误差较大的问题,本文基于超宽带技术(Ultra-wideband,UWB)功耗低、多径分辨率高、测距精度高等优点,研究了位置指纹法的定位原理与NN指纹定位法及其改进算法。实验采用基于飞行时间(Time of Fight,TOF)测距数据作为指纹建立数据库,分别研究了NN算法和WKNN的定位性能,并进行误差分析。结果表明两种算法均能达到厘米级的定位精度,且WKNN算法相对NN算法的定位误差改善了18.09%,提高了在非视距环境中定位的精确度和稳健性。