CN109041215A - 一种基于概率密度的csi室内ap定位算法 - Google Patents
一种基于概率密度的csi室内ap定位算法 Download PDFInfo
- Publication number
- CN109041215A CN109041215A CN201811076007.6A CN201811076007A CN109041215A CN 109041215 A CN109041215 A CN 109041215A CN 201811076007 A CN201811076007 A CN 201811076007A CN 109041215 A CN109041215 A CN 109041215A
- Authority
- CN
- China
- Prior art keywords
- value
- grid
- probability
- csi
- room
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
Abstract
本发明提供一种基于概率密度的CSI室内AP定位算法,将整个楼层平面图进行划分,并建立一张对应的概率密度表,表中每个格子的值表示AP在相应格子的可能性;当在某个测量点检测到待定位的AP时,采用OFDM技术将信道分成不同频率的子信道,在每个子信道上收集CSI值,并加入RSSI值作为辅助;根据S2中所述的CSI值和RSSI值计算出AP落在这个房间的可能性,并累加到概率密度表中;当所有测量点完成步骤S2‑S3的过程后,会得到一个最终的概率表格,其中概率平均值最小的格子对应的房间为AP所在的位置。本发明选取CSI和RSSI作为室内定位的信号量,接收端位置已知,来精准定位无线室内系统中AP的位置,能有效的提高定位的精度和准确度。
Description
技术领域
本发明属于无线网络定位技术领域,具体涉及一种基于概率密度的CSI室内AP定位算法。
背景技术
近年来,无线通信技术得到了飞速的发展,而在无线技术中,基于位置的服务是最具有发展潜力的无线网络业务之一。
1.基于RSSI室内定位
在室内环境中,无线信号的传输需要经过绕射、反射、折射等多种不同程度的影响,所以接收端接收到的无线信号实际上经过多路径汇总得到的。这些不同路径上的无线信号会有不同程度上的时延、削减和相位变化。接收端在某一时刻接收到来自这些不同路径的信号的结合,这个信号可以表示为:
其中Vi表示第i条路径上的振幅,θi表示第i条路径上的相位,N表示通路的数目,由以上公式(1)可以得出当前接收端的信号强度为:
RSSI=10log2(||V||2) (2)
因为信号强度是来自多路径的信号值的叠加,所以相对而言是不稳定的,在不同的时间点上,所得到的信号强度会产生波动。虽然对某一条路径而言产生的波动是很小的,但是在接收端所有通路上的信号叠加以后就会产生巨大的波动,这种波动是不可忽略的。在基于信号强度的定位方法中,通常使用通路路径损耗模型(Log-normal Distance PathLoss,LDPL)来将信号强度转换为距离,具体公式如下:
通用路径损耗模型说明接收端接受到的信号强度不仅仅与发送端和接收端之间的距离有关,还和无线信号在传输过程中遇到的路径情况有关。
理论上,无线信号的传输符合路径平均损耗模型,信号强度随着距离的增加而逐渐减弱,但是由于室内环境的复杂性导致无线信号在传输的过程中会受到不同物体的遮挡,这就造成定位时很难区分很多相邻近的地方,多径性对基于信号强度的定位产生了很大的误差,在实际环境中,信号强度并不完全满足随着距离的增加逐渐减弱这一规律。在2005年,Goldsmith研究发现多路径效应导致接收端接收到的能量和发送端的能量随着距离的改变会产生很大的变化,所以,仅仅基于信号强度的定位算法很难再准确度上满足室内定位的需求。
2.CSI的特点
在基于信号强度的室内定位中,我们无法避免由于多径效应和噪声干扰对对定位的性能带来的影响,虽然在基于RSSI的定位技术目前很普遍,但是经过之前的介绍我们可以发现在复杂的环境下,信号强度是很不稳定的,无法辨别信号强度的变化是来自于环境状况的改变还是有物体进入环境产生的干扰,所以在一定程度上无法满足室内定位的精确度和准确度。
因为基于RSSI的室内定位存在缺陷,目前,在无线环境中获取到一个新的物理特性来解决信号强度存在的问题,这个物理特性可以满足下面三个需求:
(1)能够避免在2.4GHz频段信号的干扰;
(2)在复杂环境中能够相对稳定,而且遇到环境变化或干扰时能够立刻反映;
(3)能够避免多径效应的影响。
在目前通信中广泛涉及的正交频分复用(Orthogonal Frequency DivisionMultiplexing,OFDM)技术能够提供一个新的物理特性来满足上面这些要求。正交频分复用技术是多载波调制的一种,它将数字信号处理、数字调制和多载波传输等技术有机的结合起来,主要思想是N个子载波将整个信道划分成N个子信道,然后N个子信道可以并行来传输信息。正交频分复用技术相对于频分多址(Frequency Division Multiple Access,FDMA)技术而言优点在于它的各个载波是相互正交的,它的频谱如图1所示。
OFDM早在1999年就被定位IEEE802.11a标准的物理层标准,它可以将无线信号传输时信道的响应状态信息(Channel State Information,CSI)从物理层解析出来。CSI是无线通信中一个信道的属性,它表示无线信号在传输过程中发的衰减因子,比如:反射、散射、距离衰减等信息。CSI有瞬时值和统计值两个,瞬时值描述的是信道情况已知的条件下数字滤波器的脉冲响应,可以利用瞬时值来优化信号传输过程中的数据传输错误率和空间复用;统计值描述的是信道长期的一个观测情况,通过统计值来分析信号衰减因子的平均信道增益等信息。
信道信息在一个平滑衰减的信道中可以使用OFDM来在频域上建立模型为:
y=Hx+n (3)
其中y表示接收端的向量,x表示发送端的向量,H表示信道矩阵,n表示高斯噪声向量。由公式(1)可以得出每一个副载波的CSI计算公式为:
因为不同的接收端使用的驱动不同,所以CSI也会被划分成不同的副载波,由此可以得到CSI的信道矩阵H为:
H=[H1,H2,...,Hi,...,HN] (5)
其中N表示载波被划分的组数,一般情况下N=24,Hi表示副载波上的CSI值:
其中|Hi|表示第i个副载波的振幅,∠Hi表示第i个副载波的相位。
首先,因为CSI是物理层的性质,所以能够避免各个信道之间的相互干扰,稳定性更高,且外界环境发生变化时反映更灵敏。
其次,接收端接收的无线信号是CSI利用OFDM而形成的多个副载波信号,每一个信号的响应脉冲在时域上可以表示为:
其中αi,θi和τi分别表示来自第i条路径上的振幅,相位和时间延迟,N表示通路路径的总数,σ(τ)表示单位冲冲激函数。利用时域上的信道信息,我们可以区分来自不同路径的信号信息,图2表示了来自不同路径的信道情况,不同路径下的信号会形成不同的波形,如图3所示,不同路径上的信号也会发生不同程度上的反射、干扰等,会带来时延、损耗等现象,但是可视路径(Line-of-sight,LOS)上的信号是未经过反射,折射等现象,这个LOS路径通常是时域上第一个峰值的一半或者更小的那个振幅,所以LOS路径可以表示为:
其中v表示信号的传输速率,n表示环境的衰减因子,σ表示包括传输强度、天线增益等硬件因素。
通过以上的分析,总结了与RSSI相比较,CSI与RSSI之间的优缺点,如下表所示:
CSI在室内定位中可以充分的使用时间、角度、能量等特性,CSI不仅能够抵抗2.4GHz频段信号的干扰,并且能够克服多径效应的影响,这两大好处能够使CSI在室内定位中更加精确。
发明内容
本发明的目的是提供一种基于概率密度的CSI室内AP定位算法,选取CSI和RSSI作为室内定位的信号量,接收端位置已知,来精准定位无线室内系统中AP的位置。
本发明提供了如下的技术方案:
一种基于概率密度的CSI室内AP定位算法,包括以下步骤:
S1:将整个楼层平面图进行划分,并建立一张对应的概率密度表,表中每个格子的值表示AP在相应格子的可能性;
S2:当在某个测量点检测到待定位的AP时,采用OFDM技术将信道分成不同频率的子信道,在每个子信道上收集CSI值,并加入RSSI值作为辅助;
S3:根据S2中所述的CSI值和RSSI值计算出AP落在这个房间的可能性,并累加到概率密度表中;
S4:当所有测量点完成步骤S2-S3的过程后,会得到一个最终的概率表格,其中概率平均值最小的格子对应的房间为AP所在的位置。
优选的,所述S1中将整个楼层平面图进行划分,实验区域划分为若干个格子,建立一个与实验区域格子一一对应的的概率密度表,表中的值表示AP落在相应格子的概率,其值越大,表示AP落在该格子的可能性越小,初始化时表格中所有的值为0。
优选的,根据所述步骤S2-S3更新概率密度表,对每个格子,都计算其概率值,并更新到概率密度表中,得到最终的概率表格。
优选的,所述概率值的计算:假设在第i个测量点,其位置记为(xi,yi),检测到待定位AP时,其信道情况信息为CSIi,信号强度为RSSIi,计算AP落在格子j,其位置记录为(xj,yj)的概率,包括以下步骤:
S11:计算格子到测量点的距离dj;
S22:假设AP在当前的格子中,则接收到的信道情况信息和信号强度记录为Dj=[Hj,Rj],其中H=[h1,h2,...,hs]和R分别表示待定位AP在测量点CSI和RSSI,这里表示第s个子信道的CSI值,对CSI值进行平均加权处理,使其能够有效地补偿单个数据包时的衰落,CSI平均加权的计算公式:
其中,fs表示第s个子信道的频率,f0表示中心频率,|As|表示在第s个副载波上的振幅,k表示子信道的个数,采用独立的数字进行计算,取Hj和Rj的和值,其计算公式如下:
E[R]j=Hj+Rj
根据格子到测量点的距离dj,通过公式和公式可以求出假如AP在当前的格子,在当前的测量点能够收到的CSI和RSSI的理论值Th_CSIj和Th_RSSIj,并可通过公式E[R]j=Hj+Rj计算出理论上的和值Th_E[R]j;
S33:计算AP落在格子的概率:如果测量得到某个格子的理论值小于测量值,说明AP基本不可能落在此格子内,此时我们将P作为其概率值,否则将其差值作为其格子的概率值。
优选的,所述最终的概率表格每个元素标记相应格子的概率值,其概率值越小,表示AP在其格子的可能性越大,其概率值最小的格子对应的房间为AP所在的位置。
本发明的有益效果是:相比较RSSI而言,CSI不仅能够克服来自2.4GHz频段的窄频道信号的干扰,还能够减小多路径效应的影响,随时间变化较小,所以选取CSI和RSSI作为室内定位的信号量,能有效的提高定位的精度和准确度。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是正交频分复用频谱图;
图2是不同路径上的信号波形;
图3为不同路径上的信号传输;
图4为本发明算法流程示意图。
具体实施方式
如图4所示,一种基于概率密度的CSI室内AP定位算法,具体的,(1)初始化:将整个楼层平面图进行划分,假设实验区域总共划分为L×W个格子,建立一个L×W的概率密度表Pro_Table,表中的值表示AP落在相应格子的概率,其值越大,表示AP落在该格子的可能性越小,初始化时表格中所有的值为0;
(2)数据的采集和处理:将各个测量点的CSI值和RSSI值进行处理,得到与待定位AP相关的记录,记录表示为如下:
E={loci(xi,yi),Dj},j∈[1,M]
其中,M表示测量点的个数,loci表示测量点的位置。Dj=[Hj,Rj]表示在当前测量点的信道情况信息和信号强度值;
(3)更新概率密度表:对每个格子,都调用公式下面计算其概率值,假如根据某条记录计算格子的概率值为Pj,则按照下面的公式进行概率更新:
Pro_Tablej=∑Pj
(4)AP定位:当所有测量点完成上面的过程后,会得到一个最终的概率表格,其大小为L×W,每个元素标记相应格子的概率值,概率值越小,表示AP在其格子的可能性越大。因为是室内定位,我们主要定位出AP在哪个房间就可以,所以在这个概率表中,我们取一个和一般房间大小相当或者是略小的cell×cell的小区域(cell的单位是1,表示包含多少个格子),其平均值最小的,就去这个房间为AP所在的位置。
如图4所示,一种基于概率密度的CSI室内AP定位算法概率值的计算:假设在第i个测量点,其位置记为(xi,yi),检测到待定位AP时,其信道情况信息为CSIi,信号强度为RSSIi,计算AP落在格子j,其位置记录为(xj,yj)的概率,包括以下步骤:
S11:计算格子到测量点的距离dj;
S22:假设AP在当前的格子中,则接收到的信道情况信息和信号强度记录为Dj=[Hj,Rj],其中H=[h1,h2,...,hs]和R分别表示待定位AP在测量点CSI和RSSI,这里表示第s个子信道的CSI值,OFDM的基本原理是:将高速串行数据变换成多路径相对低速的并行数据并对不同的载波进行调制。OFDM的各个载波是相互正交的,各个子信道是相互独立的,多个子信道同时发生衰落的可能性远远低于单个子信道的深度衰落,所以对CSI值进行平均加权处理,使其能够有效地补偿单个数据包时的衰落,CSI平均加权的计算公式:
其中,fs表示第s个子信道的频率,f0表示中心频率,|As|表示在第s个副载波上的振幅,k表示子信道的个数,采用独立的数字进行计算,取Hj和Rj的和值,其计算公式如下:
E[R]j=Hj+Rj
根据格子到测量点的距离dj,通过公式和公式可以求出假如AP在当前的格子,在当前的测量点能够收到的CSI和RSSI的理论值Th_CSIj和Th_RSSIj,并可通过公式E[R]j=Hj+Rj计算出理论上的和值Th_E[R]j;
S33:计算AP落在格子的概率:由于公式只考虑可视距离对信道信息情况和信号强度的影响,而在实际环境中,却会受到很多障碍物的干扰,产生反射、折射、散射等多种信号衰减的情况,计算出来的理论和值应该大于实际测量得到的和值,所以如果测量得到某个格子的理论值小于测量值,说明AP基本不可能落在此格子内,此时我们将P作为其概率值,否则将其差值作为其格子的概率值,即:
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于概率密度的CSI室内AP定位算法,其特征在于,包括以下步骤:
S1:将整个楼层平面图进行划分,并建立一张对应的概率密度表,表中每个格子的值表示AP在相应格子的可能性;
S2:当在某个测量点检测到待定位的AP时,采用OFDM技术将信道分成不同频率的子信道,在每个子信道上收集CSI值,并加入RSSI值作为辅助;
S3:根据S2中所述的CSI值和RSSI值计算出AP落在这个房间的可能性,并累加到概率密度表中;
S4:当所有测量点完成步骤S2-S3的过程后,会得到一个最终的概率表格,其中概率平均值最小的格子对应的房间为AP所在的位置。
2.根据权利要求1所述的一种基于概率密度的CSI室内AP定位算法,其特征在于,所述S1中将整个楼层平面图进行划分,实验区域划分为若干个格子,建立一个与实验区域格子一一对应的的概率密度表,表中的值表示AP落在相应格子的概率,其值越大,表示AP落在该格子的可能性越小,初始化时表格中所有的值为0。
3.根据权利要求1所述的一种基于概率密度的CSI室内AP定位算法,其特征在于,根据所述步骤S2-S3更新概率密度表,对每个格子,都计算其概率值,并更新到概率密度表中,得到最终的概率表格。
4.根据权利要求3所述的一种基于概率密度的CSI室内AP定位算法,其特征在于,所述概率值的计算:假设在第i个测量点,其位置记为(xi,yi),检测到待定位AP时,其信道情况信息为CSIi,信号强度为RSSIi,计算AP落在格子j,其位置记录为(xj,yj)的概率,包括以下步骤:
S11:计算格子到测量点的距离dj;
S22:假设AP在当前的格子中,则接收到的信道情况信息和信号强度记录为Dj=[Hj,Rj],其中H=[h1,h2,...,hs]和R分别表示待定位AP在测量点CSI和RSSI,这里表示第s个子信道的CSI值,对CSI值进行平均加权处理,使其能够有效地补偿单个数据包时的衰落,CSI平均加权的计算公式:
其中,fs表示第s个子信道的频率,f0表示中心频率,|As|表示在第s个副载波上的振幅,k表示子信道的个数,采用独立的数字进行计算,取Hj和Rj的和值,其计算公式如下:
E[R]j=Hj+Rj
根据格子到测量点的距离dj,通过公式和公式可以求出假如AP在当前的格子,在当前的测量点能够收到的CSI和RSSI的理论值Th_CSIj和Th_RSSIj,并可通过公式E[R]j=Hj+Rj计算出理论上的和值Th_E[R]j;
S33:计算AP落在格子的概率:如果测量得到某个格子的理论值小于测量值,说明AP基本不可能落在此格子内,此时我们将P作为其概率值,否则将其差值作为其格子的概率值。
5.根据权利要求1所述的一种基于概率密度的CSI室内AP定位算法,其特征在于,所述最终的概率表格每个元素标记相应格子的概率值,其概率值越小,表示AP在其格子的可能性越大,其概率值最小的格子对应的房间为AP所在的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811076007.6A CN109041215B (zh) | 2018-09-14 | 2018-09-14 | 一种基于概率密度的csi室内ap定位算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811076007.6A CN109041215B (zh) | 2018-09-14 | 2018-09-14 | 一种基于概率密度的csi室内ap定位算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109041215A true CN109041215A (zh) | 2018-12-18 |
CN109041215B CN109041215B (zh) | 2021-02-09 |
Family
ID=64622227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811076007.6A Active CN109041215B (zh) | 2018-09-14 | 2018-09-14 | 一种基于概率密度的csi室内ap定位算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109041215B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110708674A (zh) * | 2019-11-08 | 2020-01-17 | 北京云迹科技有限公司 | 一种多楼层定位方法及系统 |
CN112985825A (zh) * | 2019-12-12 | 2021-06-18 | 百度(美国)有限责任公司 | 用于确定自动驾驶系统的乘坐稳定性的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102340868A (zh) * | 2011-11-09 | 2012-02-01 | 广州市香港科大霍英东研究院 | 基于无线网络信道状态信息的室内定位方法 |
CN104066172A (zh) * | 2014-06-16 | 2014-09-24 | 南京航空航天大学 | 一种对无线局域网中的ap进行定位的方法 |
CN104812061A (zh) * | 2015-03-24 | 2015-07-29 | 成都希盟泰克科技发展有限公司 | 一种基于mimo-ofdm信道状态信息的室内测距及定位方法 |
US20160286519A1 (en) * | 2015-03-24 | 2016-09-29 | Ramot At Tel-Aviv University Ltd. | Determining a location of an ofdm transmitter |
CN106332277A (zh) * | 2016-09-05 | 2017-01-11 | 中南大学 | 一种基于信道状态信息分布的室内定位方法 |
CN107241700A (zh) * | 2017-04-23 | 2017-10-10 | 西安电子科技大学 | 基于csi空频特性和参考点位置聚类算法的室内定位方法 |
-
2018
- 2018-09-14 CN CN201811076007.6A patent/CN109041215B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102340868A (zh) * | 2011-11-09 | 2012-02-01 | 广州市香港科大霍英东研究院 | 基于无线网络信道状态信息的室内定位方法 |
CN104066172A (zh) * | 2014-06-16 | 2014-09-24 | 南京航空航天大学 | 一种对无线局域网中的ap进行定位的方法 |
CN104812061A (zh) * | 2015-03-24 | 2015-07-29 | 成都希盟泰克科技发展有限公司 | 一种基于mimo-ofdm信道状态信息的室内测距及定位方法 |
US20160286519A1 (en) * | 2015-03-24 | 2016-09-29 | Ramot At Tel-Aviv University Ltd. | Determining a location of an ofdm transmitter |
CN106332277A (zh) * | 2016-09-05 | 2017-01-11 | 中南大学 | 一种基于信道状态信息分布的室内定位方法 |
CN107241700A (zh) * | 2017-04-23 | 2017-10-10 | 西安电子科技大学 | 基于csi空频特性和参考点位置聚类算法的室内定位方法 |
Non-Patent Citations (3)
Title |
---|
李耀辉,陈兵: "一种基于CSI的参数无关接入点定位方法", 《计算机科学》 * |
李耀辉: "基于CSI的无线接入点定位方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
陈兵,杨小玲: "一种基于概率密度的WLAN接入点定位的算法", 《电子与信息学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110708674A (zh) * | 2019-11-08 | 2020-01-17 | 北京云迹科技有限公司 | 一种多楼层定位方法及系统 |
CN112985825A (zh) * | 2019-12-12 | 2021-06-18 | 百度(美国)有限责任公司 | 用于确定自动驾驶系统的乘坐稳定性的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109041215B (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | FILA: Fine-grained indoor localization | |
CN106792808A (zh) | 一种基于信道状态信息的室内环境下视距路径识别方法 | |
CN110381531A (zh) | 测量配置及上报方法、装置和用户设备 | |
CN102421189B (zh) | 一种基于物理层的无线网络室内定位的实现方法及其装置 | |
CN110267202A (zh) | 一种基于概率密度的csi室内ap定位算法 | |
CN104780544B (zh) | 一种利用非授权频谱的通信方法和装置 | |
CN108736987A (zh) | 一种基于WiFi的信道状态信息的多普勒频移测量方法 | |
Abdulwahid et al. | Optimal access point location algorithm based real measurement for indoor communication | |
CN106802404A (zh) | 一种人体室内定位自动检测方法及系统 | |
CN104469941A (zh) | 基于无线局域网 wlan ofdm 信号循环前缀的室内无线定位方法 | |
CN104092634B (zh) | 联合doa估计与主波束成型的测距仪脉冲干扰抑制方法 | |
CN110535545A (zh) | 一种信息确定方法和装置、信息元素的处理方法和装置 | |
WO2013000068A9 (en) | Method and apparatus for determining network clusters for wireless backhaul networks | |
CN109041215A (zh) | 一种基于概率密度的csi室内ap定位算法 | |
CN103650557A (zh) | 一种时分双工系统的干扰协调方法、基站及系统 | |
CN103024900A (zh) | 无线层析成像网络的分数阶傅立叶多径伪像修正定位方法 | |
Khan et al. | A generalized model for the spatial characteristics of the cellular mobile channel | |
Zhang et al. | Utilizing CSI and RSSI to achieve high-precision outdoor positioning: A deep learning approach | |
CN108445461A (zh) | 一种多径条件下雷达目标检测方法 | |
WO2019088888A1 (en) | Efficient beam searching | |
CN110198552A (zh) | 一种下行吞吐量的计算方法和装置 | |
CN107911863B (zh) | 一种基于简单手势确定恶意ap位置的方法 | |
JP2009513082A (ja) | パルス列の解析 | |
CN111736138B (zh) | 基于ofdm信号和三频载波相位测距的室内测距方法 | |
CN103780316B (zh) | 一种用于认知无线电频谱共享的被动式接收机检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |