CN112799039A - 一种认知无线电测距系统 - Google Patents
一种认知无线电测距系统 Download PDFInfo
- Publication number
- CN112799039A CN112799039A CN202110392213.3A CN202110392213A CN112799039A CN 112799039 A CN112799039 A CN 112799039A CN 202110392213 A CN202110392213 A CN 202110392213A CN 112799039 A CN112799039 A CN 112799039A
- Authority
- CN
- China
- Prior art keywords
- propagation distance
- frequency
- power
- wireless signal
- maximum propagation
- 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
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 7
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 9
- 238000006731 degradation reaction Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 230000006866 deterioration Effects 0.000 claims description 4
- 238000001134 F-test Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 7
- 230000015556 catabolic process Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种认知无线电测距系统,该系统包括基站端和目标端,其中,基站端包括:用于获取建筑信息的建筑信息获取单元、根据传播距离预测模型计算预测最大传播距离的传播距离计算单元、改变无线信号的频率和/或功率后对改变前得到的实际最大传播距离进行更新的传播距离更新单元、基于目标端的位置、目标端与基站端的距离确定基站端发射的无线信号的频率和/或功率后进行测距的测距单元;本发明考虑了改变无线信号的频率和/或功率对无线信号实际最大传播距离的影响,利用本发明中计算出来的无线信号的实际最大传播距离更加准确,且无需人为携带测试设备进行测试。
Description
技术领域
本发明涉及无线电测距领域,具体为一种认知无线电测距系统。
背景技术
传统的利用无线电进行测距的方法一般选取一个地点放置基站进行信号发射,在另一地点放置目标端进行信号接收,以测试两个地点之间的距离;然而现有的利用无线电进行测距的方法一般是依据相关人员的主观经验来设置基站端无线信号的频率和/或功率,准确性不高。
发明内容
为了解决上述问题,本发明提出一种认知无线电测距系统,该系统包括基站端和目标端,基站端包括:
建筑信息获取单元,用于获取建筑信息,建筑信息包括预设区域范围内建筑物的高度、建筑物与基站之间的距离;
传播距离计算单元,用于设置无线信号的频率和功率,并根据传播距离预测模型计算预设区域范围内每个方向对应的预测最大传播距离;其中,所述传播距离预测模型基于预设区域范围内建筑物的高度、建筑物与基站之间的距离得到;
传播距离更新单元,用于改变无线信号的频率和/或功率,重新获取预设区域范围内每个方向对应的预测最大传播距离;对于预设区域范围内的每个方向,基于一次改变后该方向对应的预测最大传播距离、改变前实际最大传播距离、以及改变对实际最大传播距离的影响程度得到改变无线信号的频率和/或功率后该方向对应的实际最大传播距离;
测距单元,用于基于目标端的粗定位范围、不同频率和/或功率的无线信号在不同方向上对应的实际最大传播距离确定基站端发射的无线信号的频率和/或功率后进行测距。
进一步地,获取预设区域范围内的建筑物分割图,则所述传播距离预测模型为:
其中,为路径损耗;、分别为建筑物分割图中任意一个方向上非建筑物区域第个像素点、建筑物区域第个像素点的单位路径损耗;、分别为建筑物分割图中该任意一个方向上非建筑物区域、建筑物区域的像素点的数量;、、为拟合系数;为建筑物区域第个像素点对应的建筑物的高度;为根据自由空间传播模型得到的最大理想传播像素距离,为建筑物区域第个像素点与基站之间的距离。
进一步地,所述每个方向对应的预测最大传播距离的获取过程为:以基站为出发点沿该方向逐像素扩展,基于传播距离预测模型对每次扩展后所有像素点计算,与预设路径损耗最接近时,像素距离为该方向对应的预测最大传播距离。
进一步地,对于每个方向,改变无线信号的频率和/或功率后该方向对应的实际最大传播距离的获取过程为:
为改变无线信号的频率和/或功率后该方向对应的实际最大传播距离;为本次改变前该方向对应的实际最大传播距离;、、分别为单独改变无线信号的功率、单独改变无线信号的频率、改变后无线信号频率和功率的交互作用对实际最大传播距离的影响程度。
进一步地,所述影响程度的获取过程为:
获取测试过程中无线信号需要设置的频率和功率,得到频率序列和功率序列;频率和功率为两个控制变量,实际最大传播距离为观测变量,基于频率序列和功率序列进行多因素方差分析,得到频率和功率单独引起的变差和、频率和功率交互作用引起的变差、随机因素引起的变差;
进一步地,该系统中除无线信号的频率和功率之外的影响无线信号最大传播距离的其他因素均设置为定值。
进一步地,首次设置好无线信号的频率和功率后根据传播距离预测模型得到的预测最大传播距离为实际最大传播距离。
本发明的有益效果在于:
1.本发明根据地图数据构建传播距离预测模型,基于传播距离预测模型获取无线信号的预测最大传播距离,无须人为携带测试设备进行移动检测,省时省力,且获取的预测最大传播距离更加准确。
2.本发明还考虑了改变无线信号的频率和/或功率对无线信号的最大传播距离的影响,在对无线信号的频率和/或功率进行改变时,基于该次改变前得到的无线信号的实际最大传播距离以及改变无线信号的频率和/或功率对无线信号最大传播距离的影响程度计算改变后无线信号的实际最大传播距离,使本发明在不同的信号频率和功率下计算出来的无线信号的实际最大传播距离更加精确,误差更小。
附图说明
图1为基站端的单元构成图。
具体实施方式
为了让本领域技术人员更好的理解本发明,下面结合实施例对本发明进行详细描述。
本发明是在城市环境中利用无线电进行测距前根据不同频率和/或功率的无线电的实际最大传播距离和目标端间的粗定位范围确定基站端发射无线电的频率和功率;本发明的主要内容是对无线电的实际最大传播距离进行分析,由于在城市中阻挡无线信号的主要障碍物为建筑物,因此本发明中基于建筑信息对无线信号的实际最大传播距离进行分析,不再考虑天气状态,海拔高度等原因。
此外,由于基站与移动终端的高度,天线增益等因素均会影响无线信号的传输距离,而本发明中主要对无线信号的最大传播距离进行分析,因此本发明中将基站高度、移动终端高度和天线增益等因素设置为确定性的固定值。
实施例一:
该实施例提供了一种认知无线电测距系统,具体地,该系统包括基站端和目标端,利用基站端和目标端进行测距,根据基站端和目标端进行测距的方法是公知的,本发明不再赘述;其中,如图1所示,基站端包括建筑信息获取单元、传播距离计算单元、传播距离更新单元、测距单元,具体地:
建筑信息获取单元,用于获取建筑信息,建筑信息包括预设区域范围内建筑物的高度、建筑物与基站之间的距离;具体地:
a)获取基站端与目标端的粗定位距离范围,根据粗定位距离范围确定预设区域范围即选取相应区域范围内的卫星地图;所述预设区域范围为以基站端为圆心的圆区域,该圆区域的半径要大于最大粗定位距离;获取的预设区域范围内的卫星地图为待处理图像。
b)采用语义分割的方式对待处理图像进行建筑物的感知,得到建筑物分割图;具体地,使用DNN网络进行语义分割,DNN网络为Encoder-Decoder结构,该网络的训练过程为:以采集到的包括建筑物的卫星地图图像构建训练数据集,对训练数据集进行标注,建筑物标签为1,其他标签为0;在训练数据集中随机选取80%进行网络的训练,当网络训练完成后利用剩余20%进行验证;将训练数据集和标签数据输入DNN网络中,其中Encoder抽取图像特征,并将通道数变换为标签的类别个数,得到特征图;通过Decoder将特征图的高和宽变换为DNN网络输入图像的尺寸,并输出每个像素的标签;采用交叉熵函数作为损失函数进行网络的训练。
c)基于建筑物分割图可得到建筑物分割图中每个像素点与基站之间的像素距离;由于建筑物的高低亦会对无线信号的传播距离产生较大影响,因此,还需获取建筑物的高度信息,预设区域范围内建筑物的高度信息可基于构建的CIM(城市信息模型)得到,具体的CIM的构建方法本发明不再描述。
设置无线信号的频率和功率:
传播距离计算单元,用于根据传播距离预测模型计算预设区域范围内每个方向对应的预测最大传播距离;具体地,每个方向对应的预测最大传播距离的获取过程为:
b)获取最大理想传播像素距离:自由空间传播模型用于预测接收机和发射机之间是完全无阻挡的视距路径时接收信号的场强,属于大尺度路径损耗的无线电传播的模型,是求取无线信号在自由空间下最大传播距离的常用模型;对自由空间传播模型进行单位换算得到自由空间弗里斯传输公式,自由空间弗里斯传输公式具体为:
表示无线信号在空中传输时的路径损耗,表示无线信号传输的距离,表示无线信号的传输频率;根据该传输公式可知,最大理想传播像素距离与和相关,本发明中和均为已知量,获取当前无线信号的频率和基于当前无线信号功率计算得到的,根据该公式可计算出当前和对应的自由空间下的最大理想传播距离,再对最大理想传播距离进行转换得到当前无线信号功率和频率下的最大理想传播像素距离。
c)获取每个像素点对应的单位路径损耗:获取当前无线信号的频率和基于当前无线信号功率得到的路径损耗,基于自由空间弗里斯传输公式计算最大理想传播像素距离,获取最大理想传播像素距离在建筑物分割图中对应的像素点的数量,则路径损耗与像素点数量的比值为每个像素点的单位路径损耗;
d)获取传播距离预测模型,传播距离预测模型基于预设区域范围内建筑物的高度、建筑物与基站之间的距离得到,具体地,传播距离预测模型为:
其中,为路径损耗;、分别为建筑物分割图中任意一个方向上非建筑物区域第个像素点、建筑物区域第个像素点的单位路径损耗;、分别为建筑物分割图中该任意一个方向上非建筑物区域、建筑物区域的像素点的数量;、、为拟合系数;为建筑物区域第个像素点对应的建筑物的高度;为根据自由空间传播模型得到的最大理想传播像素距离,为建筑物区域第个像素点与基站之间的距离。
e)在实际的无线电传输过程中,基站端和目标端之间一般或多或少均有障碍物存在,尤其是城市环境当中,大量的建筑物会大大加快路径损耗,因此最远传播点很难达到根据现有传播模型计算出来的理论点,对于预设区域范围内的每个方向,本发明中实际上无线信号可以达到的最远点的获取方法为:获取拟合好的传播距离预测模型,此时、的值不固定,在建筑物分割图中以基站为出发点沿该方向逐像素扩展,对每次扩展后的所有像素点基于传播距离预测模型计算,与预设路径损耗最接近时的像素距离即为该方向上无线信号的预测最大传播距离;预设路径损耗为基于当前无线信号的功率根据无线链路预算公式计算得到的。
至此,得到无线信号在当前频率和功率下在预设区域范围内每个方向上的预测最大传播距离。
实际测量无线信号传输距离的过程中,由于发射功率和天线增益一般为定值,工作人员常常会通过控制基站端的发射频率和功率来测试目标端在相同环境下的不同结果以观测相应的丢包率和传播范围等指标;因此,需要对改变无线信号的频率和/或功率对预测最大传播距离的影响进行分析,并对得到的预测最大传播距离进行更新。
改变无线信号的频率和/或功率均会对无线信号的传播距离产生影响,无线信号频率和功率之间的交互作用也会对无线信号的传播距离产生影响;因此,本发明分析了改变无线信号的频率和/或功率对无线信号的最大传播距离的影响程度。
传播距离更新单元,用于改变无线信号的频率和/或功率,重新获取预设区域范围内每个方向对应的预测最大传播距离,对于预设区域范围内的每个方向,基于一次改变后该方向对应的预测最大传播距离、改变前实际最大传播距离、改变无线信号的频率和/或功率对实际最大传播距离的影响程度得到改变无线信号的频率和/或功率后该方向对应的实际最大传播距离;具体地:
a)获取改变无线信号的频率和/或功率对实际最大传播距离的影响程度:
获取测试过程中无线信号需要设置的频率和功率,得到频率序列和功率序列;实施例中以LoRa无线技术为例,频率序列为[433MHz、868MHz、915MHz],功率序列为[15dBm、20dBm、25dBm],频率和功率为两个控制变量,实际最大传播距离为观测变量,基于频率序列和功率序列进行多因素方差分析,得到频率和功率单独引起的变差和、频率和功率交互作用引起的变差、随机因素引起的变差;具体地,多因素方差分析过程为:
将观测变量的总变差分解为:
为频率控制变量的水平数,即频率序列中频率数据的个数;为功率控制变量的水平数;为频率控制变量第个水平和功率控制变量第个水平下样本的个数;为频率控制变量第个水平和功率控制变量第个水平下对应的第个样本值即第个实际最大传播距离,为获取的所有观测变量样本值的均值即所有实际最大传播距离的均值;此处进行多因素方差分析时用到的实际最大传播距离是通过实际测量得到的。
则根据上述公式可得无线信号的频率和功率交互作用时引起的变差为:
需要说明,采集观测变量样本值时实施例在频率控制变量第个水平和功率控制变量第个水平下获取200组实际最大传播距离数据作为观测变量样本值,200组实际最大传播距离数据可为预设区域范围内不同方向上的实际最大传播距离。
其中,F检验统计量可由统计软件SPSS自动计算得到,并依据F分布表得到相伴概率值P,本发明中使用默认值0.05作为显著性水平,即当信号频率或功率控制变量的相伴概率P值小于或等于0.05时则说明该变量的不同水平对实际最大传播距离产生了显著影响,并计算影响程度,否则说明该变量不同水平对观测变量没有明显影响。
b)对于每个方向,改变无线信号的频率和/或功率后该方向对应的实际最大传播距离的获取过程为:
获取改变后无线信号的频率和功率,在传播距离计算单元根据本次改变前无线信号的功率和改变后无线信号的频率获取该方向对应的预测最大传播距离,根据本次改变前无线信号的频率和改变后无线信号的功率获取该方向对应的预测最大传播距离;获取和分别与本次对无线信号的频率和/或功率进行改变前该方向对应的实际最大传播距离的差值和;则改变无线信号的频率和/或功率后该方向对应的实际最大传播距离为:
为改变无线信号的频率和/或功率后该方向对应的实际最大传播距离;为本次对无线信号的频率和/或功率进行改变前该方向对应的实际最大传播距离;、、分别为单独改变无线信号的功率、单独改变无线信号的频率、改变后无线信号频率和功率的交互作用对实际最大传播距离的影响程度。
需要说明,首次设置好无线信号的频率和功率后得到的预测最大传播距离即为当前频率和功率下无线信号的实际最大传播距离。
测距单元,用于基于目标端的粗定位范围、不同频率和/或功率的无线信号在不同方向上对应的实际最大传播距离确定基站端发射的无线信号的频率和/或功率后进行测距;具体地,粗定位范围为圆区域,获取基站在每个方向上与粗定位范围的最远交点,获取基站端与每个最远交点间的建筑信息,利用拟合好的传播距离预测模型计算每个交点对应的路径损耗,路径损耗最大的交点为目标交点,获取目标交点与基站端间的目标距离,获取目标交点-基站端这一方向上不同频率和/或功率的无线信号对应的实际最大传播距离,基于得到的多个实际最大传播距离和目标距离得到若干组无线信号的频率和功率,具体地,得到的若干组无线信号的频率和功率在该方向上的实际最大传播距离大于等于目标距离,则基站端发射的无线信号的频率和功率可为若干组中的任意一组。
以上所述旨在让本领域技术人员更好的理解本发明,并不用于限制本发明,凡是在本发明精神和原则之内做出的修改与变动皆在本发明的保护范围内。
Claims (7)
1.一种认知无线电测距系统,其特征在于,该系统包括基站端和目标端,基站端包括:
建筑信息获取单元,用于获取建筑信息,建筑信息包括预设区域范围内建筑物的高度、建筑物与基站之间的距离;
传播距离计算单元,用于设置无线信号的频率和功率,并根据传播距离预测模型计算预设区域范围内每个方向对应的预测最大传播距离;其中,所述传播距离预测模型基于预设区域范围内建筑物的高度、建筑物与基站之间的距离得到;
传播距离更新单元,用于改变无线信号的频率和/或功率,重新获取预设区域范围内每个方向对应的预测最大传播距离;对于预设区域范围内的每个方向,基于一次改变后该方向对应的预测最大传播距离、改变前实际最大传播距离、以及改变对实际最大传播距离的影响程度得到改变无线信号的频率和/或功率后该方向对应的实际最大传播距离;
测距单元,用于基于目标端的粗定位范围、不同频率和/或功率的无线信号在不同方向上对应的实际最大传播距离确定基站端发射的无线信号的频率和/或功率后进行测距。
6.如权利要求1所述的系统,其特征在于,该系统中除无线信号的频率和功率之外的影响无线信号最大传播距离的其他因素均设置为定值。
7.如权利要求1所述的系统,其特征在于,首次设置好无线信号的频率和功率后根据传播距离预测模型得到的预测最大传播距离为实际最大传播距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110392213.3A CN112799039B (zh) | 2021-04-13 | 2021-04-13 | 一种认知无线电测距系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110392213.3A CN112799039B (zh) | 2021-04-13 | 2021-04-13 | 一种认知无线电测距系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112799039A true CN112799039A (zh) | 2021-05-14 |
CN112799039B CN112799039B (zh) | 2021-07-13 |
Family
ID=75816868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110392213.3A Active CN112799039B (zh) | 2021-04-13 | 2021-04-13 | 一种认知无线电测距系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112799039B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363930A (zh) * | 2021-12-30 | 2022-04-15 | 北京红山信息科技研究院有限公司 | 一种基于agps mr数据的传播模型校正方法 |
CN115865237A (zh) * | 2022-12-07 | 2023-03-28 | 中国人民解放军陆军工程大学 | 一种基于卫星图像数据的深度学习场强预测方法及系统 |
CN115865237B (zh) * | 2022-12-07 | 2024-09-27 | 中国人民解放军陆军工程大学 | 一种基于卫星图像数据的深度学习场强预测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107422301A (zh) * | 2017-06-27 | 2017-12-01 | 北京航空航天大学 | 一种可替代传统无线电导航系统的大区域高精度定位方法 |
CN108550234A (zh) * | 2018-04-24 | 2018-09-18 | 成都恒高科技有限公司 | 双基站的标签匹配、围栏边界管理方法、装置及存储介质 |
CN109099818A (zh) * | 2018-06-27 | 2018-12-28 | 武汉理工大学 | 便携式微米级高清测距系统 |
US20200051248A1 (en) * | 2018-08-13 | 2020-02-13 | Institute Of Nuclear Energy Research, Atomic Energy Council, Executive Yuan | Simulate segmentation method of cylinder and pie cake digital models |
CN111010248A (zh) * | 2019-12-23 | 2020-04-14 | 湘潭大学 | 一种基于建筑物的基站电磁辐射预测方法 |
WO2020193568A1 (en) * | 2019-03-25 | 2020-10-01 | Assa Abloy Ab | Reader coordination for access control |
CN112637948A (zh) * | 2019-10-09 | 2021-04-09 | 深圳市优必选科技股份有限公司 | 一种定位方法、系统、定位标签及基站 |
-
2021
- 2021-04-13 CN CN202110392213.3A patent/CN112799039B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107422301A (zh) * | 2017-06-27 | 2017-12-01 | 北京航空航天大学 | 一种可替代传统无线电导航系统的大区域高精度定位方法 |
CN108550234A (zh) * | 2018-04-24 | 2018-09-18 | 成都恒高科技有限公司 | 双基站的标签匹配、围栏边界管理方法、装置及存储介质 |
CN109099818A (zh) * | 2018-06-27 | 2018-12-28 | 武汉理工大学 | 便携式微米级高清测距系统 |
US20200051248A1 (en) * | 2018-08-13 | 2020-02-13 | Institute Of Nuclear Energy Research, Atomic Energy Council, Executive Yuan | Simulate segmentation method of cylinder and pie cake digital models |
WO2020193568A1 (en) * | 2019-03-25 | 2020-10-01 | Assa Abloy Ab | Reader coordination for access control |
CN112637948A (zh) * | 2019-10-09 | 2021-04-09 | 深圳市优必选科技股份有限公司 | 一种定位方法、系统、定位标签及基站 |
CN111010248A (zh) * | 2019-12-23 | 2020-04-14 | 湘潭大学 | 一种基于建筑物的基站电磁辐射预测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114363930A (zh) * | 2021-12-30 | 2022-04-15 | 北京红山信息科技研究院有限公司 | 一种基于agps mr数据的传播模型校正方法 |
CN115865237A (zh) * | 2022-12-07 | 2023-03-28 | 中国人民解放军陆军工程大学 | 一种基于卫星图像数据的深度学习场强预测方法及系统 |
CN115865237B (zh) * | 2022-12-07 | 2024-09-27 | 中国人民解放军陆军工程大学 | 一种基于卫星图像数据的深度学习场强预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112799039B (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107333284B (zh) | 一种无线电监测站点覆盖范围评估分析系统及方法 | |
CN101060689B (zh) | 通信系统网络规划的方法和设备 | |
CN110650436B (zh) | 基于WiFi数据的位置指纹库建立与拟合方法 | |
CN103517285B (zh) | 一种天线覆盖性能评估方法及系统 | |
US8583050B2 (en) | Building influence estimation apparatus and building influence estimation method | |
US20050181804A1 (en) | Applications of signal quality observations | |
RU2707737C1 (ru) | Носитель записи, на котором записана программа определения нахождения в помещении/вне помещения, система определения нахождения в помещении/вне помещения, способ определения нахождения в помещении/вне помещения, мобильный терминал, и средство для классификации и определения среды в помещении/вне помещения | |
US9456361B1 (en) | System, method, and computer program for performing mobile network related tasks based on performance data acquired by an unmanned vehicle | |
US20100208711A1 (en) | System and method for efficiently populating an access point database | |
US20170265042A1 (en) | Methods and apparatuses for indoor positioning | |
CN110418283B (zh) | 基于WiFi数据的位置指纹库创建方法 | |
CN105182288A (zh) | 一种基于室内定位系统的rssi卡尔曼滤波方法 | |
CN112799039B (zh) | 一种认知无线电测距系统 | |
US8639255B2 (en) | Simulation system, simulation apparatus, and simulation method | |
US20110070841A1 (en) | Method, system, and computer-readable medium for improved prediction of spectrum occupancy and estimation of radio signal field strength | |
CN111257830A (zh) | 基于预先设定ap位置的wifi定位算法 | |
CN105866732A (zh) | 一种改进mk模型和wknn算法相结合的混合室内定位方法 | |
CN109982368B (zh) | 小区方位角的核查方法、装置、设备及介质 | |
CN113839729B (zh) | 一种调频广播信号覆盖预测评估装置及方法 | |
EP1527650B1 (en) | Applications of signal quality observations | |
KR101694521B1 (ko) | 전파지문지도 생성 장치 및 방법 | |
CN105704730A (zh) | 一种spm信道传播模型校准的方法 | |
CN114095854B (zh) | 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备 | |
US9803474B1 (en) | Systems and methods for alert and advisory broadcast | |
CN106686719B (zh) | 一种rssi拟合方法 |
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 |