CN113676857A - 一种面向室内Wi-Fi定位的信道状态信息特征提取方法 - Google Patents

一种面向室内Wi-Fi定位的信道状态信息特征提取方法 Download PDF

Info

Publication number
CN113676857A
CN113676857A CN202110955570.6A CN202110955570A CN113676857A CN 113676857 A CN113676857 A CN 113676857A CN 202110955570 A CN202110955570 A CN 202110955570A CN 113676857 A CN113676857 A CN 113676857A
Authority
CN
China
Prior art keywords
tensor
csi
dimension
feature extraction
indoor
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
Application number
CN202110955570.6A
Other languages
English (en)
Other versions
CN113676857B (zh
Inventor
周牧
龙玥辛
蒲巧林
王勇
李耀华
何维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202110955570.6A priority Critical patent/CN113676857B/zh
Publication of CN113676857A publication Critical patent/CN113676857A/zh
Application granted granted Critical
Publication of CN113676857B publication Critical patent/CN113676857B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2132—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on discrimination criteria, e.g. discriminant analysis
    • G06F18/21322—Rendering the within-class scatter matrix non-singular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种面向室内Wi‑Fi定位的信道状态信息特征提取方法，属于室内定位技术领域，首先将张量模型引入CSI降噪处理中，基于平行因子分析模型对张量进行分解，利用交替迭代最小二乘算法求解投影矩阵的最优解；其次利用张量小波分解算法在CSI图像的三个维度上进行单层张量小波分解，并利用角二阶矩计算各小波子成分的小波系数，得到最终的约减张量；最后将重构得到的张量作为各参考点坐标相对应的CSI定位指纹，实现特征提取。本发明提升了数据处理分析的能力。

Description

一种面向室内Wi-Fi定位的信道状态信息特征提取方法
技术领域
本发明属于室内定位技术领域，涉及一种面向室内Wi-Fi定位的信道状态信息特征提取方法。
背景技术
随着移动互联网时代向物联网时代逐步发展，位置服务(Location-basedService，LBS)在人们生活中的应用已经越来越广泛。目前较为流行的无线定位系统有全球定位系统(Global Position System，GPS)、蜂窝定位系统、蓝牙定位系统、射频识别定位系统、ZigBee定位系统以及WLAN定位系统。其中，由于GPS定位系统在室外定位领域具有较好的表现，因此最为常见。然而，在室内环境下由于各种障碍物和移动物体的遮挡，卫星信号衰减十分严重，使得其室内定位精度不尽人意。相比而言，Wi-Fi网络具有部署成本较低，环境适应性强且通信范围广等优势，于是基于接收信号强度(Received Signal Strength，RSS)的Wi-Fi定位已逐渐成为室内定位技术的主流。
信道状态信息(Channel State Information，CSI)是一种可替代RSS的新兴技术，可用于指纹识别。相较于基于RSS的室内Wi-Fi定位方法，CSI包含了信号传输过程中更细粒度和多样化的物理层信息，这些信息代表了散射、衰落和功率随距离衰减的综合效应，描述了信号是如何从发射机传播到接收机的。CSI比传统的RSS具有更高的鲁棒性，故基于CSI的室内Wi-Fi定位方法通常具有更高的定位精度且其定位结果更为稳定。基于Wi-Fi的室内定位方法主要是通过个人电脑来获取CSI，目前使用智能手机获取CSI用于定位的研究较少，Schulz等人首次提出在移动设备上使用Nexmon固件补丁，修改Wi-Fi固件并构建Wi-Fi测试平台来提取CSI。
发明内容
有鉴于此，本发明的目的在于提供一种以多维度分析为主线的张量图像处理框架，分别实现了张量图像的降噪和特征提取，提升了数据处理分析的能力。
为达到上述目的，本发明提供如下技术方案：
一种面向室内Wi-Fi定位的信道状态信息特征提取方法，以多维主成分分析为基础进行CSI维度约减，并在尽可能保持原始CSI数据变化信息的前提下，于张量各维度上提取最显著的信号成分，引入交替迭代最小二乘算法(Alternating Iterative LeastSquares，AILS)来求解投影矩阵的最优解，并得到最终的约减张量，最后，将重构得到的张量作为CSI位置指纹实现特征提取。
进一步，本方法具体包括以下步骤：
S1：在Nf个参考点(Reference Point，RP)处分别采集到来自同一个无线接入点(Access Point，AP)的信道状态信息(Channel State Information，CSI)；
S2：对采集到的CSI进行解析得到CSI幅值，并表示为Nf个X轴为子载波、Y轴为数据包且Z轴为CSI幅值的三维图像，将所述三维图像视为Nf个二元三维张量
Figure BDA0003220360430000021
其中，W1、W2和W3分别为子载波、数据包、幅值这三个维度的维度大小；
S3：将第n个参考点所对应的张量Θn划分为M个各维度大小相等且互不重叠的子张量
Figure BDA0003220360430000022
S4：对第n个参考点的第m个子张量A(m,n)进行去中心化得到
Figure BDA0003220360430000023
其中，
Figure BDA0003220360430000024
S5：将去中心化子张量
Figure BDA0003220360430000025
在第d(d＝1,...,3)维上展开为矩阵
Figure BDA0003220360430000026
对协方差矩阵
Figure BDA0003220360430000027
进行特征值分解后得到从大到小排序的特征值，初始化第d维投影矩阵
Figure BDA0003220360430000028
为前Dd个最显著的特征值所对应的特征向量的组合；
S6：利用交替迭代最小二乘算法AILS来求解各维度投影矩阵的最优解
Figure BDA0003220360430000029
和最终的约减张量
Figure BDA00032203604300000210
S7：重复步骤S3-S6，得到第n个参考点的M个约减张量
Figure BDA00032203604300000211
再将这M个约减张量按原位置重构得到张量
Figure BDA00032203604300000212
并将其作为第n个参考点的CSI位置指纹，其中，V1、V2和V3分别为子载波、数据包、幅值这三个维度的维度大小；
S8：重复步骤S3-S7，得到Nf个参考点的CSI位置指纹
Figure BDA00032203604300000213
实现特征提取。
进一步，步骤S6具体包括以下步骤：
S61：初始化子张量
Figure BDA00032203604300000214
的约减张量为
Figure BDA00032203604300000215
其能量为
Figure BDA0003220360430000031
S62：当第k次迭代时，先将张量
Figure BDA0003220360430000032
在第d维(d＝1,...,3)上展开为矩阵
Figure BDA0003220360430000033
再对协方差矩阵
Figure BDA0003220360430000034
进行特征值分解后得到从大到小排序的特征值，然后更新第d维投影矩阵
Figure BDA0003220360430000035
为前Dd个最显著的特征值所对应的特征向量的组合，利用更新后的
Figure BDA0003220360430000036
更新
Figure BDA0003220360430000037
S63：重复步骤S62依次更新第1维至第3维的投影矩阵后即完成一次迭代；
S64：获取第k次迭代的约减张量
Figure BDA0003220360430000038
以及该约减张量的能量
Figure BDA0003220360430000039
S65：如果相邻两次迭代所得能量的差值(η(k,n)-η((k-1),n))小于预先设定的阈值，则满足收敛要求，输出各维度的投影矩阵并将第k次迭代的约减张量
Figure BDA00032203604300000310
作为最终的约减张量
Figure BDA00032203604300000311
反之，重复步骤S62至步骤S64直到满足收敛要求。
本发明的有益效果在于：本发明充分利用了高阶张量可以描述数据信息和结构的特性，采用张量形式表达复杂数据，最大的优势是无需改变数据原有的存在形式，这也使得以张量形式表达的数据能够最大限度地保留数据内在的结构信息，提升了数据处理分析的能力。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为本发明所述面向室内Wi-Fi定位的信道状态信息特征提取方法流程图；
图2为子张量在各维度展开为矩阵的示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
请参阅图1～图2，如图1所示的一种面向室内Wi-Fi定位的信道状态信息特征提取方法，具体包含以下步骤：
步骤一、在Nf个参考点(Reference Point，RP)处分别采集到来自同一个无线接入点(Access Point，AP)的信道状态信息(Channel State Information，CSI)，再对采集到的CSI进行解析得到CSI幅值，并表示为Nf个X轴为子载波、Y轴为数据包且Z轴为CSI幅值的三维图像；
步骤二、将步骤一得到的三维图像视为Nf个二元三维张量
Figure BDA0003220360430000041
其中，W1、W2和W3分别为子载波、数据包、幅值这三个维度的维度大小。
步骤三、将第n(n＝1,...,Nf)个参考点所对应的张量Θn划分为M个各维度大小相等且互不重叠的子张量，记为
Figure BDA0003220360430000042
步骤四、对第n个参考点的第m个子张量A(m,n)进行去中心化得到
Figure BDA0003220360430000043
其中，
Figure BDA0003220360430000044
步骤五、将子张量
Figure BDA0003220360430000045
在第d(d＝1,...,3)维上展开为矩阵
Figure BDA0003220360430000046
对协方差矩阵
Figure BDA0003220360430000047
进行特征值分解后得到从大到小排序的特征值，初始化第d维投影矩阵
Figure BDA0003220360430000051
为前Dd个最显著的特征值所对应的特征向量的组合；
步骤六、为了保留子张量的特征变化信息，利用AILS算法来求解各维度投影矩阵的最优解
Figure BDA0003220360430000052
和最终的约减张量
Figure BDA0003220360430000053
具体包括以下步骤：
步骤六(一)、初始化子张量
Figure BDA0003220360430000054
的约减张量为
Figure BDA0003220360430000055
其能量为
Figure BDA0003220360430000056
步骤六(二)、当第k次迭代时，先将张量
Figure BDA0003220360430000057
在第d维(d＝1,...,3)上展开为矩阵
Figure BDA0003220360430000058
再对协方差矩阵
Figure BDA0003220360430000059
进行特征值分解后得到从大到小排序的特征值，然后更新第d维投影矩阵
Figure BDA00032203604300000510
为前Dd个最显著的特征值所对应的特征向量的组合，利用更新后的
Figure BDA00032203604300000511
更新
Figure BDA00032203604300000512
步骤六(三)、重复步骤六(二)依次更新第1维至第3维的投影矩阵后即完成一次迭代；
步骤六(四)、获取第k次迭代的约减张量
Figure BDA00032203604300000513
以及该约减张量的能量
Figure BDA00032203604300000514
如果相邻两次迭代所得能量的差值(η(k,n)-η((k-1),n))小于预先设定的阈值，则满足收敛要求，输出各维度的投影矩阵并将第k次迭代的约减张量
Figure BDA00032203604300000515
作为最终的约减张量
Figure BDA00032203604300000516
步骤六(五)、反之，重复步骤六(二)至步骤六(四)直到满足收敛要求；
步骤七、重复步骤三至步骤六，可得到第n个参考点的M个约减张量
Figure BDA00032203604300000517
再将这M个约减张量按原位置重构得到张量
Figure BDA00032203604300000518
并将其作为第n个参考点的CSI位置指纹，其中，V1、V2和V3分别为子载波、数据包、幅值这三个维度的维度大小；
步骤八、重复步骤三至步骤七，可得到Nf个参考点的CSI位置指纹
Figure BDA00032203604300000519
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种面向室内Wi-Fi定位的信道状态信息特征提取方法，其特征在于：以多维主成分分析为基础进行CSI维度约减，并在尽可能保持原始CSI数据变化信息的前提下，于张量各维度上提取最显著的信号成分，引入交替迭代最小二乘算法AILS来求解投影矩阵的最优解，并得到最终的约减张量，最后，将重构得到的张量作为CSI位置指纹实现特征提取。
2.根据权利要求1所述的面向室内Wi-Fi定位的信道状态信息特征提取方法，其特征在于：本方法具体包括以下步骤：
S1：在Nf个参考点RP处分别采集到来自同一个无线接入点AP的信道状态信息CSI；
S2：对采集到的CSI进行解析得到CSI幅值，并表示为Nf个X轴为子载波、Y轴为数据包且Z轴为CSI幅值的三维图像，将所述三维图像视为Nf个二元三维张量
Figure FDA0003220360420000011
其中，W1、W2和W3分别为子载波、数据包、幅值这三个维度的维度大小；
S3：将第n个参考点所对应的张量Θn划分为M个各维度大小相等且互不重叠的子张量
Figure FDA0003220360420000012
S4：对第n个参考点的第m个子张量A(m,n)进行去中心化得到
Figure FDA0003220360420000013
其中，
Figure FDA0003220360420000014
S5：将去中心化子张量
Figure FDA0003220360420000015
在第d维上展开为矩阵
Figure FDA0003220360420000016
对协方差矩阵
Figure FDA0003220360420000017
进行特征值分解后得到从大到小排序的特征值，初始化第d维投影矩阵
Figure FDA0003220360420000018
为前Dd个最显著的特征值所对应的特征向量的组合；
S6：利用交替迭代最小二乘算法AILS来求解各维度投影矩阵的最优解
Figure FDA0003220360420000019
和最终的约减张量
Figure FDA00032203604200000110
S7：重复步骤S3-S6，得到第n个参考点的M个约减张量
Figure FDA00032203604200000111
再将这M个约减张量按原位置重构得到张量
Figure FDA00032203604200000112
并将其作为第n个参考点的CSI位置指纹，其中，V1、V2和V3分别为子载波、数据包、幅值这三个维度的维度大小；
S8：重复步骤S3-S7，得到Nf个参考点的CSI位置指纹
Figure FDA00032203604200000113
实现特征提取。
3.根据权利要求1所述的面向室内Wi-Fi定位的信道状态信息特征提取方法，其特征在于：步骤S6具体包括以下步骤：
S61：初始化子张量
Figure FDA0003220360420000021
的约减张量为
Figure FDA0003220360420000022
其能量为
Figure FDA0003220360420000023
S62：当第k次迭代时，先将张量
Figure FDA0003220360420000024
在第d维上展开为矩阵
Figure FDA0003220360420000025
再对协方差矩阵
Figure FDA0003220360420000026
进行特征值分解后得到从大到小排序的特征值，然后更新第d维投影矩阵
Figure FDA0003220360420000027
为前Dd个最显著的特征值所对应的特征向量的组合，利用更新后的
Figure FDA0003220360420000028
更新
Figure FDA0003220360420000029
S63：重复步骤S62依次更新第1维至第3维的投影矩阵后即完成一次迭代；
S64：获取第k次迭代的约减张量
Figure FDA00032203604200000210
以及该约减张量的能量
Figure FDA00032203604200000211
S65：如果相邻两次迭代所得能量的差值(η(k,n)-η((k-1),n))小于预先设定的阈值，则满足收敛要求，输出各维度的投影矩阵并将第k次迭代的约减张量
Figure FDA00032203604200000212
作为最终的约减张量
Figure FDA00032203604200000213
反之，重复步骤S62至步骤S64直到满足收敛要求。
CN202110955570.6A 2021-08-19 2021-08-19 一种面向室内Wi-Fi定位的信道状态信息特征提取方法 Active CN113676857B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110955570.6A CN113676857B (zh) 2021-08-19 2021-08-19 一种面向室内Wi-Fi定位的信道状态信息特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110955570.6A CN113676857B (zh) 2021-08-19 2021-08-19 一种面向室内Wi-Fi定位的信道状态信息特征提取方法

Publications (2)

Publication Number Publication Date
CN113676857A true CN113676857A (zh) 2021-11-19
CN113676857B CN113676857B (zh) 2023-05-26

Family

ID=78544109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110955570.6A Active CN113676857B (zh) 2021-08-19 2021-08-19 一种面向室内Wi-Fi定位的信道状态信息特征提取方法

Country Status (1)

Country Link
CN (1) CN113676857B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114268904A (zh) * 2021-11-29 2022-04-01 西安电子科技大学 室内移动目标三维定位方法、介质、计算机设备及应用

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013085516A1 (en) * 2011-12-08 2013-06-13 Intel Corporation Location sensing using channel fading fingerprinting
US20170168991A1 (en) * 2015-12-10 2017-06-15 Significs And Elements, Llc Systems and methods for selective expansive recursive tensor analysis
CN108834041A (zh) * 2018-05-18 2018-11-16 哈尔滨工业大学 基于张量重建的室内位置指纹定位Radio Map建立方法
CN109738861A (zh) * 2018-12-12 2019-05-10 重庆邮电大学 一种基于Wi-Fi信道状态信息的三维联合估计方法
CN111479231A (zh) * 2020-04-17 2020-07-31 西安交通大学 一种用于毫米波大规模mimo系统的室内指纹定位方法
CN111757250A (zh) * 2020-05-27 2020-10-09 重庆邮电大学 一种基于张量分解的信道状态信息定位指纹构造方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013085516A1 (en) * 2011-12-08 2013-06-13 Intel Corporation Location sensing using channel fading fingerprinting
US20170168991A1 (en) * 2015-12-10 2017-06-15 Significs And Elements, Llc Systems and methods for selective expansive recursive tensor analysis
CN108834041A (zh) * 2018-05-18 2018-11-16 哈尔滨工业大学 基于张量重建的室内位置指纹定位Radio Map建立方法
CN109738861A (zh) * 2018-12-12 2019-05-10 重庆邮电大学 一种基于Wi-Fi信道状态信息的三维联合估计方法
CN111479231A (zh) * 2020-04-17 2020-07-31 西安交通大学 一种用于毫米波大规模mimo系统的室内指纹定位方法
CN111757250A (zh) * 2020-05-27 2020-10-09 重庆邮电大学 一种基于张量分解的信道状态信息定位指纹构造方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MU ZHOU: "Integrated Statistical Test of Signal Distributions and Access Point Contributions for Wi-Fi Indoor Localization", IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY *
YUEXIN LONG: "Indoor CSI fingerprint localization based on tensor decomposition", 2020 IEEE/CIC INTERNATIONAL CONFERENCE ON COMMUNICATIONS IN CHINA *
杨小龙;吴世明;周牧;谢良波;王嘉诚;: "室内穿墙场景下的无源人体目标检测算法", 电子与信息学报 *
马连韬;王亚沙;彭广举;赵宇昕;何远舵;高敬月;: "基于公交车轨迹数据的道路GPS环境友好性评估", 计算机研究与发展 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114268904A (zh) * 2021-11-29 2022-04-01 西安电子科技大学 室内移动目标三维定位方法、介质、计算机设备及应用
CN114268904B (zh) * 2021-11-29 2022-09-30 西安电子科技大学 室内移动目标三维定位方法、介质、计算机设备及应用

Also Published As

Publication number Publication date
CN113676857B (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
CN111757250B (zh) 一种基于张量分解的信道状态信息定位指纹构造方法
Levie et al. Pathloss prediction using deep learning with applications to cellular optimization and efficient D2D link scheduling
CN114154545B (zh) 强互干扰条件下无人机测控信号智能识别方法
CN113344220B (zh) 一种联邦学习中基于局部模型梯度的用户筛选方法、系统、设备及存储介质
CN110413655B (zh) 一种基于改进隐马尔科夫模型的楼层识别方法
CN103116761A (zh) 一种针对图像序列的动态纹理识别方法
CN110300372A (zh) 一种基于位置指纹的wifi室内定位方法
Wang et al. Multi-classification of UWB signal propagation channels based on one-dimensional wavelet packet analysis and CNN
CN113676857A (zh) 一种面向室内Wi-Fi定位的信道状态信息特征提取方法
US20220386264A1 (en) Indoor target positioning method based on improved convolutional neural network model
CN103093431A (zh) 基于pca字典和结构先验信息的压缩感知重构方法
CN114757224A (zh) 一种基于持续学习和联合特征提取的特定辐射源识别方法
US8847948B2 (en) 3D model comparison
Parralejo et al. Comparative study of different BLE fingerprint reconstruction techniques
CN117221816A (zh) 一种基于Wavelet-CNN的多建筑楼层定位方法
CN108111973A (zh) 一种基于实时指纹获取的室内定位方法与装置
Zhang et al. Indoor 3D dynamic reconstruction fingerprint matching algorithm in 5G ultra-dense network
Zhang et al. Cross-domain gesture recognition via learning spatiotemporal features in Wi-Fi sensing
CN113805142B (zh) 一种基于联邦学习的建筑物楼层室内定位方法
CN109495197A (zh) 一种自适应宽带合作压缩频谱感知方法
CN115002703A (zh) 一种基于Wi-Fi信道状态信息的被动式室内人数检测方法
Mhedhbi et al. Constrained lmds technique for human motion and gesture estimation
CN115660042A (zh) 一种基于rfid设备的三维睡姿检测方法
CN112883905A (zh) 基于粗粒度时频特征与多层级融合学习的人体行为识别方法
CN111372211A (zh) 一种基于集成学习的智能手机WiFi室内定位方法

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