CN115932721B - 超宽带射频天线的近距离探测系统及其方法 - Google Patents
超宽带射频天线的近距离探测系统及其方法 Download PDFInfo
- Publication number
- CN115932721B CN115932721B CN202211612254.XA CN202211612254A CN115932721B CN 115932721 B CN115932721 B CN 115932721B CN 202211612254 A CN202211612254 A CN 202211612254A CN 115932721 B CN115932721 B CN 115932721B
- Authority
- CN
- China
- Prior art keywords
- time
- flight
- vector
- feature
- feature vector
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000013598 vector Substances 0.000 claims abstract description 450
- 230000006854 communication Effects 0.000 claims abstract description 95
- 238000004891 communication Methods 0.000 claims abstract description 89
- 238000000605 extraction Methods 0.000 claims abstract description 70
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 238000012937 correction Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 65
- 238000005457 optimization Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000012549 training Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
Images
Classifications
-
- 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
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及智能探测技术领域,其具体地公开了一种超宽带射频天线的近距离探测系统及其方法,其通过多尺度邻域特征提取模块提取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值的多尺度时序特征;然后,计算第一飞行时间特征与第二飞行时间特征之间的按位置均值来得到测距输入向量,并基于第一飞行时间特征与第二飞行时间特征之间的联立表达来对测距输入向量进行特征分布校正,并通过解码器来进行解码回归以得到用于表示第一超宽带通信设备和第一超宽带通信标签之间的距离测量值。这样,可以提高超宽带射频天线的近距离探测的精准度。
Description
技术领域
本申请涉及智能探测技术领域,且更为具体地,涉及一种超宽带射频天线的近距离探测系统及其方法。
背景技术
超宽带射频天线是应用十分广泛的电子器件,其在距离探测方面具有优异的性能表现。超宽带测距主要采用双向测距方法(Two-way Ranging)方法,超宽带通信基站主动发送通信数据,同时记录发送时间戳,超宽带通信标签接收到之后记录时间戳,延时之后,超宽带通信标签发送数据,同时记录发送时间戳,超宽带通信基站接收数据,同时记录接收时间戳,并基于所得到的两个时间差数据来进行距离测量。
但是,通信基站与通信标签之间会存在微小的时钟偏移,且在通信过程中会存在通信干扰,这种通信干扰在近距离探测时会更加明显。
因此,期待一种优化的超宽带射频天线的近距离探测方案。
发明内容
为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种超宽带射频天线的近距离探测系统及其方法,其通过第一多尺度邻域特征提取模块和第二多尺度邻域特征提取模块提取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值的多尺度时序关联特征;然后,计算第一飞行时间特征与第二飞行时间特征之间的按位置均值,进一步构建第一飞行时间特征与第二飞行时间特征之间的飞行时间关联特征矩阵,并基于此对按位置均值进行特征分布校正,以此生成第一超宽带通信设备和第一超宽带通信标签之间的距离测量值。这样,可以提高超宽带射频天线的近距离探测的精准度。
根据本申请的一个方面,提供了一种超宽带射频天线的近距离探测系统,其包括:探测数据采集模块,用于获取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值;通信设备端数据编码模块,用于将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量;通信标签端数据编码模块,用于将所述多个第二飞行时间值排列为第二飞行时间输入向量后通过第二多尺度邻域特征提取模块以得到第二飞行时间特征向量;优化模块,用于分别对所述第一飞行时间特征向量和所述第二飞行时间特征向量进行特征分布优化以得到优化后第一飞行时间特征向量和优化后第二飞行时间特征向量;关联编码模块,用于对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵;整合模块,用于计算所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的按位置均值以得到测距输入向量;查询校正模块,用于以所述测距输入向量作为查询向量与所述飞行时间关联特征矩阵进行相乘以得到校正后测距输入向量;以及距离探测值生成模块,用于将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值。
在上述超宽带射频天线的近距离探测系统中,所述通信设备端数据编码模块,包括:第一时序尺度特征提取单元,用于将所述第一飞行时间输入向量输入所述第一多尺度邻域特征提取模块的第一卷积层以得到第一时序尺度特征向量,其中,所述第一卷积层具有第一长度的第一一维卷积核;第二时序尺度特征提取单元,用于将所述第一飞行时间输入向量输入所述第一多尺度邻域特征提取模块的第二卷积层以得到第二时序尺度特征向量,其中,所述第二卷积层具有第二长度的第二一维卷积核,所述第一长度不同于所述第二长度;以及,第一多尺度级联单元,用于将所述第一时序尺度特征向量和所述第二时序尺度特征向量进行级联以得到所述第一飞行时间特征向量。
在上述超宽带射频天线的近距离探测系统中,所述第一时序尺度特征提取单元,进一步用于:使用所述第一多尺度邻域特征提取模块的第一卷积层以如下公式对所述第一飞行时间输入向量进行一维卷积编码以得到所述第一时序尺度特征向量;其中,所述公式为:
在上述超宽带射频天线的近距离探测系统中,所述第二时序尺度特征提取单元,进一步用于:使用所述第一多尺度邻域特征提取模块的第二卷积层以如下公式对所述第一飞行时间输入向量进行一维卷积编码以得到所述第二时序尺度特征向量;其中,所述公式为:
在上述超宽带射频天线的近距离探测系统中,所述优化模块,包括:第一权重计算单元,用于以如下公式计算所述第一飞行时间特征向量的多分布二元分类连续性因数作为第一权重;其中,所述公式为:
其中,表示所述第一飞行时间特征向量,/>表示基于所述第一飞行时间特征向量/>的参考特征向量,例如可以设置为其均值特征向量,/>表示按位置作差, />表示所述第一权重,/>表示特征向量通过解码器所获得的解码值,/>表示以2为底的对数函数,/>表示向量的二范数;第二权重计算单元,用于以如下公式计算所述第二飞行时间特征向量的多分布二元分类连续性因数作为第二权重;其中,所述公式为:
其中,表示所述第二飞行时间特征向量,/>表示基于所述第二飞行时间特征向量/>的参考特征向量,例如可以设置为其均值特征向量,/>表示按位置作差,/>表示所述第二权重,/>表示特征向量通过解码器所获得的解码值,/>表示以2为底的对数函数,/>表示向量的二范数;以及,加权优化单元,用于以所述第一权重对所述第一飞行时间特征向量进行加权优化以得到所述优化后第一飞行时间特征向量,以所述第二权重对所述第二飞行时间特征向量进行加权优化以得到所述优化后第二飞行时间特征向量。
在上述超宽带射频天线的近距离探测系统中,所述关联编码模块,进一步用于:以如下公式对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵;其中,所述公式为:
在上述超宽带射频天线的近距离探测系统中,所述距离探测值生成模块,进一步用于:使用所述解码器以如下公式对所述校正后测距输入向量进行解码回归以得到所述解码值;其中,所述公式为:,其中/>表示所述校正后测距输入向量,/>表示解码值,/>表示权重矩阵,/>表示偏置向量,/>表示矩阵乘。
根据本申请的另一个方面,提供了一种超宽带射频天线的近距离探测方法,其包括:获取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值;将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量;将所述多个第二飞行时间值排列为第二飞行时间输入向量后通过第二多尺度邻域特征提取模块以得到第二飞行时间特征向量;分别对所述第一飞行时间特征向量和所述第二飞行时间特征向量进行特征分布优化以得到优化后第一飞行时间特征向量和优化后第二飞行时间特征向量;对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵;计算所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的按位置均值以得到测距输入向量;以所述测距输入向量作为查询向量与所述飞行时间关联特征矩阵进行相乘以得到校正后测距输入向量;以及将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值。
与现有技术相比,本申请提供的超宽带射频天线的近距离探测系统及其方法,其通过第一多尺度邻域特征提取模块和第二多尺度邻域特征提取模块提取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值的多尺度时序关联特征;然后,计算第一飞行时间特征与第二飞行时间特征之间的按位置均值,进一步构建第一飞行时间特征与第二飞行时间特征之间的飞行时间关联特征矩阵,并基于此对按位置均值进行特征分布校正,以此生成第一超宽带通信设备和第一超宽带通信标签之间的距离测量值。这样,可以提高超宽带射频天线的近距离探测的精准度。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1为根据本申请实施例的超宽带射频天线的近距离探测系统的应用场景图。
图2为根据本申请实施例的超宽带射频天线的近距离探测系统的框图。
图3为根据本申请实施例的超宽带射频天线的近距离探测系统中所述通信设备端数据编码模块的框图。
图4为根据本申请实施例的超宽带射频天线的近距离探测系统中所述优化模块的框图。
图5为根据本申请实施例的超宽带射频天线的近距离探测方法的流程图。
图6为根据本申请实施例的超宽带射频天线的近距离探测方法的系统架构的示意图。
具体实施方式
下面,将参考附图详细地描述根据本申请的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
场景概述:如上所述,在利用超宽带射频天线进行近距离探测时,一方面通信基站与通信标签之间会存在微小的时钟偏移,另一方面在通信过程中会存在通信干扰,这种通信干扰在近距离探测时会更加明显。因此,期待一种优化的超宽带射频天线的近距离探测方案。
相应地,在本申请的技术方案中,本申请的申请人考虑到:虽然通信基站与通信标签之间会存在微小的时钟偏移,且在通信过程中会存在通信干扰,但上述偏差都会反映在测量数据中,也就是,如果能够以特定的数据处理方案对通信基站和通信标签所提供的通信数据进行处理,以挖掘出上述隐含信息,就可以提高近距离探测的精准度。
具体地,首先获取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值。应可以理解,在所述超宽带射频天线的近距离探测方案中,超宽带通信设备和超宽带通信标签采用双向测距方法进行运转,为了避免单个测量值存在异常值的情况,进行多次双向测距以得到所述多个第一飞行时间值和所述多个第二飞行时间值。
接着,将所述将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量,以及,将所述多个第二飞行时间值排列为第二飞行时间输入向量后通过第二多尺度邻域特征提取模块以得到第二飞行时间特征向量。也就是,在本申请的技术方案中,以包含多个并行的一维卷积层的多尺度邻域特征提取模块作为特征提取器来挖掘所述多个第一飞行时间值的多尺度时序关联特征和所述多个第二飞行时间值的多尺度时序关联特征。这里,所述多个第一飞行时间值的多尺度时序关联特征和所述多个第二飞行时间值的多尺度时序关联特征表示所述超宽带通信基站和所述超宽带通信标签在通信过程中所蕴含的通信高维隐含特征信息,包括通信基站与通信标签之间存在的微小的时钟偏移信息和通信干扰信息。
值得一提的是,相较于传统的特征工程,所述多尺度邻域特征提取模块本质上是一个基于深度学习的深度神经网络模型,其能够通过预定训练策略来拟合任何函数功能,且具有更高的特征提取泛化能力。
进一步地,在本申请的技术方案中,所述超宽带通信基站和所述超宽带通信标签之间的距离可以所述第一飞行时间特征向量和所述第二飞行时间特征向量之间的按位置均值向量来表示,即,计算所述第一飞行时间特征向量和所述第二飞行时间特征向量之间的按位置均值以得到测距输入向量。但是,因所述第一飞行时间特征向量和所述第二飞行时间特征向量侧重于一个方向的特征表达(即,特征具有各向分布异性),因此,如果直接以两者的按位置均值向量并通过解码器来进行距离解码,会发生解码偏移而导致解码精准度难以保证。
针对上述技术问题,在本申请的技术方案中,首先构建所述第一飞行时间特征向量和所述第二飞行时间特征向量之间的飞行时间关联特征矩阵,并基于所述飞行时间关联特征矩阵来对所述测距输入向量进行特征分布校正以提高所述测距输入向量的解码编码精准度。也就是,以所述超宽带通信基站和所述超宽带通信标签的全时序空间的测量特征关联表示来模拟所述超宽带通信基站和所述超宽带通信标签之间的通信环境,并以此来对所述测距输入向量进行特征值校正以得到校正后测距输入向量,进而将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值,通过这样的方式,提高超宽带射频天线的近距离探测的精准度。
特别地,在本申请的技术方案中,对所述第一飞行时间特征向量和所述第二飞行时间特征向量进行关联编码得到的所述飞行时间关联特征矩阵可以表示所述第一飞行时间特征向量和所述第二飞行时间特征向量之间的按位置特征关联分布,而由于计算所述第一飞行时间特征向量和所述第二飞行时间特征向量之间的按位置均值得到的所述测距输入向量需要作为查询向量与所述飞行时间关联特征矩阵进行相乘,因此其期望所述飞行时间关联特征矩阵作为特征向量之间的按位置特征关联分布也能够表达出所述第一飞行时间特征向量和所述第二飞行时间特征向量之间的高显式相关度,从而与所述第一飞行时间特征向量和所述第二飞行时间特征向量之间的按位置均值分布相适配。
因此,期望提升所述第一飞行时间特征向量和所述第二飞行时间特征向量作为局部特征分布相对于所述飞行时间关联特征矩阵的全局特征分布的显式关联,这通常可以通过对于所述第一飞行时间特征向量和所述第二飞行时间特征向量设置作为超参数的预定权重来实现。但是,由于作为超参数的权重需要在模型训练过程中得到,这会增加模型的训练负担,因而采用计算所述第一飞行时间特征向量和所述第二飞行时间特征向量的多分布二元分类连续性因数的方式来作为所述预定权重,所述多分布二元分类连续性因数表示为:
其中,和/>分别是所述第一飞行时间特征向量和所述第二飞行时间特征向量,是基于所述第一飞行时间特征向量/>和所述第二飞行时间特征向量/>的参考特征向量,例如可以设置为其均值特征向量,/>表示按位置作差,/>表示特征向量通过解码器所获得的解码值。
也就是,为了避免所述第一飞行时间特征向量和所述第二飞行时间特征向量/>在基于特征分布的解码回归任务下,由于其局部特征分布对应的决策边界的过度碎片化而使得向着目标解码回归域的收敛困难,通过计算所述第一飞行时间特征向量/>和所述第二飞行时间特征向量/>的局部特征分布相对于全局平均特征分布的二元分类的类概率偏移分布模信息,来预测所述第一飞行时间特征向量/>和所述第二飞行时间特征向量/>的局部特征分布相对于全局特征分布的分类连续性因数。这样,通过以其作为权重对所述第一飞行时间特征向量/>和所述第二飞行时间特征向量/>进行加权,就可以将超参数在训练中的优化从反向传播转换为基于多分布各自的二元分类的分类问题,从而提高所述飞行时间关联特征矩阵的全局特征分布与所述测距输入向量的特征分布的适配性,以改进所述校正后测距输入向量的解码结果的准确度。
基于此,本申请提供了一种超宽带射频天线的近距离探测系统,其包括:探测数据采集模块,用于获取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值;通信设备端数据编码模块,用于将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量;通信标签端数据编码模块,用于将所述多个第二飞行时间值排列为第二飞行时间输入向量后通过第二多尺度邻域特征提取模块以得到第二飞行时间特征向量;优化模块,用于分别对所述第一飞行时间特征向量和所述第二飞行时间特征向量进行特征分布优化以得到优化后第一飞行时间特征向量和优化后第二飞行时间特征向量;关联编码模块,用于对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵;整合模块,用于计算所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的按位置均值以得到测距输入向量;查询校正模块,用于以所述测距输入向量作为查询向量与所述飞行时间关联特征矩阵进行相乘以得到校正后测距输入向量;以及,距离探测值生成模块,用于将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值。
图1为根据本申请实施例的超宽带射频天线的近距离探测系统的应用场景图。如图1所示,在该应用场景中,首先,获取由第一超宽带通信设备提供的多个第一飞行时间值(例如,图1中所示意的C1)和由第一超宽带通信标签提供的多个第二飞行时间值(例如,图1中所示意的C2)。然后,将获取的多个第一飞行时间值和多个第二飞行时间值输入至部署有超宽带射频天线的近距离探测算法的服务器中(例如,图1中所示意的S),其中,所述服务器能够使用超宽带射频天线的近距离探测算法对所述多个第一飞行时间值和所述多个第二飞行时间值进行处理,以生成解码值,所述解码值为距离测量值。
在介绍了本申请的基本原理之后,下面将参考附图来具体介绍本申请的各种非限制性实施例。
示例性系统:图2为根据本申请实施例的超宽带射频天线的近距离探测系统的框图。如图2所示,根据本申请实施例的超宽带射频天线的近距离探测系统100,包括:探测数据采集模块110,用于获取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值;通信设备端数据编码模块120,用于将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量;通信标签端数据编码模块130,用于将所述多个第二飞行时间值排列为第二飞行时间输入向量后通过第二多尺度邻域特征提取模块以得到第二飞行时间特征向量;优化模块140,用于分别对所述第一飞行时间特征向量和所述第二飞行时间特征向量进行特征分布优化以得到优化后第一飞行时间特征向量和优化后第二飞行时间特征向量;关联编码模块150,用于对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵;整合模块160,用于计算所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的按位置均值以得到测距输入向量;查询校正模块170,用于以所述测距输入向量作为查询向量与所述飞行时间关联特征矩阵进行相乘以得到校正后测距输入向量;以及,距离探测值生成模块180,用于将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值。
具体地,在本申请实施例中,所述探测数据采集模块110,用于获取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值。如前所述,在利用超宽带射频天线进行近距离探测时,一方面通信基站与通信标签之间会存在微小的时钟偏移,另一方面在通信过程中会存在通信干扰,这种通信干扰在近距离探测时会更加明显。因此,期待一种优化的超宽带射频天线的近距离探测方案。
相应地,在本申请的技术方案中,本申请的申请人考虑到:虽然通信基站与通信标签之间会存在微小的时钟偏移,且在通信过程中会存在通信干扰,但上述偏差都会反映在测量数据中,也就是,如果能够以特定的数据处理方案对通信基站和通信标签所提供的通信数据进行处理,以挖掘出上述隐含信息,就可以提高近距离探测的精准度。
具体地,首先获取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值。应可以理解,在所述超宽带射频天线的近距离探测方案中,超宽带通信设备和超宽带通信标签采用双向测距方法进行运转,为了避免单个测量值存在异常值的情况,进行多次双向测距以得到所述多个第一飞行时间值和所述多个第二飞行时间值。
具体地,在本申请实施例中,所述通信设备端数据编码模块120和所述通信标签端数据编码模块130,用于将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量;以及,用于将所述多个第二飞行时间值排列为第二飞行时间输入向量后通过第二多尺度邻域特征提取模块以得到第二飞行时间特征向量。
接着,将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量,以及,将所述多个第二飞行时间值排列为第二飞行时间输入向量后通过第二多尺度邻域特征提取模块以得到第二飞行时间特征向量。也就是,在本申请的技术方案中,以包含多个并行的一维卷积层的多尺度邻域特征提取模块作为特征提取器来挖掘所述多个第一飞行时间值的多尺度时序关联特征和所述多个第二飞行时间值的多尺度时序关联特征。
这里,所述多个第一飞行时间值的多尺度时序关联特征和所述多个第二飞行时间值的多尺度时序关联特征表示所述超宽带通信基站和所述超宽带通信标签在通信过程中所蕴含的通信高维隐含特征信息,包括通信基站与通信标签之间存在的微小的时钟偏移信息和通信干扰信息。
在本申请实施例中,图3为根据本申请实施例的超宽带射频天线的近距离探测系统中所述通信设备端数据编码模块的框图,如图3所示,所述通信设备端数据编码模块,包括:第一时序尺度特征提取单元210,用于将所述第一飞行时间输入向量输入所述第一多尺度邻域特征提取模块的第一卷积层以得到第一时序尺度特征向量,其中,所述第一卷积层具有第一长度的第一一维卷积核;第二时序尺度特征提取单元220,用于将所述第一飞行时间输入向量输入所述第一多尺度邻域特征提取模块的第二卷积层以得到第二时序尺度特征向量,其中,所述第二卷积层具有第二长度的第二一维卷积核,所述第一长度不同于所述第二长度;以及,第一多尺度级联单元230,用于将所述第一时序尺度特征向量和所述第二时序尺度特征向量进行级联以得到所述第一飞行时间特征向量。
值得一提的是,相较于传统的特征工程,所述多尺度邻域特征提取模块本质上是一个基于深度学习的深度神经网络模型,其能够通过预定训练策略来拟合任何函数功能,且具有更高的特征提取泛化能力。这里,通过包含多个并行的一维卷积层的多尺度邻域特征提取模块作为特征提取器可以挖掘出所述多个第一飞行时间值的多尺度时序关联特征和所述多个第二飞行时间值的多尺度时序关联特征。
具体地,在本申请实施例中,所述优化模块140,用于分别对所述第一飞行时间特征向量和所述第二飞行时间特征向量进行特征分布优化以得到优化后第一飞行时间特征向量和优化后第二飞行时间特征向量。特别地,在本申请的技术方案中,对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码得到的所述飞行时间关联特征矩阵可以表示所述第一飞行时间特征向量和所述第二飞行时间特征向量之间的按位置特征关联分布。而由于计算所述第一飞行时间特征向量和所述第二飞行时间特征向量之间的按位置均值得到的所述测距输入向量需要作为查询向量与所述飞行时间关联特征矩阵进行相乘,因此其期望所述飞行时间关联特征矩阵作为特征向量之间的按位置特征关联分布也能够表达出所述第一飞行时间特征向量和所述第二飞行时间特征向量之间的高显式相关度,从而与所述第一飞行时间特征向量和所述第二飞行时间特征向量之间的按位置均值分布相适配。
因此,期望提升所述第一飞行时间特征向量和所述第二飞行时间特征向量作为局部特征分布相对于所述飞行时间关联特征矩阵的全局特征分布的显式关联,这通常可以通过对于所述第一飞行时间特征向量和所述第二飞行时间特征向量设置作为超参数的预定权重来实现。但是,由于作为超参数的权重需要在模型训练过程中得到,这会增加模型的训练负担,因而采用计算所述第一飞行时间特征向量和所述第二飞行时间特征向量的多分布二元分类连续性因数的方式来作为所述预定权重。
在本申请实施例中,图4为根据本申请实施例的超宽带射频天线的近距离探测系统中所述优化模块的框图,如图4所示,所述优化模块,包括:第一权重计算单元310,用于以如下公式计算所述第一飞行时间特征向量的多分布二元分类连续性因数作为第一权重;其中,所述公式为:
其中,表示所述第一飞行时间特征向量,/>表示基于所述第一飞行时间特征向量/>的参考特征向量,例如可以设置为其均值特征向量,/>表示按位置作差,/>表示所述第一权重,/>表示特征向量通过解码器所获得的解码值,/>表示以2为底的对数函数,/>表示向量的二范数;第二权重计算单元320,用于以如下公式计算所述第二飞行时间特征向量的多分布二元分类连续性因数作为第二权重;其中,所述公式为:
其中,表示所述第二飞行时间特征向量,/>表示基于所述第二飞行时间特征向量/>的参考特征向量,例如可以设置为其均值特征向量,/>表示按位置作差,/>表示所述第二权重,/>表示特征向量通过解码器所获得的解码值,/>表示以2为底的对数函数,/>表示向量的二范数;以及,加权优化单元330,用于以所述第一权重对所述第一飞行时间特征向量进行加权优化以得到所述优化后第一飞行时间特征向量,以所述第二权重对所述第二飞行时间特征向量进行加权优化以得到所述优化后第二飞行时间特征向量。
也就是,为了避免所述第一飞行时间特征向量和所述第二飞行时间特征向量/>在基于特征分布的解码回归任务下,由于其局部特征分布对应的决策边界的过度碎片化而使得向着目标解码回归域的收敛困难,通过计算所述第一飞行时间特征向量/>和所述第二飞行时间特征向量/>的局部特征分布相对于全局平均特征分布的二元分类的类概率偏移分布模信息,来预测所述第一飞行时间特征向量/>和所述第二飞行时间特征向量/>的局部特征分布相对于全局特征分布的分类连续性因数。这样,通过以其作为权重对所述第一飞行时间特征向量/>和所述第二飞行时间特征向量/>进行加权,就可以将超参数在训练中的优化从反向传播转换为基于多分布各自的二元分类的分类问题,从而提高所述飞行时间关联特征矩阵的全局特征分布与所述测距输入向量的特征分布的适配性,以改进所述校正后测距输入向量的解码结果的准确度。
具体地,在本申请实施例中,所述关联编码模块150,用于对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵。进一步地,对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码得到的所述飞行时间关联特征矩阵可以表示所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的按位置特征关联分布。
进一步地,以如下公式对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵;其中,所述公式为:
具体地,在本申请实施例中,所述整合模块160和所述查询校正模块170,用于计算所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的按位置均值以得到测距输入向量;以及,用于以所述测距输入向量作为查询向量与所述飞行时间关联特征矩阵进行相乘以得到校正后测距输入向量。
进一步地,在本申请的技术方案中,所述超宽带通信基站和所述超宽带通信标签之间的距离可以所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的按位置均值向量来表示,即,计算所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的按位置均值以得到测距输入向量。但是,因所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量侧重于一个方向的特征表达(即,特征具有各向分布异性),因此,如果直接以两者的按位置均值向量并通过解码器来进行距离解码,会发生解码偏移而导致解码精准度难以保证。
针对上述技术问题,在本申请的技术方案中,首先构建所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的飞行时间关联特征矩阵,并基于所述飞行时间关联特征矩阵来对所述测距输入向量进行特征分布校正以提高所述测距输入向量的解码编码精准度。也就是,以所述超宽带通信基站和所述超宽带通信标签的全时序空间的测量特征关联表示来模拟所述超宽带通信基站和所述超宽带通信标签之间的通信环境,并以此来对所述测距输入向量进行特征值校正以得到校正后测距输入向量,进而将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值,通过这样的方式,提高超宽带射频天线的近距离探测的精准度。
具体地,在本申请实施例中,所述距离探测值生成模块180,用于将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值。将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值,通过这样的方式,提高超宽带射频天线的近距离探测的精准度。
进一步地,使用所述解码器以如下公式对所述校正后测距输入向量进行解码回归以得到所述解码值;其中,所述公式为:,其中/>表示所述校正后测距输入向量,/>表示解码值,/>表示权重矩阵,/>表示偏置向量,/>表示矩阵乘。
综上,基于本申请实施例的超宽带射频天线的近距离探测系统100被阐明,其通过第一多尺度邻域特征提取模块和第二多尺度邻域特征提取模块提取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值的多尺度时序关联特征;然后,计算第一飞行时间特征与第二飞行时间特征之间的按位置均值,进一步构建第一飞行时间特征与第二飞行时间特征之间的飞行时间关联特征矩阵,并基于此对按位置均值进行特征分布校正,以此生成第一超宽带通信设备和第一超宽带通信标签之间的距离测量值。这样,可以提高超宽带射频天线的近距离探测的精准度。
示例性方法:图5为根据本申请实施例的超宽带射频天线的近距离探测方法的流程图。如图5所示,根据本申请实施例的超宽带射频天线的近距离探测方法,其包括:S110,获取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值;S120,将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量;S130,将所述多个第二飞行时间值排列为第二飞行时间输入向量后通过第二多尺度邻域特征提取模块以得到第二飞行时间特征向量;S140,分别对所述第一飞行时间特征向量和所述第二飞行时间特征向量进行特征分布优化以得到优化后第一飞行时间特征向量和优化后第二飞行时间特征向量;S150,对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵;S160,计算所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的按位置均值以得到测距输入向量;S170,以所述测距输入向量作为查询向量与所述飞行时间关联特征矩阵进行相乘以得到校正后测距输入向量;以及,S180,将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值。
图6为根据本申请实施例的超宽带射频天线的近距离探测方法的系统架构的示意图。如图6所示,在所述超宽带射频天线的近距离探测方法的系统架构中,首先,获取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值;然后,将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量;接着,将所述多个第二飞行时间值排列为第二飞行时间输入向量后通过第二多尺度邻域特征提取模块以得到第二飞行时间特征向量;然后,分别对所述第一飞行时间特征向量和所述第二飞行时间特征向量进行特征分布优化以得到优化后第一飞行时间特征向量和优化后第二飞行时间特征向量;接着,对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵;然后,计算所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的按位置均值以得到测距输入向量;接着,以所述测距输入向量作为查询向量与所述飞行时间关联特征矩阵进行相乘以得到校正后测距输入向量;以及,最后,将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值。
在一个具体示例中,在上述超宽带射频天线的近距离探测方法中,所述将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量,包括:将所述第一飞行时间输入向量输入所述第一多尺度邻域特征提取模块的第一卷积层以得到第一时序尺度特征向量,其中,所述第一卷积层具有第一长度的第一一维卷积核;将所述第一飞行时间输入向量输入所述第一多尺度邻域特征提取模块的第二卷积层以得到第二时序尺度特征向量,其中,所述第二卷积层具有第二长度的第二一维卷积核,所述第一长度不同于所述第二长度;以及,将所述第一时序尺度特征向量和所述第二时序尺度特征向量进行级联以得到所述第一飞行时间特征向量。
在一个具体示例中,在上述超宽带射频天线的近距离探测方法中,所述将所述第一飞行时间输入向量输入所述第一多尺度邻域特征提取模块的第一卷积层以得到第一时序尺度特征向量,进一步包括:使用所述第一多尺度邻域特征提取模块的第一卷积层以如下公式对所述第一飞行时间输入向量进行一维卷积编码以得到所述第一时序尺度特征向量;其中,所述公式为:
在一个具体示例中,在上述超宽带射频天线的近距离探测方法中,所述将所述第一飞行时间输入向量输入所述第一多尺度邻域特征提取模块的第二卷积层以得到第二时序尺度特征向量,进一步包括:使用所述第一多尺度邻域特征提取模块的第二卷积层以如下公式对所述第一飞行时间输入向量进行一维卷积编码以得到所述第二时序尺度特征向量;其中,所述公式为:
在一个具体示例中,在上述超宽带射频天线的近距离探测方法中,所述分别对所述第一飞行时间特征向量和所述第二飞行时间特征向量进行特征分布优化以得到优化后第一飞行时间特征向量和优化后第二飞行时间特征向量,包括:以如下公式计算所述第一飞行时间特征向量的多分布二元分类连续性因数作为第一权重;其中,所述公式为:
其中,表示所述第一飞行时间特征向量,/>表示基于所述第一飞行时间特征向量/>的参考特征向量,例如可以设置为其均值特征向量,/>表示按位置作差,/>表示所述第一权重,/>表示特征向量通过解码器所获得的解码值,/>表示以2为底的对数函数,/>表示向量的二范数;以如下公式计算所述第二飞行时间特征向量的多分布二元分类连续性因数作为第二权重;其中,所述公式为:
其中,表示所述第二飞行时间特征向量,/>表示基于所述第二飞行时间特征向量/>的参考特征向量,例如可以设置为其均值特征向量,/>表示按位置作差,/>表示所述第二权重,/>表示特征向量通过解码器所获得的解码值,/>表示以2为底的对数函数,/>表示向量的二范数;以及,以所述第一权重对所述第一飞行时间特征向量进行加权优化以得到所述优化后第一飞行时间特征向量,以所述第二权重对所述第二飞行时间特征向量进行加权优化以得到所述优化后第二飞行时间特征向量。
在一个具体示例中,在上述超宽带射频天线的近距离探测方法中,所述对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵,进一步包括:以如下公式对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵;其中,所述公式为:
在一个具体示例中,在上述超宽带射频天线的近距离探测方法中,所述将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值,进一步包括:使用所述解码器以如下公式对所述校正后测距输入向量进行解码回归以得到所述解码值;其中,所述公式为:,其中/>表示所述校正后测距输入向量,/>表示解码值,/>表示权重矩阵,/>表示偏置向量,/>表示矩阵乘。
这里,本领域技术人员可以理解,上述超宽带射频天线的近距离探测方法中的各个步骤的具体操作已经在上面参考图1到图4的超宽带射频天线的近距离探测系统的描述中得到了详细介绍,并因此,将省略其重复描述。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
Claims (10)
1.一种超宽带射频天线的近距离探测系统,其特征在于,包括:
探测数据采集模块,用于获取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值;
通信设备端数据编码模块,用于将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量;
通信标签端数据编码模块,用于将所述多个第二飞行时间值排列为第二飞行时间输入向量后通过第二多尺度邻域特征提取模块以得到第二飞行时间特征向量;
优化模块,用于分别对所述第一飞行时间特征向量和所述第二飞行时间特征向量进行特征分布优化以得到优化后第一飞行时间特征向量和优化后第二飞行时间特征向量;
关联编码模块,用于对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵;
整合模块,用于计算所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的按位置均值以得到测距输入向量;
查询校正模块,用于以所述测距输入向量作为查询向量与所述飞行时间关联特征矩阵进行相乘以得到校正后测距输入向量;以及
距离探测值生成模块,用于将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值。
2.根据权利要求1所述的超宽带射频天线的近距离探测系统,其特征在于,所述通信设备端数据编码模块,包括:
第一时序尺度特征提取单元,用于将所述第一飞行时间输入向量输入所述第一多尺度邻域特征提取模块的第一卷积层以得到第一时序尺度特征向量,其中,所述第一卷积层具有第一长度的第一一维卷积核;
第二时序尺度特征提取单元,用于将所述第一飞行时间输入向量输入所述第一多尺度邻域特征提取模块的第二卷积层以得到第二时序尺度特征向量,其中,所述第二卷积层具有第二长度的第二一维卷积核,所述第一长度不同于所述第二长度;以及
第一多尺度级联单元,用于将所述第一时序尺度特征向量和所述第二时序尺度特征向量进行级联以得到所述第一飞行时间特征向量。
5.根据权利要求4所述的超宽带射频天线的近距离探测系统,其特征在于,所述优化模块,包括:
第一权重计算单元,用于以如下公式计算所述第一飞行时间特征向量的多分布二元分类连续性因数作为第一权重;
其中,所述公式为:
其中,表示所述第一飞行时间特征向量,/>表示基于所述第一飞行时间特征向量/>的参考特征向量,例如可以设置为其均值特征向量,/>表示所述第一权重,表示特征向量通过解码器所获得的解码值,/>表示以2为底的对数函数,表示向量的二范数;
第二权重计算单元,用于以如下公式计算所述第二飞行时间特征向量的多分布二元分类连续性因数作为第二权重;
其中,所述公式为:
其中,表示所述第二飞行时间特征向量,/>表示基于所述第二飞行时间特征向量的参考特征向量,例如可以设置为其均值特征向量,/>表示所述第二权重,表示特征向量通过解码器所获得的解码值,/>表示以2为底的对数函数,表示向量的二范数;以及
加权优化单元,用于以所述第一权重对所述第一飞行时间特征向量进行加权优化以得到所述优化后第一飞行时间特征向量,以所述第二权重对所述第二飞行时间特征向量进行加权优化以得到所述优化后第二飞行时间特征向量。
8.一种超宽带射频天线的近距离探测方法,其特征在于,包括:
获取由第一超宽带通信设备提供的多个第一飞行时间值和由第一超宽带通信标签提供的多个第二飞行时间值;
将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量;
将所述多个第二飞行时间值排列为第二飞行时间输入向量后通过第二多尺度邻域特征提取模块以得到第二飞行时间特征向量;
分别对所述第一飞行时间特征向量和所述第二飞行时间特征向量进行特征分布优化以得到优化后第一飞行时间特征向量和优化后第二飞行时间特征向量;
对所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量进行关联编码以得到飞行时间关联特征矩阵;
计算所述优化后第一飞行时间特征向量和所述优化后第二飞行时间特征向量之间的按位置均值以得到测距输入向量;
以所述测距输入向量作为查询向量与所述飞行时间关联特征矩阵进行相乘以得到校正后测距输入向量;以及
将所述校正后测距输入向量通过解码器以得到解码值,所述解码值为距离测量值。
9.根据权利要求8所述的超宽带射频天线的近距离探测方法,其特征在于,所述将所述多个第一飞行时间值排列为第一飞行时间输入向量后通过第一多尺度邻域特征提取模块以得到第一飞行时间特征向量,包括:
将所述第一飞行时间输入向量输入所述第一多尺度邻域特征提取模块的第一卷积层以得到第一时序尺度特征向量,其中,所述第一卷积层具有第一长度的第一一维卷积核;
将所述第一飞行时间输入向量输入所述第一多尺度邻域特征提取模块的第二卷积层以得到第二时序尺度特征向量,其中,所述第二卷积层具有第二长度的第二一维卷积核,所述第一长度不同于所述第二长度;以及
将所述第一时序尺度特征向量和所述第二时序尺度特征向量进行级联以得到所述第一飞行时间特征向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211612254.XA CN115932721B (zh) | 2022-12-15 | 2022-12-15 | 超宽带射频天线的近距离探测系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211612254.XA CN115932721B (zh) | 2022-12-15 | 2022-12-15 | 超宽带射频天线的近距离探测系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115932721A CN115932721A (zh) | 2023-04-07 |
CN115932721B true CN115932721B (zh) | 2023-06-27 |
Family
ID=86650618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211612254.XA Active CN115932721B (zh) | 2022-12-15 | 2022-12-15 | 超宽带射频天线的近距离探测系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115932721B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101349746A (zh) * | 2008-09-06 | 2009-01-21 | 黄以华 | 一种基于虚拟参考标签算法的无线射频定位方法 |
EP3477329B1 (en) * | 2017-10-26 | 2021-09-29 | SAFEmine AG | System with global positioning and rf time-of-flight ranging for supervising the safety on a site |
CN113989797A (zh) * | 2021-10-26 | 2022-01-28 | 清华大学苏州汽车研究院(相城) | 一种基于体素点云融合的三维动态目标检测方法及装置 |
CN115271221A (zh) * | 2022-08-04 | 2022-11-01 | 中南大学 | 一种城市扩展预测方法、装置、介质及设备 |
CN115329673A (zh) * | 2022-08-15 | 2022-11-11 | 宁波共振运动科技有限公司 | 运动文胸的聚拢性能优化设计系统及其方法 |
CN115462836A (zh) * | 2022-09-26 | 2022-12-13 | 河南中医药大学第一附属医院 | 妇产科临床孕妇产前监测系统 |
-
2022
- 2022-12-15 CN CN202211612254.XA patent/CN115932721B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115932721A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mazuelas et al. | Soft range information for network localization | |
Khan et al. | Angle-of-arrival estimation using an adaptive machine learning framework | |
US10127412B2 (en) | Location estimation and tracking for passive RFID and wireless sensor networks using MIMO systems | |
Gante et al. | Deep learning architectures for accurate millimeter wave positioning in 5G | |
CN106501765B (zh) | 一种基于平方和与半定规划的最大似然波达方向估计方法 | |
CN105652273B (zh) | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 | |
CN107450047B (zh) | 嵌套阵下基于未知互耦信息的压缩感知doa估计方法 | |
JP6951276B2 (ja) | 無線受信機、無線受信方法及び無線システム | |
CN101561490B (zh) | 基于码字结构的盲自适应gps干扰抑制方法 | |
CN110927660B (zh) | 一种基于互质阵列的混合信号波达方向估计方法 | |
CN108768567B (zh) | 一种多径分簇方法、装置、电子设备及可读存储介质 | |
Mahler et al. | An approximate CPHD filter for superpositional sensors | |
CN101644760A (zh) | 一种适用于高分辨阵列的快速鲁棒的信源个数检测方法 | |
Lee et al. | Target identification using bistatic high‐resolution range profiles | |
Guruacharya et al. | On the product of complex Gaussians with applications to radar | |
CN115932721B (zh) | 超宽带射频天线的近距离探测系统及其方法 | |
EP3417311A1 (en) | A method for motion classification using a pulsed radar system | |
Owfi et al. | A Meta-learning based Generalizable Indoor Localization Model using Channel State Information | |
JP5253278B2 (ja) | 多次元データ識別装置、多次元データ識別方法、及び信号到来方向推定装置 | |
WO2017188905A1 (en) | A method for motion classification using a pulsed radar system | |
CN111446998A (zh) | 基于深度学习的波达方向估计方法 | |
Zhou et al. | A high resolution DOA estimating method without estimating the number of sources | |
Kwon et al. | A multi-target detector using mutual information for noise radar systems in low SNR regimes | |
CN104898094A (zh) | 压缩采样阵列的空频二维波束形成方法 | |
CN108736937B (zh) | 一种mimo系统码型分类判决门限的简便求解方法 |
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 |