基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

基于质量评价的辐射源定位精度提升方法

针对辐射源定位精度受限于测量环境、监测设备等因素的问题，提出一种基于质量评价的测量精度提升（MAI）方法。根据监测设备的误差范围，将每个观测点可能的取值区间均分为若干段，每段取中值作为测量值；将所有测点可能的取值重新组合后，计算得到多个结果和质量评价指标，并选择评价指标最好的结果作为测量结果。所提方法与基于到达信号强度（SOA）的辐射源定位方法相结合，将复相关系数、位置偏差系数、信号强度方差作为评价指标，以复相关系数接近于1且位置偏差系数小于某指定值的结果为有效结果，有效结果中信号强度方差最小的即为最终的测量结果。为提高计算性能，在测点数大于5时，对该方法进行了改进：首先将前5个测点使用此定位方法进行计算，并将所有有效结果按信号强度方差排序，取前L个结果与第6个测点的测量值组合，重新计算得到多个结果；然后再排序、取前L个结果，并与下一个测点重新组合计算，直到所有的测点都参与组合计算，最后得出结果。仿真实验结果表明，所提方法可以在不增加硬件成本的条件下，以牺牲计算性能为代价，大幅度提升定位精度。     

放大器故障2例

（1）机顶盒低频段无信号 诸城市广电网络传输84套数字电视节目，维修人员去用户家中检查，开机看电视，确如用户反映的情况，用机项盒节目信息键调节目信息如信号强度、栽噪比等均无指示，用场强仪测量用户信号电平，低频段为71dB左右，高频段为65dB左右。再把信号注入电视机射频输入，低频段节目效果很差。不能正常收看。     

基于WI-FI的井下定位算法研究

基于射频指纹的室内定位算法有很多,现提出基于射频指纹的应用在煤矿巷道这种特有的环境特征的一种新的定位算法。根据无线信号的衰减特性,将距离接入点3m处的接收信号强度值设为阈值,若设备接收的信号强度值大于阈值则直接定位到此接入点处。若信号强度低于阈值,则根据射频指纹数据库数据得到估计位置。在煤矿中移动目标的速度一般小于10m/s,根据这一特征,算法中设定前后两次的定位位置不能超过10 m;若超过10 m,则取前一秒的定位位置与该秒采用数据库匹配得出的位置的中点。将这些特征应用到射频指纹定位算法中可以非常有效的减少环境对信号强度的影响。通过实验表明,该定位算法具有较高的定位精度。     

发热掉线:让无线网卡裸奔

朋友给了一块磊科的NW330无线网卡,说是时间一长发热量就很高。于是笔者用了几天,发现发热量很高,时间一长甚至有些烫手。而且这块无线网卡发热量升高之后,就会出现不稳定现象,不但速度变慢,而且还经常掉线。于是上网求助,看看有没有解决方案。没想到,竟然有高人指点。于是参照他的意见,使用裁纸刀插入塑料外壳的中缝,将塑料外壳撬开。如此一来,无线网卡就处于裸奔状态了(图1)。由于少了一层塑料外壳,所以散热改善明显,不但不烫手,而且也不再掉线了。     

自己动手增益无线网络

家里的无线路由器因墙壁阻隔或距离远等原因信号不好,致使处于部分位置的设备不能上网。这时我们可以通过各种增益无线信号强度的办法解决问题。没信号该怎么办？难道只有换路由器了吗？其实可以通过自己动手增益无线网络。本文将教给大家如何通过更换外置天线、刷第三方固件和中继的方法来增大无线路由器信号的覆盖范围。     

10个窍门改进无线局域网传输速率

无线局域网(WLAN)在中小企业办公室的应用越来越普及,但是对无线产品的安装却是个大学问,接收无线信号的好坏将决定桌面设备传输速率的高低。如果想提高无线网络的信号强度,你不妨尝试本文推荐的10个窍门,它可以扩展无线网络的连接距离,增加信号强度,并改进网络性能。1.无线路由器(或无线接入点)放置在中央位置尽量把无线路由器放置在所在区域的中央位置。无线路由器的信号在房间的其他部位将会变得较弱。     

基于n元距离组的无线室内定位算法

由于无线信号在传播过程中受到反射、衍射、多经效应和天线方向等的影响,使用传统的定位算法并不能达到很好的精度。实验数据显示RSS值(接收信号强度)与物理距离之间存在多对多的现象,针对这一固有特性,提出了n元距离组的定位算法。在数据集的获取过程中采用高斯滤波对RSS值进行优化处理,通过计算待定位点与数据集中的RSS值的相似性得到映射距离集合;为了减小干扰点的影响,对距离集合使用K-means聚类算法进行分类。实验结果表明,该算法能有效地减小环境的影响,达到较好的定位精度,比传统算法更优越。     

无线通信下参数化室内定位技术研究与仿真

随着数据业务和多媒体业务的快速增加,人们对定位与导航的需求日益增大,尤其是在复杂的室内环境中,定位精度是衡量室内定位技术的主要指标之一。本文首先分析传统的TOA、TDOA和RSSI室内定位方法,接着研究分析了新的室内定位方法,并进行了仿真分析。仿真结果表明,本文的定位方法要优于传统的室内定位方法。     

基于RSSI距离修正的WSNs定位算法

针对无线传感器网络(WSNs)易受外界因素影响,导致三边定位的锚圆不能相交的情况,提出了一种接收信号强度指示(RSSI)距离修正定位算法。通过对锚圆半径进行修正,形成3个锚圆相交的区域,然后用加权定位法对未知节点进行准确定位。仿真和实验结果表明:在6 m×10 m的区域范围内,该算法的平均定位误差为0.62 m,和其他定位方法相比,有更好的定位精度。