一种基于蜂窝基站的全空间自定位方法

根据双频相位差测量的双曲线定位原理，提出一种基于蜂窝基站的全空间自定位方法。该方法不需要测量精确的时间差和标淮同步的模拟脉冲。文中首先给出全空间定位的精度分布表达式，然后详细讨论了基于蜂窝基站实现全空间自定位的基站布局可能性以及实时自定位算法。仿真与原理实验表明，基于蜂窝基站自定位方法合理，基站坐标经处理后，无定位盲区、无模糊多解、无解等现象，自定位算法满足实时性和高精度的要求，其中单点定位仿真计算仅需0．13g，理论迭代误差数量级小于10^-4。     

双频-时频信道联合指纹优化室内定位方法

传统信道状态信息（Channel State Information, CSI）指纹定位方法存在以下难题:1）单频段或单域的CSI存在较大维度损失,指纹解译能力差;2）硬件设备的基带设计导致CSI幅度和相位失真,定位稳健性差。因此,针对当前流行的双频WiFi网卡,提出双频-时频信道联合指纹优化室内定位方法。首先通过获取双频段的CSI进行幅度和相位优化,然后从优化后的CSI中提取出双频-时频信道联合指纹。将多个样本的该指纹分别输入到定位模型进行位置候选集构造,再根据候选集合,提出可信位置选择算法,联合优化各个候选位置的核密度函数和权重,选出值得信任的位置进行加权,得到最终位置的最优估计。两个实际场景中的实验结果表明所提定位方法极大地改善了指纹解译能力,较传统方法具有更高的定位精度和稳健性。      

双频基站天线中的反射板形状设计

蜂窝移动通信系统中的基站天线通常由直线阵列加反射板构成,而反射板的形状主要影响天线的前后比特性及水平面辐射方向图.该文对适合于基站天线的几种典型反射板形状进行优选,并采用矩量法线栅技术仿真计算了各种反射板形状对天线辐射性能的影响,根据仿真结果给出了满足基站天线双频辐射要求的反射板形状.     

16单元蜂窝移动通信双频基站天线设计

设计了一种工作在900MHz和1800MHz的16单元的蜂窝移动通信双频基站天线。针对我国移动通信频率,以基站天线的双频工作以及阵列波束赋形为目标,设计了一种满足基站天线双频辐射要求的最佳反射板形状,并通过PSO全局优化算法优化各单元馈电相位并调整其间距以实现垂直面方向图双频波束赋形的目的(即垂直面方向图在所覆盖的服务区域内具有余割波束)。该天线的水平面3dB波瓣宽度达到120,°各单元间耦合较小,并具有在驻波小于2时覆盖我国现行使用的GSM和CDMA系统,2.4GHzWLAN系统以及第三代移动通信系统的工作频段。     

一种新颖的双频单极化基站天线

通过大量的仿真和数据分析对双频天线进行了研究。该双频天线采用L型探针馈电，低频采用单贴片，高频采用双贴片，高频位于低频的正上方。低频段为824-960 MHz，高频段为1710-2170 MHz，高低频增益均在8．5dB以上。适合于作移动通信基站天线，特别适合于2G到3G过渡时期的移动通信系统。     

关于基站覆盖范围小的原因及解决方法

分析了影响移动通信基站覆盖范围小的天线原因、设备原因及环境因素，并针对问题的所在，提出相应的解决办法及防范措施。     

基于速度差补偿的双频连续波雷达室内人体定位方法

目前,用于室内定位的雷达技术为了达到高精度而使用高带宽的调频连续波,这样不仅对设备要求高且杂波干扰大。为降低带宽开销,该文使用双频连续波比相测距机制来实现室内人体定位。在该方法中复杂的室内环境和人体变化的移动速度会造成频谱扩展,导致有效信号信噪比降低,能量发散甚至出现峰值误判,直接降低测速和定位的精度。由此,提出应用于室内环境中的基于双频连续波比相测距的局部速度差补偿算法,以校准频域信号,获取高精度的速度与距离信息。实验结果表明在设备功率提供的测距范围内固定位置均方根误差在9~14 cm内,与已有调频连续波有同等级的测距精度,最终实现了低带宽下的高精度人体定位。同时该系统的算法复杂度较低,能更好地适用于人体轨迹的实时跟踪。     

基于圆形可重构智能超表面阵列的单基站定位方法

无线定位技术在物联网时代至关重要,在室外开阔场景下,GPS可以提供米级精度的定位;而在室内等特殊应用场景,其精确的位置信息则依赖于额外部署的基站来提供。通常而言,一个终端设备的位置信息至少需要3个定位基站同时工作,并通过几何解算的方式来提供。近些年,随着RIS的发展,其灵活性为单基站的高精度定位提供了新思路。基于RIS的单基站定位技术,通过同时估计目标方位和目标距离,来提供定位终端的位置信息。该系统具备低复杂度、高精度、和低成本的特点,有望在室内定位、自动驾驶、工业互联等领域发挥重要作用。     

基于iBeacon基站的室内定位技术研究

提出了一种基于iBeacon基站的室内定位方案。在该技术方案中,iBeacon基站由蓝牙4.0模块组建,在需要定位的室内空间均匀部署一定数量的iBeacon基站,该基站周期性地向外界广播自己独有的与位置信息对应的UUID号。当持有蓝牙终端设备的用户进入该基站感应区,接收到基站广播的UUID号及RSSI值,通过加权的三环定位算法即可对用户进行精确定位。实验结果表明,该方案定位精度能达到2.5m以内,满足了绝大多数的室内定位技术要求。     

多用途双频双极化双通道MIMO 室内基站天线

多输入多输出(Multiple Input Multiple Output,MIMO)天线是MIMO技术的关键,现代无线通信领域的迅速发展对MIMO天线提出了许多新的要求.该文利用微带天线的低剖面特性,采用双线馈电的方式实现了两款双端口的MIMO天线,其中一款基于正方形辐射贴片,两个端口都工作于2.4GHz并且具有相同的辐射特性;改变贴片的尺寸可以得到另一款双频MIMO天线,分别工作于2.4GHz和3.5GHz,可以同时覆盖LTE(Long Term Evolution)、WiMAX(Worldwide Interoperability for Microwave Access)频段与WiFi(Wireless Fidelity)的部分频段,该天线的最大增益可达8dB,并且两个端口对应两个互相垂直的极化,满足室内基站的需要.     

一种基于GMM-Boost的室内定位方法

针对高斯混合模型在模型训练之前无法确定最佳采样点组合方式以及无法确定最佳分布元个数的问题,提出一种基于GMM-Boost的WLAN室内定位方法.首先,采用第二类斯特林数枚举采样点组合方式,比较不同组合方式下高斯混合模型平均定位准确度,进而确定最佳采样点组合方式.其次,针对每一种样本标签数,采用贝叶斯信息准则(Bayesian Information Criterion,BIC)选择高斯混合模型最优分布元个数.最后,结合Adaboost算法对高斯混合模型进行定位准确度提升.分析结果表明,该算法在定位误差为2 m时定位准确度为71.2％,在小样本量情况下可以获得较低的平均定位误差.与其他算法相比,该算法具有较好的定位准确度和泛化能力.     

一种基于粒子滤波的多源融合室内定位方法

室内定位技术作为社会各行业迫切需求的科技服务,尚无公认完善的解决方法。由于单一技术的定位方法不可消除其固有缺点,多种定位技术融合提升的方法是实现高精度室内定位的重要研究方向。本文面向日益复杂的室内环境,提出一种多源融合室内定位方法,将深度置信网络与 RSSI 指纹定位方法相结合实现粗略定位,同时使用行人航位测算技术完成行人航迹预测。然后运用粒子滤波器将粗略定位结果与预测的行人航迹信息相融合,提升了传统 RSSI 室内指纹定位技术的精确度与实时性。     

基于时间反演的室内精确单站定位技术研究

提出了一种基于时间反演和时域有限差分法的室内单站精确定位技术。该方法利用格林函数的对称性和电磁互易定理以及室内多次反射形成的复杂信道实现单站定位。首先,在实景中接收传感器记录下室内任意辐射源在接收点产生的场强信号,然后将该接收信号时间反演,在接收点进行辐射,此时在原辐射点形成信号的相关聚集峰值,根据峰值位置实现单站无源精确定位。后一步的时间反演过程,如果发射信号已知,可以通过相关运算来完成,如果信号形式未知,可以由时域有限差分法计算实现,无需构建真实的时间反演发射系统。仿真结果表明：该算法能够利用多径效应,在室内复杂障碍物环境下实现λ/12=8 cm的定位精度,在室外也可以对室内目标进行精确定位。     

基于WiFi-BP的室内定位算法

针对设备差异性造成信号偏差从而影响定位精度的问题,提出了一种结合BP神经网络和加权质心定位算法的室内定位算法。文中通过离群点检测算法对不同手机的RSSI数据进行清洗,并以清洗后的数据作为BP神经网络的数据源进行模型训练,得到了一种稳定的非线性的BP模型。在此基础上,结合改进的室内定位算法进行室内定位。实验结果表明,文中所提定位算法的均值误差、最小误差和最大误差分别为为0.58 m、0.24 m和1.06 m,定位精度明显高于现有的同类算法。     

基于超声波/INS信息融合的室内定位方法

室内定位方法中,低成本惯性导航系统(INS)的定位误差随着时间和距离的增加而积累,需要采用其他手段抑制误差发散。室内环境下GPS无法正常工作,从而失去对INS误差的抑制作用;因此,该文提出了基于超声波/INS信息融合的室内定位方法。以自主导引小车(AGV)为定位终端,根据超声波定位技术和非完整约束条件得到自主导引小车的位置和速度信息,并利用该信息辅助INS,通过卡尔曼滤波进行信息融合,从而抑制纯惯导情况下定位误差发散的问题。采用Matlab对所提出的室内定位方法进行仿真验证,结果表明,采用超声波/INS信息融合方法能将INS的误差抑制在一定范围内,该方法适用于室内移动物体的实时定位。     

一种基于SO-CNN模型的可见光室内定位优化方法

针对基于机器学习的可见光室内定位方法存在的手工调参、定位精度低等问题,结合蛇优化(Snake Optimization, SO)算法的寻优能力与卷积神经网络(Convolutional Neural Network, CNN)处理复杂非线性问题的能力,提出了一种基于SO-CNN模型的可见光室内定位优化方法。在考虑多径效应影响的情况下,采集每个位置点处的信噪比和对应位置坐标构建指纹数据库,对SO-CNN模型进行训练和测试,以得到最佳定位模型。实验结果表明,在5 m×5 m×3 m的房间中,与未经优化的CNN相比,该方法的平均定位误差降低了35.13%;与反向传播神经网络(Back Propagation Neural Network, BPNN)、多层感知器(Multilayer Perceptron, MLP)、SO-MLP相比,该方法的平均定位误差分别降低了54.75%,48.08%,37.01%。     

基于极限学习机神经网络的室内可见光定位方法

随着科学技术的不断进步,人们对室内定位服务提出了更高的要求.针对传统室内定位技术定位精度低、设备复杂且价格昂贵等问题,提出了一种基于极限学习机(ELM)神经网络的多发光二极管(LED)室内定位方法.首先,用每个参考点处LED的光功率以及光电探测器的位置坐标作为指纹数据,构建指纹数据库.然后,将指纹数据库引入ELM神经网...     

基于RSSI测距补偿室内定位技术

针对传统RSSI室内测距技术易受环境因素影响问题,提出测距补偿算法,利用算法补偿环境因素造成的测距误差,并利用均值平滑法来处理同一点接收到的多个RSSI值,以减小RSSI值的测量波动。通过相关的仿真与实地测试,验证了测距补偿算法在测距精度上有所提高。     

无源雷达及其基于手机基站的定位方法研究

随着电子对抗技术的日益升级,有源雷达因为容易被敌方定位而面临严重威胁,而基于调频广播和电视信号等民用外辐射源的无源雷达能大幅度提升雷达及平台的生存能力。本文对无源雷达的特点进行了介绍,阐述了基于手机基站的无源雷达探测方法,并提出了关键技术的解决方案。     

基于WiFi的室内定位算法的研究

随着现代社会科技水平的不断提高和通信技术的愈加完善,定位技术受到了用户越来越多的关注.WiFi定位技术具有在室内获取便利、 覆盖范围广、 信息传输速度快和搭建成本低廉等优点而得到了广泛的应用.提出了一种基于WiFi技术的位置指纹定位算法,称为快速定位算法,极大地提高了计算效率,并且仍然能够保持室内定位的精确性.基于此,设计并实现了应用于Android终端的室内定位系统.