利用CNN和小波变换的室内定位信号识别.docx
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
![preview](https://dl-preview.csdnimg.cn/87486659/0001-0eeb8120ce1f83d237058a2921f335df_thumbnail-wide.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
利用CNN和小波变换的室内定位信号识别 本文研究了基于超宽带无线电的室内定位技术,使用卷积神经网络(CNN)和小波变换技术来识别非视距(NLOS)信号,以提高定位精度。通过将超宽带信号转换为时频谱图像,并利用精确的时频域特征识别 NLOS 信号,提出了基于 Morlet 连续小波变换和卷积神经网络(CWT-CNN)的 NLOS 识别方法。 室内定位技术是当前研究热点之一,常用的技术有蓝牙技术、WIFI 技术和射频识别技术等。然而,超宽带(UWB)定位技术在定位精度、实时性能和带宽等方面具有很大的优势。然而,超宽带信号的非视距传播会影响定位精度,因此需要对 NLOS 信号进行识别和抑制。 机器学习和深度学习方法已经广泛应用于 NLOS 识别中,如支持向量机(SVM)、K 近邻(KNN)、决策树(DT)和随机森林(RF)等方法。这些方法都是利用一些超宽带信道脉冲响应的特性,如接收到的信号能量、最大振幅、上升时间、平均附加时延和均方根(RMS)延时拓展等作为识别特征。 深度学习方法也可以用于 NLOS 识别,如文献[7]使用原始信道脉冲响应信息,结合卷积神经网络(CNN)对 NLOS 信号进行分类。文献[8]同样是利用原始信道脉冲响应信息,提出了一种 CNN 和长短期记忆(LSTM)相结合的方法对非视距信号进行分类。 在本文中,我们提出了一种基于 Morlet 连续小波变换和卷积神经网络(CWT-CNN)的 NLOS 识别方法。 Morlet 小波是非正交小波,具有正确的平衡在时间定位和频率定位之间。此外,Morlet 小波的小波基函数可以表示为 φ(t)=π −1/4eiϖ0te−t2/Fb。通过 CWT 可以得到信号小波标度图,如图 1 所示。从标度图可以看到一些时频域上的细节特征。 CNN 模型是多层次的神经网络,它使用卷积操作来代替深度神经网络中的一般乘法,可以通过训练自动提取识别特征。通过 CWT-CNN 模型可以对 NLOS 信号进行分类,提高定位精度。 本文提出了基于 CWT-CNN 的 NLOS 识别方法,可以提高室内定位技术的精度和实时性,具有很高的应用价值。
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/release/download_crawler_static/87486659/bg1.jpg)
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/3f07197aad004e4fa57ac5a008eb6aaf_weixin_57147647.jpg!1)
- 粉丝: 3907
- 资源: 1万+
![benefits](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-1.c8e153b4.png)
![privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-2.ec46750a.png)
![article](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-3.fc5e5fb6.png)
![course-privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-4.320a6894.png)
![rights](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-icon.fe0226a8.png)
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)