基于数据挖掘的TDOA定位技术

发布时间：2017-10-11 04:12

  本文关键词：基于数据挖掘的TDOA定位技术

  更多相关文章： 无线电定位 波达时间差 数据挖掘 图像挖掘 聚类 K-均值 基于密度空间聚类 线段树

【摘要】：随着移动终端的日益普及、无线网络业务的多样化,无线电传播环境变得越来越复杂。这使干扰信号的定位遇到了多源与多径的巨大考验。如何能够在存在多个信号源,并且信号的传输很可能经过了多径时延的叠加后环境中精确定位成为了现今无线定位技术的一大难题。而与此同时,国家无线电监测网络的日趋完善与成熟又为信号检测与定位带来了新的方法与途径。借助数据采集技术的进步以及采样率的提高,巨大的数据红利能够为无线电监管的各种应用场景带来新的活力。鉴于此,本文的研究重点就是探究如何能够高效地将监测网络能够获得的大量数据与信号定位技术突破相结合。 传统的时差定位技术一般都会限制于局部的相邻几个接收节点采用最大似然估计得到信号源位置的估计。该方法对于多径、多源的电磁环境抵抗性较差,矩阵运算也容易出现奇异化的结果。而利用高密度的接收数据,从数据挖掘的角度依据接收信息的统计特性则能够给出具有较好鲁棒性的定位结果。本文主要贡献包括以下两个方面： 第一,首先提出了分组TDOA的决策思路。本文首先针对传统TDOA的方法进行横向地延展。即利用分组的接收点分别运用传统方法进行定位,再融合各个组合定位的结果进行决策,成功地将原有方程组估计问题转化为一个数据驱动的定位决策模型。 第二,通过引入数据挖掘的概念以及与本场景紧密相通的聚类模型与算法,为该模型提出了不同的算法。并且利用计算机仿真,在给定的多源多径定位场景上进行了不同算法的仿真与试验。其中,经过仿真测试,基于图像的聚类算法DBSCAN在本场景中能够较好适配多源定位的场景约束。与最小二乘的TDOA相结合后,能够获得较好的定位效果。取得了能够匹敌最简单的单源直视径场景下的定位精度,并且具有较高的鲁棒性。本文在此基础上,利用线段树的数据结构对DBSCAN算法进行了改进,降低了算法的时间复杂度。 最后,对全文进行了概括总结,同时根据实现情况和本领域技术发展的情况,对后续研究内容以及未来的改进方向进行了展望。
【关键词】：无线电定位 波达时间差 数据挖掘 图像挖掘 聚类 K-均值 基于密度空间聚类 线段树
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP311.13;TN911.23
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 绪论10-18
• 1.1 研究背景10-13
• 1.2 国内外研究现状13-14
• 1.3 无线监测网络发展现状14-15
• 1.4 本文主要研究内容及章节安排15-18
• 第二章 数据驱动型定位技术18-28
• 2.1 传统时差定位模型18-24
• 2.1.1 基于信号到达时间差的测距模型18-22
• 2.1.2 无线电定位非视距减轻技术22-24
• 2.2 基于统计特性的定位模型24-27
• 2.3 小结27-28
• 第三章 用于定位场景的数据挖掘28-42
• 3.1 数据挖掘概述28-31
• 3.1.1 数据挖掘与知识发现28-29
• 3.1.2 数据挖掘与数据分析29
• 3.1.3 数据挖掘与统计学29-30
• 3.1.4 数据挖掘与机器学习30-31
• 3.2 数据挖掘的分类31-37
• 3.2.1 分类分析31-33
• 3.2.2 聚类分析33-34
• 3.2.3 关联分析34-36
• 3.2.4 序列分析及时间序列36-37
• 3.2.5 孤立点分析37
• 3.2.6 其他分析37
• 3.3 基于聚类分析的TDOA定位37-40
• 3.3.1 K均值算法38
• 3.3.2 基于K均值算法的TDOA定位38-40
• 3.4 小结40-42
• 第四章 基于DBSCAN挖掘聚类的TDOA定位42-50
• 4.1 基于DBSCAN的定位方法42-44
• 4.1.1 基于密度的空间聚类算法(DBSCAN)42-43
• 4.1.2 信源位置估计策略43-44
• 4.2 多源多径场景下DBSCAN与最小二乘的联合定位技术44-47
• 4.2.1 DBSCAN与基于到达时间差的最小二乘估计的联合定位44-45
• 4.2.2 基于DBSCAN聚类的定位仿真试验45-46
• 4.2.3 DBSCAN的定位算法性能优化46-47
• 4.3 小结47-50
• 第五章 总结和展望50-52
• 5.1 论文总结50
• 5.2 未来研究展望50-52
• 致谢52-54
• 参考文献54-58
• 硕士期间发表论文情况58

【共引文献】

中国期刊全文数据库 前10条

1 干娟;;基于决策树算法的学生综合测评系统的设计[J];安徽电子信息职业技术学院学报;2011年04期

2 李玲玲;辛浩;;FCM算法及其有效性度量方法[J];安徽电子信息职业技术学院学报;2011年05期

3 郭有强;胡学钢;;基于项目增长法高效求解最大频繁项集[J];安徽科技学院学报;2006年06期

4 张友志;钱萌;程玉胜;;基于关联规则web日志挖掘方法的研究[J];安庆师范学院学报(自然科学版);2006年01期

5 曹丹阳;李晋宏;魏金强;张艳芳;;基于决策树的英语四级成绩分析[J];北方工业大学学报;2007年01期

6 钟雁;郭雨松;;数据挖掘技术在铁路货运客户细分中的应用[J];北京交通大学学报;2008年03期

7 黄江涛,刘自伟,黄晓芳;用于数据挖掘的多维数据可视化技术[J];兵工自动化;2005年03期

8 万雅奇;侯亚荣;王勇;张书杰;;教育考试数据挖掘系统研究与实现[J];北京工业大学学报;2009年05期

9 张伟;;数据挖掘领域的文献计量学研究[J];图书与情报;2005年06期

10 张玉英;孟海东;;数据挖掘技术中聚类算法的改进研究[J];包头钢铁学院学报;2005年04期

中国重要会议论文全文数据库 前10条

1 周炎涛;唐剑波;王家琴;;基于信息熵的改进TFIDF特征选择算法[A];第二十六届中国控制会议论文集[C];2007年

2 赵云鹏;石丽;刘莹;;基于数据挖掘的高校规模分析及应用研究[A];第九届全国信息获取与处理学术会议论文集Ⅰ[C];2011年

3 王皓;曹永锋;孙洪;;基于流域变换的聚类分析[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

4 吴栋;张京华;王玉成;胡伍生;;前兆信息模型在地震预测中的应用[A];数字测绘与GIS技术应用研讨交流会论文集[C];2008年

5 孟少朋;骆红云;李盛;;基于数据挖掘的汽车可靠性分析方法研究[A];2007年全国失效分析学术会议论文集[C];2007年

6 杨纪军;朱培栋;;关联规则挖掘技术在蜜罐系统中的应用[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

7 朱攀;陈跃新;;Apriori算法在参保人信用度评价中的应用[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

8 张敏;陆向艳;周敏;潘林琳;农冬冬;王彬彬;陈晓江;;数据挖掘在智能题库系统中的应用[A];广西计算机学会2004年学术年会论文集[C];2004年

9 郑东健;卢兆辉;;基于时间序列相似性的坝基测压孔水位性态分析[A];全国大坝安全监测技术信息网2008年度技术信息交流会暨全国大坝安全监测技术应用和发展研讨会论文集[C];2008年

10 李佳;芙蓉薇;;基于FP-tree算法的图书推荐服务[A];低碳经济与科学发展——吉林省第六届科学技术学术年会论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 王冬丽;基于可扩展的支持向量机分类算法及在信用评级中的应用[D];东华大学;2011年

2 张翔;文本挖掘技术研究及其在综合风险信息网络中的应用[D];西北大学;2011年

3 金海浩;五行相生间接补法古代应用规律研究[D];南京中医药大学;2011年

4 陈聆;地球化学矿致异常非线性分析方法研究[D];成都理工大学;2011年

5 孟京辉;经营单位级森林经营数据仓库研建及应用研究[D];中国林业科学研究院;2011年

6 任炳昱;高拱坝施工实时控制理论与关键技术研究[D];天津大学;2010年

7 何月顺;关联规则挖掘技术的研究及应用[D];南京航空航天大学;2010年

8 演克武;基于需求预测的机型指派和评价研究[D];南京航空航天大学;2010年

9 向先全;基于水信息技术的渤海湾水生态环境特性及模拟研究[D];天津大学;2011年

10 李敏;卫星导航接收机数字波束形成关键技术研究[D];国防科学技术大学;2011年

中国硕士学位论文全文数据库 前10条

1 蔡浩;基于Web使用挖掘的协同过滤推荐算法研究[D];浙江理工大学;2010年

2 李翠;基于车辆自动识别的智能计重监控系统的研究与设计[D];郑州大学;2010年

3 刘春燕;教学网络DIDS数据分析方法的研究与改进[D];郑州大学;2010年

4 史文财;省级政务网安全检测系统的设计与实现[D];哈尔滨工程大学;2010年

5 尹丽玲;基于人工免疫算法的Web文本挖掘研究[D];哈尔滨工程大学;2010年

6 李晓光;数据挖掘技术在高校招生和教务管理中的应用[D];哈尔滨工程大学;2010年

7 姜雪飞;基于SNMP的网络安全态势可视化技术[D];哈尔滨工程大学;2010年

8 周东海;基于记账凭证的高校教育成本数据挖掘研究[D];哈尔滨工程大学;2010年

9 李红;数据挖掘中特征选择与聚类算法研究[D];大连理工大学;2010年

10 姜荣;时间序列的聚类和关联规则挖掘研究[D];辽宁师范大学;2010年

，

本文编号：1010395