基于神经网络的室内融合定位和区域功率智能分配技术
发布时间:2021-03-30 21:13
现如今,随着信息技术的日新月异,各行各业对基于位置的服务(Location Based Service,LBS)需求愈发凸显,快速而准确的位置服务俨然已成为当代社会的重要组成部分。因此,学术界逐渐将视线转向室内环境下的位置服务及其衍生功能。随着信息科学技术产业的第三次革命的兴起,室内定位领域借助物联网、人工智能等手段实现着自身技术改进革新。与此同时,借助大型公共建筑室内通常布设有大量无线路由器这一特点,无线充电技术逐渐受到社会各界广泛期待,该技术可实现通过无线访问接入点(Wireless Access Point,AP)发送射频信号为连接入网的终端设备进行无线充电。然而伴随而来的是系统功率负荷量严重增大问题,如何保证无线充电功能的同时合理分配系统能量资源成为下一步需要解决的难题。因此,本文立足于ZigBee(紫蜂)技术理论,提出了基于神经网络的室内融合定位算法,并研究设计了两种基于位置感知的室内区域功率智能分配策略,根据各终端的实际位置信息进行区域内路由AP发射功率最优分配,在保证入网终端无线充电性能的同时,最小化区域路由总发射功率或使区域终端接收功率尽量均衡。首先,本文阐述了室内定位...
【文章来源】:西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】:90 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文主要研究内容
1.4 论文组织结构
第二章 无线室内定位和人工神经网络相关技术概述
2.1 物联网及Zig Bee相关技术简介
2.2 无线室内定位技术
2.2.1 基于无线信号接收信号强度的室内定位算法
2.2.2 基于行人航位测算的室内定位技术
2.3 神经网络基础原理介绍
2.3.1 深度学习的基本概念
2.3.2 人工神经网络定义及广义模型
2.3.3 构建神经网络的主要流程
2.3.4 网络模型性能评价指标
2.4 无线能量传输基本概念
2.5 本章小结
第三章 基于神经网络的室内融合定位算法研究
3.1 算法整体框架和系统场景概述
3.1.1 室内融合定位和区域功率智能分配场景介绍
3.1.2 基于神经网络的室内融合定位系统结构框架
3.2 基于改进深度置信网络的二次指纹定位方法
3.2.1 基于逻辑回归的位置指纹分类方法
3.2.2 基于改进深度置信网络的RSSI指纹定位方法
3.2.3 深度置信网络的训练步骤
3.3 基于循环神经网络的行人航位测算定位方法
3.3.1 循环神经网络原理
3.3.2 循环神经网络训练步骤
3.3.3 基于循环神经网络的行人航位测算定位算法设计
3.4 基于粒子滤波的多信息融合算法
3.5 算法仿真与分析
3.5.1 实验环境及参数设置
3.5.2 数据预处理
3.5.3 实验数据分析
3.6 本章小结
第四章 基于位置感知的室内区域功率智能分配技术
4.1 系统框架概述
4.2 基于位置感知的区域功率智能分配技术
4.2.1 无线能量传输技术原理介绍
4.2.2 基于位置信息的实际无线信道模型构建
4.2.3 基于区域发射功率最小的功率智能分配策略
4.2.4 基于接收能量均衡的功率智能分配策略
4.3 仿真验证与结果分析
4.3.1 仿真参数设置
4.3.2 仿真结果与性能分析
4.4 本章小结
第五章 总结与展望
5.1 全文工作总结
5.2 未来工作展望
参考文献
致谢
作者简介
本文编号:3110164
【文章来源】:西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】:90 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文主要研究内容
1.4 论文组织结构
第二章 无线室内定位和人工神经网络相关技术概述
2.1 物联网及Zig Bee相关技术简介
2.2 无线室内定位技术
2.2.1 基于无线信号接收信号强度的室内定位算法
2.2.2 基于行人航位测算的室内定位技术
2.3 神经网络基础原理介绍
2.3.1 深度学习的基本概念
2.3.2 人工神经网络定义及广义模型
2.3.3 构建神经网络的主要流程
2.3.4 网络模型性能评价指标
2.4 无线能量传输基本概念
2.5 本章小结
第三章 基于神经网络的室内融合定位算法研究
3.1 算法整体框架和系统场景概述
3.1.1 室内融合定位和区域功率智能分配场景介绍
3.1.2 基于神经网络的室内融合定位系统结构框架
3.2 基于改进深度置信网络的二次指纹定位方法
3.2.1 基于逻辑回归的位置指纹分类方法
3.2.2 基于改进深度置信网络的RSSI指纹定位方法
3.2.3 深度置信网络的训练步骤
3.3 基于循环神经网络的行人航位测算定位方法
3.3.1 循环神经网络原理
3.3.2 循环神经网络训练步骤
3.3.3 基于循环神经网络的行人航位测算定位算法设计
3.4 基于粒子滤波的多信息融合算法
3.5 算法仿真与分析
3.5.1 实验环境及参数设置
3.5.2 数据预处理
3.5.3 实验数据分析
3.6 本章小结
第四章 基于位置感知的室内区域功率智能分配技术
4.1 系统框架概述
4.2 基于位置感知的区域功率智能分配技术
4.2.1 无线能量传输技术原理介绍
4.2.2 基于位置信息的实际无线信道模型构建
4.2.3 基于区域发射功率最小的功率智能分配策略
4.2.4 基于接收能量均衡的功率智能分配策略
4.3 仿真验证与结果分析
4.3.1 仿真参数设置
4.3.2 仿真结果与性能分析
4.4 本章小结
第五章 总结与展望
5.1 全文工作总结
5.2 未来工作展望
参考文献
致谢
作者简介
本文编号:3110164
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3110164.html