基于深度学习的室内定位算法研究

发布时间：2021-07-21 14:31

　　室内定位技术的是目前定位技术研究的热点,近年来随着无线通信技术的飞速发展,对室内定位服务的需求逐渐增加。但是由于室内环境具有高度的复杂性,使得信号在室内环境的传输过程中存在明显的多径效应和时变特性。所以要在室内环境中实现精确定位依然有很多问题需要解决。本文的研究重点在于采用基于降噪深度信念网络（Deep Belief Networks,DBN）的指纹定位算法实现特定室内环境的目标定位,主要分以下几个方面进行展开:首先,对于指纹定位所需的指纹数据集来说,本文主要通过仿真实验的方式获得。所以需要对室内信道进行建模进而获得指纹数据集。本文主要采用射线跟踪法中的弹跳射线法来实现室内信道的确定性建模。将信号发射过程抽象为从发射端向外辐射的大量射线,然后对射线的传播过程进行跟踪。将信号接收过程抽象为一个接收球,所有通过该接收球的射线都可以看作是被相应接收端接收的信号分量。最终实现特定环境下的信道建模。其次,由于选择一个合适的回归模型来发现指纹数据和位置信息之间的关系是指纹定位算法中非常重要的部分,本文的回归模型选择的是深度学习中典型的DBN模型。除了利用DBN本身的拟合能力来实现指纹定位之外,本文... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 无线定位技术的现状和发展趋势
    1.3 室内定位技术的研究现状和主要技术
        1.3.1 室内定位的主要机制
        1.3.2 常见的室内定位系统
        1.3.3 室内定位技术的性能评估标准
        1.3.4 指纹定位算法的研究现状和面临的挑战
    1.4 本文的结构安排
第二章 基于弹跳射线的室内信道建模算法
    2.1 室内信道的特性和建模方法
        2.1.1 室内信道的特性
        2.1.2 室内信道的常见模型
    2.2 基于弹跳射线的室内信道建模算法
        2.2.1 射线生成
        2.2.2 射线跟踪
        2.2.3 射线接收
    2.3 仿真建模结果分析
    2.4 本章小结
第三章 基于降噪深度信念网络的指纹定位算法
    3.1 指纹定位法
        3.1.1 指纹数据
        3.1.2 指纹数据集
        3.1.3 指纹匹配方法
    3.2 基于降噪深度信念网络的指纹定位算法
        3.2.1 指纹数据集的建立
        3.2.2 基于深度信念网络的回归模型
    3.3 仿真结果和分析
        3.3.1 参数设置
        3.3.2 结果与分析
    3.4 本章小结
第四章 基于降噪深度信念网络的分布式定位
    4.1 算法思路
    4.2 算法特点
    4.3 仿真结果与分析
    4.4 本章小结
第五章 全文总结与展望
    5.1 全文总结
    5.2 工作展望
致谢
参考文献
攻读硕士学位期间取得的成果


【参考文献】：
期刊论文
[1]一种基于TOA定位的CHAN改进算法[J]. 杨天池,金梁,程娟.  电子学报. 2009(04)



本文编号：3295204