排序方式: 共有98条查询结果,搜索用时 312 毫秒
21.
22.
准确地估计信号的到达角(Angle Of Arrival,AOA)为实现在室内高精度定位提供了可能,为了能够准确地估计室内多径信号的AOA,并提取出直射路径的AOA信息进行定位,本文提出一种利用信道频率响应信息(Channel Frequency Response,CFR)扩展阵列天线的亚米级室内定位系统.首先,采集CFR信息进行AOA和信号到达时间(Time Of Arrival,TOA)的联合估计;其次,提出了一种基于AOA和TOA二维聚类信息的直射路径识别算法;另外,还提出了可视环境(Line Of Sight,LOS)以及非可视环境(Non Line Of Sight,NLOS)的识别算法,可以准确的判断出当前接收机相对发射机是处于LOS还是NLOS环境;最后,利用现有的三天线Wi-Fi设备在室内进行了测角以及定位测试,实验结果表明本文提出的定位系统在室内LOS和NLOS环境下分别可以达到中值误差为0.8m,1.3m的定位精度,可用于室内高精度定位. 相似文献
23.
相较常用于室内定位的Wi-Fi接收信号强度(RSS),Wi-Fi信道状态信息(CSI)包含了信号传输过程中更细粒度的物理层信息(如各个子载波的幅值和相位),故可将其用于较精确的测距以实现较高的Wi-Fi室内定位精度.由于现有基于CSI测距的定位方法普遍缺少关于定位误差界的理论分析,从而导致难以对不同定位方法的理想性能进行比较.因此,该文提出一种基于CSI测距的Wi-Fi室内定位误差界分析方法,其在室内信号传播模型的基础上,考虑路径损耗、阴影衰落和多径效应与定位精度的关系,利用克拉美罗下界(CRLB)推导了时钟异步效应下基于CSI测距的定位误差界.此外,通过实验对比,分析了实际定位误差与所推导的定位误差界之间的差异,并讨论了不同实验参数对定位性能的影响. 相似文献
24.
针对传统光学摄像头和无线技术的手势识别方法受光照环境影响和空间纵向、横向特征不全的问题,该文提出一种基于调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达信号的双流融合神经网络(Two-Stream Fusion Neural Network,TS-FNN)手势识别方法.首先,利用二维快速傅立叶变换(Fast Fourier Transform,FFT)求取中频信号的频谱,估计手势的距离和速度,并利用多重信号分类(Multiple Signal Classification,MUSIC)方法计算角度.其次,利用这三维参数在时间上的累积,将一个手势动作映射为32帧距离-速度矩阵图和角度时间图.最后,建立TS-FNN进行手势特征提取和特征融合.实验结果表明,TS-FNN方法与传统卷积神经网络相比,手势的平均识别准确率提升了约5%. 相似文献
25.
26.
27.
28.
29.
30.