-
公开(公告)号：CN102595422A
公开(公告)日：2012-07-18
申请号：CN201210078228.3
申请日：2012-03-22
Applicant: 哈尔滨工业大学
IPC: H04W16/10
Abstract: 一种认知无线电系统中垂直并行的频谱分配方法，涉及一种频谱分配方法，为了解决目前改进的并行分配方法中，在每一轮计算标号时使用同一标准，会将大量频谱分给同一用户的问题。它包括如下步骤：一：根据认知无线系统的无线网络建立拓扑图，并对该拓扑图进行初始化；二：把初始化之后的拓扑图分解为M个子图，可分配的频谱数量是M个，所有频谱的集合为{m1，…，mM}；三：在M个子图中选择M*β个子图，对所述每个子图均采用协作式最大化总带宽标准进行频谱分配；四：对剩余的M*(1-β)个子图，对所述每个子图均采用协作式最大化比例公平标准进行频谱分配；五：分配结束。它用于认知无线电系统中频谱分配。
-
公开(公告)号：CN101959144A
公开(公告)日：2011-01-26
申请号：CN201010523423.3
申请日：2010-10-28
Applicant: 哈尔滨工业大学
Abstract: 一种数字集群系统调度台单呼选择性录音方法，本发明涉及数字集群系统中调度台单呼时的录音方法。用于宽带无线多媒体信息接入。它解决了现有调度台录制整个单呼通话过程会浪费调度台硬件资源的缺陷。实现方法的装置由调度台、集群调度服务器和多个用户终端组成，所述方法包括下述步骤：调度台向集群调度服务器发送单呼请求信令；集群调度服务器发送单呼应答信令；调度台的录音功能允许使用，能在任意时刻开始录音；调度人员能在任意时刻停止录音；非录音状态下，调度人员可以在任意时刻继续录音；调度台发送语音数据；本次单呼结束，调度台数据库记录本次通话结束时间，记录通话时长，保存录音文件并提供重放功能。
-
公开(公告)号：CN101883424A
公开(公告)日：2010-11-10
申请号：CN201010154412.2
申请日：2010-04-23
Applicant: 哈尔滨工业大学
Abstract: 基于近邻点数优化的WLAN室内KNN定位方法，它涉及模式识别领域，它解决了现有的WLAN室内KNN定位方法中，因近邻点数选取不当所导致的定位精度恶化的问题。本发明首先建立完整的WLAN定位场景和位置指纹数据库；然后，根据测试点处采集的信号强度和预存储的位置指纹数据，利用近邻数为2的KNN定位法对测试点位置进行预估计；进而获取近邻点数为1和2时的KNN定位法关于测试点在预估计位置上的理论期望误差，并选择具有较高理论精度的KNN定位法所对应的近邻点数，作为估计测试点位置的最优近邻点数；最终利用最优近邻点数下的KNN定位法，实现WLAN室内KNN定位。本发明适用于室内定位。
-
公开(公告)号：CN101815308A
公开(公告)日：2010-08-25
申请号：CN200910310127.2
申请日：2009-11-20
Applicant: 哈尔滨工业大学
Abstract: 神经网络区域训练的WLAN室内定位方法，它涉及室内定位领域。它解决了现有室内神经网络定位方法中地理环境不规则所带来的定位误差大和冗余开销大的问题，本发明首先针对室内环境布置接入点AP，然后在室内环境中设置参考点，接下来利用每一个参考点的信号强度RSS值的强弱确定对该参考点定位信息影响最大的两个接入点AP，再根据调整因子μ得到神经网络的区域训练样本集，进而利用所述区域训练样本集训练神经网络，获得满足神经网络要求的神经网络结构，最后将待测点的信号强度RSS值导入神经网络结构，获得待测点的定位坐标。本发明的方法用于复杂系统中定位。
-
公开(公告)号：CN1725556A
公开(公告)日：2006-01-25
申请号：CN200510010159.2
申请日：2005-07-07
Applicant: 哈尔滨工业大学
Abstract: 基于遗传算法的智能天线复合波束形成方法，它涉及的是移动通信天线技术领域。它解决了现有基于遗传算法的阵列波束形成方法，存在适应度函数式过于复杂，及对适应度函数中优化参数权值的选择非常敏感的问题。它的算法步骤为：第一步：计算出每个信号源的波达角；第二步：根据自适应阵元分配原则，把阵元划分成增强期望子阵列和抵消干扰子阵列；第三步：将增强期望子阵列的阵元和抵消干扰子阵列的阵元分别由各自的优化遗传算法形成各自波束赋形；而得到优化权值；第四步：对增强期望子阵列和抵消干扰子阵列两部分权卷积复合得到最终复合权；第五步：计算得到优化的复合波束图。本发明能降低其参数权值选择的复杂度，能容易找出一组最优参数权值。
-
Patent Agency Ranking
公开(公告)号：CN110933596B
公开(公告)日：2021-04-13
申请号：CN201911228508.6
申请日：2019-12-04
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于度量学习的指纹定位方法。所述方法为：在目标室内环境内设置多个参考点，建立笛卡尔坐标系，生成与室内物理空间相对应的二维欧几里得空间；在m个参考点上采集来自n个估计接入点AP的RSS数据；在每个预先部署的参考点RP采集到的RSS数据上加入位置标签，生成原始数据；对原始数据进行预处理，得到相似度度量矩阵，并根据RSS数据建立指纹地图库；将相似度度量矩阵和指纹地图库加载到KNN算法中，得到用户的估计位置。本发明充分利用物理空间到信号空间的映射信息，减少由于室内建筑结构复杂导致的定位精度下降，进一步提高室内定位的精度。
-
公开(公告)号：CN110889349A
公开(公告)日：2020-03-17
申请号：CN201911127519.5
申请日：2019-11-18
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于VSLAM的稀疏三维点云图的视觉定位方法，本发明通过改动开源的ORB-SLAM系统的输出，得到相机轨迹、相机坐标系与全局坐标系的转移矩阵以及全局坐标系下的稀疏三维点云图，三维点云为关键路标点的三维坐标，并基于获得的信息建立起初始的图像数据库，从而基于建立好的图像数据库实现用户定位，本发明提出利用建立好的稀疏三维点云图与用户输入图像进行匹配，从而减少重复匹配次数，提高定位速度。同时，基于此可以进一步对图像数据库进行压缩，降低图像数据库容量。
-
公开(公告)号：CN110321902A
公开(公告)日：2019-10-11
申请号：CN201910384564.2
申请日：2019-05-09
Applicant: 哈尔滨工业大学
Abstract: 一种基于SOCP的室内自动视觉指纹采集方法，本发明涉及室内自动视觉指纹采集方法。本发明的目的是为了解决传统手工采集视觉指纹方法算法耗时、耗力，基于粒子滤波的自动指纹采集方法生成的离线数据库精度不高的问题。一：估计步频；二：根据高斯模型估计行进步长集合；三：计算每帧图像的位置信息；四：提取图像的SURF特征；五：计算相邻两帧采样图像的匹配SURF特征；六：计算两帧采样图像的相对旋转和位置信息；七：将三得到的每帧的位置信息与六得到的两帧采样图像的相对旋转和位置信息融合，建立SOCP模型，使用内点法，求解全局最优值，即得到视觉指纹的位置信息。本发明属于室内定位和数据融合技术领域。
-
公开(公告)号：CN106959101B
公开(公告)日：2019-04-09
申请号：CN201710164341.6
申请日：2017-03-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于光流法的室内定位方法，本发明涉及在室内转弯处的基于光流法的光流横向偏移修正方法。本发明为了解决光流法的计算会受到相机的转向引入的额外光流导致计算误差较大的问题。本发明先由稠密型光流法计算出任意相邻图片的每一个像素的光流，计算平均水平速度与平均垂直速度。剔除区域中大于平均速度10倍与小于平均速度10倍的数据，重新计算水平和垂直的平均速度，根据弯道转向模型，计算出所要剔除的额外速度，并在水平平均速度上，减去计算出来的额外线速度。计算出平均速度后根据相机的三维映射，将二维空间的速度，转化为三维空间的速度。最后速度乘以时间可以得到位移信息。本发明用于室内场景定位技术领域。
-
公开(公告)号：CN104596519B
公开(公告)日：2017-06-13
申请号：CN201510086374.4
申请日：2015-02-17
Applicant: 哈尔滨工业大学
IPC: G01C21/20
Abstract: 基于RANSAC算法的视觉定位方法，属于视觉定位领域。传统RANSAC算法的迭代次数多、计算量大、计算时间长，导致利用此算法实现的视觉定位方法存在定位速度慢的问题。本发明方法通过SURF算法计算出待定位用户上传的图像的特征点以及特征点描述信息；在数据库中选择一张具有匹配点数最多的图片，将得到图像的特征点描述信息与图片的特征点描述信息进行SURF匹配，将进行匹配的每对图像与图片定义为一对匹配图像，则每对匹配图像在进行匹配后会得到一组匹配点；通过匹配质量的RANSAC算法，将每对匹配图像的匹配点中的错误匹配点剔除后，确定出含有正确匹配点的数量最多的4对匹配图像；根据得到的4对匹配图像，通过对极几何算法计算出用户的位置坐标，完成室内定位。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.033 seconds)
