-
公开(公告)号：CN103051402B
公开(公告)日：2014-12-17
申请号：CN201310021240.5
申请日：2013-01-21
Applicant: 哈尔滨工业大学
IPC: H04B17/00
Abstract: 一种基于直流偏移自适应频谱能量的用户信号检测方法，涉及一种认知无线电领域中用户信号检测方法。本发明解决了现有能量感知方法的零中频频谱感知接收机中，存在时变的直流偏移时，无法有效检测频谱中是否存在用户信号的问题。它通过以下步骤实现：步骤一、对待检测信号采样后同时进行步骤二、三；步骤二、对步骤一获得的信号进行累加，并对其累加和进行平方后再乘以1/N；步骤三、对步骤一获得的信号进行平方，并对其平方值再进行累加；步骤四、用步骤三的结果减去步骤二的结果；步骤五、把步骤四的结果与预先设置的参数值进行比较并判决是否存在主用户信号。本发明适用于基于能量感知方法的零中频频谱感知接收机。
-
公开(公告)号：CN102821465B
公开(公告)日：2014-11-26
申请号：CN201210329662.4
申请日：2012-09-07
Applicant: 哈尔滨工业大学
IPC: H04W64/00
Abstract: 基于分区信息熵增益的WLAN室内定位方法，涉及一种WLAN室内定位方法。它是为了能同时减少定位所需的运算量并能够提高WLAN室内定位的精度而提出的。本发明首先在离线阶段通过在各参考点测量接收到的来自各个AP的信号强度RSS值作为位置指纹信息，然后利用K均值聚类算法对定位空间分区，并在每个子区域中引入信息熵增益模型选出定位能力最强的t个AP；在线阶段，首先根据测试点与各聚类中心的特征向量距离大小确定测试点在哪个子区域，然后在每个子区域中分别利用已选择的t个AP应用K近邻定位算法实现对测试点的精确定位。本发明适用于WLAN室内定位。
-
公开(公告)号：CN102325369B
公开(公告)日：2014-09-24
申请号：CN201110152204.3
申请日：2011-06-08
Applicant: 哈尔滨工业大学
Abstract: 基于参考点位置优化的WLAN室内单源线性WKNN定位方法，属于移动计算领域，本发明为解决现有WLAN室内单源线性环境下，WKNN定位算法中最优参考点数目和位置的选择问题。本发明针对这一特殊单源线性场景，首先在离线阶段，针对具体的实际单源线性定位环境，计算WKNN定位法在该环境下理论期望精度的闭合解形式；然后，利用闭合解形式中期望误差与参考点位置、目标区域尺寸之间的关系，对参考点进行优化布置，满足最小期望误差准则，并建立相应的单源均值位置指纹数据库；最后，根据在现阶段实时采集的信号强度样本，利用近邻点数为4的WKNN定位法，对定位终端进行位置坐标估计。
-
公开(公告)号：CN104023398A
公开(公告)日：2014-09-03
申请号：CN201410283591.8
申请日：2014-06-23
Applicant: 哈尔滨工业大学
IPC: H04W64/00
Abstract: 一种基于WiFi和加速度计的定位Radio Map快速建立方法，涉及一种WiFi定位的Radio Map快速建立算法，属于WiFi定位技术领域。本发明针对现有的测量方法十分费时费力，Radio Map数据标定工作较难且工作量大的问题。提出了一种基于WiFi和加速度计的定位Radio Map快速建立方法，该方法的技术要点为：使用计步器记录用户行走的步数，且在每行走一步时测量一次各AP的接收RSS值。用户只需在相应地图中标出直线行走的起点与终点，即可计算出每一次测量点的物理位置，从而快速建立出一条直线上的Radio Map。本发明适用于WiFi环境下的定位服务。
-
公开(公告)号：CN102215497B
公开(公告)日：2014-03-12
申请号：CN201110152219.X
申请日：2011-06-08
Applicant: 哈尔滨工业大学
Abstract: 基于条件信息熵的WLAN室内单源高斯位置指纹定位性能评价方法，属于信息系统领域，本发明为解决现有的医疗感知平台存在体积较大，价格昂贵，功能扩展性不强，无线传输协议耗能较高的问题。本发明：步骤一、建立初始参考点分布模型N′×M′；步骤二、将初始参考点分布模型N′×M′低维非对称模型重构为N×M高维对称模型；步骤三、根据步骤二重构的N×M高维对称模型，计算得到条件信息熵与位置指纹定位准度和期望误差之间的数学依赖关系；步骤四、根据步骤三所得到的数学依赖关系，利用条件信息熵的变化情况，来评价不同测试点处信号方差或参考点密度变化对整个位置指纹定位系统的性能影响。
-
Patent Agency Ranking
公开(公告)号：CN103401622A
公开(公告)日：2013-11-20
申请号：CN201310332000.7
申请日：2013-08-01
Applicant: 哈尔滨工业大学
IPC: H04B17/00
Abstract: 一种在存在认知用户信号的情况下感知主用户信号的联合频谱感知方法，涉及一种认知无线电技术领域中的频谱感知方法。本发明是为了解决现有频谱感知方法在感知频段中存在认知用户信号时无法有效检测主用户信号存在与否的问题。其方法：一、通过认知用户信号感知模块SSSB检测认知用户信号，并输出其信道增益；二、认知用户信号复现模块SSR复现接收到信号中认知用户信号；三、将输入信号减去认知用户信号复现模块SSR的输出结果，得到主用户信号感知模块PSSB的输入信号；四、由主用户信号感知模块PSSB进行频谱感知判别是否存在主用户信号。本发明适用于在存在认知用户信号的情况下感知主用户信号的联合频谱感知。
-
公开(公告)号：CN103297310A
公开(公告)日：2013-09-11
申请号：CN201310246773.3
申请日：2013-06-20
Applicant: 哈尔滨工业大学
Abstract: 一种基于ARM的智能家居监控系统及其监控方法，属于智能家居控制技术领域。本发明为了解决现有的智能家居监控系统方式单一，并且在广域网环境下如果缺少具有动态地址解析功能路由器将无法使用问题。本发明包括：ARM核心控制器、无线路由器、局域网的控制终端和广域网的控制终端，所述ARM核心控制器的微处理器为S3C6410，移植嵌入式Linux内核、Web服务器BOA和动态地址解析软件花生壳，ARM核心控制器1通过无线的方式与无线路由器连接，局域网的控制终端通过无线路由器，使用私有IP与ARM核心控制器通信；广域网的控制终端通过Internet或3G网络，使用经由动态地址解析软件花生壳解析的IP地址与ARM核心控制器通信。本发明适用于对智能家居环境的监控。
-
公开(公告)号：CN102164371B
公开(公告)日：2013-09-11
申请号：CN201110075704.1
申请日：2011-03-28
Applicant: 哈尔滨工业大学
Abstract: 一种低复杂度的基于子载波分配的混合功率分配方法，涉及无线通信领域。它解决了现有OFDMA系统在大规模应用时，功率分配复杂度高导致系统的性能较低的问题。其方法：将小区用户根据地理位置分为小区中心用户和小区边缘用户；基站对每个边缘区域超过子载波增益门限的用户进行排队；超过门限的小区边缘用户按照超过门限数目由小到大的顺序子载波进行选择，实现子载波的分配，然后进行功率分配。本发明适用于子载波功率分配。
-
公开(公告)号：CN103079269A
公开(公告)日：2013-05-01
申请号：CN201310029536.1
申请日：2013-01-25
Applicant: 哈尔滨工业大学
IPC: H04W64/00
Abstract: 基于LDE算法的WiFi室内定位方法，涉及一种室内定位方法。它为了解决现有的WiFi室内定位方法的定位的实时性差的问题。该方法的实现过程分为两个阶段：离线阶段：WiFi网络的构建，测量RSS，构建Radio Map；采用本征维数估计方法对Radio Map的本征维数进行估计；采用LDE算法对Radio Map降维处理，得出降维后的Radio Map及特征变换矩阵得出最优的降维结果及相应的特征变换矩阵作为在线阶段的匹配数据库及相应的RSS变换矩阵。在线阶段：对测试点处接收到的RSS进行特征变换，并采用KNN算法与降维后的Radio Map进行的匹配得出测试点的预测坐标。本发明适用于室内定位。
-
公开(公告)号：CN102880593A
公开(公告)日：2013-01-16
申请号：CN201210325652.3
申请日：2012-09-05
Applicant: 哈尔滨工业大学
Abstract: 基于曲率预测的流形学习自适应邻域选择算法，它涉及一种应用于流形学习的自适应邻域选择算法，以解决现有的领域选择算法应用于流形学习算法存在适应性差，低维嵌入质量差，算法复杂度较高的问题，算法的具体步骤为，步骤一、高维离散数据点的曲率计算；步骤二、自适应邻域选择，本发明能够广泛的应用到目前的流形学习算法，本发明能够根据数据集分布的不同曲率选择合适的领域大小，本发明以高维数据点的一个自适应邻域选择矩阵，能够有效地降低流形学习算法的复杂度和找到优化的邻域大小，实现最佳的低维嵌入，低维嵌入质量好。本发明用于流形学习算法。
-
-
-
-
-
-
-
-
-
Search Results
166
records
(took 0.032 seconds)
