Feb, 2024

一种 ICA 集成学习方法用于 UWB NLOS 信号数据分类预测

PDF
TL;DR在搜索与救援（SAR）场景中，困人的检测是普适计算中面临的重大挑战，本研究采用机器学习技术来解决这个问题，通过利用无线通信协调信息并使用超宽带雷达信号在非直线可视（NLOS）场景中识别个体，实验结果表明所提出的方法在静态数据和动态数据上分别获得了 88.37% 和 87.20% 的分类准确性，对 SAR 行动中科学家和工程师做出即时决策具有积极意义。
发现论文，激发创造
  • 基于 UWB 波形的半监督学习方法用于测距误差补偿

    本文提出了一种基于变分贝叶斯的半监督深度学习方法，用于 UWB 定位系统的误差校正，通过融合深度学习技术和统计工具，实现从有标记和未标记的数据样本中高效地累积知识，相较于其他全监督方法，即使在低监督比例下，也取得了更好的性能。

    May, 2023

  • 针对 UWB 定位的新型属性加权朴素贝叶斯 NLoS 分类器

    提出了一种新颖的 Fine-Tuned attribute Weighted Naive Bayes (FT-WNB) 分类器以用于室内定位系统中的 UltraWide Bandwidth 信号的 Line-of-Sight (LoS) 和 Non-Line-of-Sight (NLoS) 的识别，其性能比现有的最先进的机器学习方法在该场景下显著更好。

    Apr, 2023

  • NLOS UWB 通道中直接路径组件缺失的检测

    本文提出了一种新颖的非直视（NLOS）识别技术，通过支持向量机（SVM）算法基于不同的信号特征进行 NLOS 识别，并介绍了实验结果。

    Apr, 2024

  • 基于特征的广义高斯分布方法在超宽带（UWB）室内定位系统 NLoS 检测中的应用

    提出了一种基于特征的高斯分布和广义高斯分布 Non-Line-of-Sight 检测算法，可用于改善所提供的数据库中 NLoS 和 LoS 信号不平衡造成的定位不精确度问题，比 SVM、DT、NB 和 NN 算法效果更好。

    Apr, 2023

  • 野外合成孔径雷达计算机视觉的未解之谜及对 Patricia Wu-Murad 的搜索

    应用 EfficientDET 和无监督 RX 光谱分类器两个计算机视觉系统在 Wu-Murad 野外搜救努力中，对 98.9GB 的无人机图像的挑战进行详细说明，并确定了未来研究的 3 个方向。

    Jul, 2023

  • 降低复杂性的基于 Kernel 方法的精确 UWB 测距

    该研究探讨了在非直观传输环境下基于超宽带技术的测距方法，提出了一种基于核主成分分析的新型测距方法，经实际测试证明，该方法表现优异。

    Nov, 2015

  • 基于机器学习的非直射地面通信定位方法：输入表示和不确定性估计

    本文探讨了非直线视距（NLOS）定位中使用三种不同的输入表征（单无线电路径特征、无线电链路特征和基于图像的表征）以及两种卷积神经网络，并测量了各种特征的可用性对模型性能的影响。该研究的收获在于激发了未来构建更高效神经网络的工作，并提供了对 NLOS 定位有用的应用特征。

    Apr, 2023

  • 基于深度学习的综合感知与通信系统中的目标与用户关联

    本文研究了一种整合感知和通信系统中基于雷达的通信系统，其中基站配备 MIMO 雷达，通过目标用户关联和波束预测实现通信任务。提出了一种基于目标 - 用户关联的方法，通过修改 YOLO 模型实现多目标检测和波束推断，结果表明该方法在不同的移动场景下能够提供正确关联的概率，并展示了修改后的 YOLO 架构在雷达目标检测方面的效果。

    Jan, 2024

  • LiDAR 辅助下的 6G 人类阻挡预测

    通过基于 LiDAR 传感器的深度学习和射线投射的技术，我们提出了一种端到端的系统来预测未来可能遇到的人体遮挡，从而在不失去数据准确性的情况下，提高确定信号路径的正确性。在 300ms 的窗口期内，本系统可以达到 87% 的准确率，同时保持 78% 的精确度和 79% 的召回率。

    Oct, 2021

  • 未知和动态频谱环境下的无线电信号分类深度学习

    本文提出了一种基于深度学习和信号分类技术的动态频谱接入方案，能够在无线网络中精确检测和分类干扰源，并应用于分布式调度协议中，提高网络吞吐量和用户成功率。

    Sep, 2019