Apr, 2024

基于 ANN 的受约束室内无线网络 RSSI 估计

PDF
TL;DR在物联网（IoT）这个不断扩大的领域中，无线信道估计是一个重要的挑战，尤其是对于低功耗物联网（LP-IoT）通信来说，效率和准确性非常重要。本研究使用人工神经网络（ANN）建立了两个不同的 LP-IoT 无线信道估计模型：基于特征的 ANN 模型和基于序列的 ANN 模型。这两个模型都旨在通过降低 LP-IoT 无线信道的估计误差来提高 LP-IoT 通信。基于特征的模型旨在利用环境特征捕捉测得的接收信号强度指示器（RSSI）数据的复杂模式。基于序列的方法利用预先确定的分类技术来估计特定选择的环境特征的 RSSI 序列。研究结果表明，我们提出的方法在信道估计方面具有显著的精度，基于特征的模型的均方误差（MSE）改进了 88.29％，基于序列的模型改进了 97.46％，相较于现有研究。此外，与传统和其他基于深度学习（DL）的技术的比较分析还突显了我们开发的模型的卓越性能和在实际物联网应用中的潜力。
internet of thingswireless channel estimationlow-power iotartificial neural networkslp-iot communication
发现论文，激发创造
  • 室内无线信道估计的深度学习方法与低功耗通信

    该研究论文探讨了深度学习在低功耗物联网通信中利用接收信号强度指示器（RSSI）进行准确信道估计的潜力，通过基于全连接神经网络（FCNN）的两个模型（A 和 B），它们分别实现了 99.02% 和 90.03% 的均方误差（MSE）减少。与其他深度学习技术相比，我们的估计模型表现出显著的效率优势。

    May, 2024

  • 使用深度学习增强特征增益的梯度提升室内定位

    本研究基于物联网采用星形网络连通拓扑模型结合深度学习方法提出了一种新的基于梯度提升算法增强的 Step-Wise 特征增强的人工神经网络 (indoor localization) 方法，通过采集蓝牙低功耗模块的接收信号强度指示器 (RSSI) 来建立一套数据集，然后使用深度神经网络和转移学习技术进行决策树的特征增强。实验结果表明，相对于现有的梯度提升和深度学习方法，本文方法的定位精度提高了 8% 以上，平均定位误差为 0.77 米。

    Nov, 2022

  • 利用机器学习技术改进的物联网应用的室内定位

    利用机器学习算法和无线技术实现基于接收信号强度指示器 (RSSI) 的室内定位，通过测试不同的机器学习模型和无线技术，评估室内环境下的定位精度和稳定性。

    Feb, 2024

  • 室内 GNN：基于图神经网络的 WiFiRSSI 室内定位方法

    我们开发了一种名为 'IndoorGNN' 的方法，它使用基于图神经网络（GNN）的算法，以一种监督方式将特定位置分类为特定区域，基于在该位置收集到的 RSSI 值。我们的实验证明，IndoorGNN 在数据集受限的情况下能够表现出与完整数据集相当的预测准确性，而且相比于传统方法和基于 GNN 的方法，它在室内定位任务中具有更好的位置预测准确性。

    Dec, 2023

  • 基于人工神经网络的机器学习在无线网络中的应用：教程

    本文介绍了机器学习和人工神经网络在下一代无线通信网络中的应用，涵盖了前馈神经网络、循环神经网络、脉冲神经网络和深度神经网络等不同类型，并讨论了无人机通信、虚拟现实和边缘缓存等无线通信问题和挑战。作者提出了未来可能的研究方向，对开发满足未来无线网络需求的机器学习技术提供了全面的指南。

    Oct, 2017

  • 利用接收信号强度指示器反馈进行无线能量波束成形

    本文提出了一种利用 RSSI 值进行通道估计的新方案，该方案使用预定义的码本和 Cramer-Rao 下限分析，其训练阶段和推断阶段非常简单，需要的处理较少，易于实现，并且通过数值验证表明其可以实现良好结果的能源波束成形技术。

    Apr, 2017

  • 用于智能手机不变室内定位的多头注意力神经网络

    本研究提出了一种基于多头注意力神经网络的室内定位框架，能够有效应对智能手机设备异构性导致的 RSSI 信号特性差异问题，并在多样化的室内环境中，相比于现有技术，提升了高达 35% 的定位准确性。

    May, 2022

  • 利用人工神经网络入侵检测系统对物联网网络进行威胁分析

    本文针对物联网（IoT）的威胁进行了分析，使用人工神经网络（ANN）来对抗攻击，着重于对 IoT 网络上正常和威胁模式的分类，并使用模拟的 IoT 网络来验证其有效性。实验结果表明，该 ANN 程序能够成功检测到各种 DDoS/DoS 攻击，准确率达 99.4%。

    Apr, 2017

  • 利用三维地图和深度学习进行空间信号强度预测

    本文提出一种基于深度神经网络和三维地图预测城市环境中的无线电信号强度分布的算法，该方法不需要发射器位置知识和削弱、遮蔽参数等副通道信息，既可用于无人机或移动机器人部署优化也可应用于动态频谱访问网络、蜂窝覆盖设计和功率控制算法等方面。

    Nov, 2020

  • 利用混合无线信道模型辅助 UAV 无线节点定位

    本文提出了一种基于接收信号强度测量的无人机对地面用户定位的混合信道模型，结合神经网络逼近无人机天线增益函数，利用粒子群优化技术实现精确定位。

    May, 2022