基于OCAE-SOM的室内指纹定位算法研究

来源 :激光与光电子学进展 | 被引量 : 0次 | 上传用户:GYQ865739853
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对室内定位技术精度较低及数据量过大影响运算时间等问题,提出基于OCAE-SOM(Optimized Convolutional Autoencoder-Self Organizing Map)的室内指纹定位算法。离线阶段,先将信道状态信息的幅值相位预处理矩阵作为原始输入数据,并调整为RGB(Red,Green,Blue)格式训练卷积自编码器,使其可深度挖掘参考点的指纹特征,采用Adam算法优化CAE算法的参数,既降低数据维度又能提升训练效率;然后采用OCAE-SOM算法训练模型,可以缩短单独训练模型的时
其他文献
提出了一种基于Fano共振的太赫兹生物传感器,该传感器由石墨烯微盘三聚体结构组成.使用有限元方法分析了该结构的传输特性.仿真结果表明:石墨烯三聚体结构可以激发Fano共振,
利用单量子位转动门及量子控制非门的定义,设计了四种脉冲序列,这些脉冲序列在逻辑上与量子控制非门核磁共振(NMR)实现是等价的.在射频脉冲作用时间远小于两个自旋核相互作用
两步相移法是均衡栅线投影技术的高速与高精度的重要方法。但是目前的求解算法的精度较低或算法复杂度较高。提出一种基于变量分组优化的两步相移求解方法。该方法将原始迭代变量分组为线性组变量和非线性组变量,针对确定的非线性组变量,通过最小二乘法获得线性组变量显式的最优解。通过对非线性组进行参数优化,获得全局的最优解。利用数值模拟与实验对本文方法进行了验证。结果表明本文方法有效地降低了多元非线性优化的相位值陷
针对脉冲耦合神经网络在交通标志分割中准确度不高和参数设置复杂的问题,提出一种参数可调的改进脉冲耦合神经网络(PA-MSPCNN)。通过分析交通标志颜色特征,对图像进行红化预处理,区分出交通标志和环境背景;根据周围神经元对中心神经元的影响,改进MSPCNN模型中的加权矩阵和连接系数;通过分析动态阈值间的关系,增设辅助参数,使动态阈值的调节更加合理。实验结果表明,PA-MSPCNN对交通标志的检测准确