导读:本文包含了定位感知论文开题报告文献综述及选题提纲参考文献，主要关键词:压缩感知,功率场,线性Bregman算法,最大值
定位感知论文文献综述
季章生,肖本贤[1]（2019）在《基于压缩感知重建功率场的快速多目标计数与定位》一文中研究指出为提高传统的基于字典压缩感知定位算法的效率以及减少对信道环境的依赖性,提出一种基于压缩感知重建功率场的快速多目标计数与定位算法。首先将由测量矩阵与离散余弦变换基相乘得到的传感矩阵进行预处理,使得新的传感矩阵满足约束等距性条件,然后利用线性Bregman算法求出迭加功率场,最后从迭加功率场中的最大值找到目标位置并逐步剥离每个目标的功率场来进行稀疏目标计数与定位。实验结果表明,相比于基于字典的压缩感知定位算法,该算法在在目标数为14时,虚警概率和丢失概率分别能控制在0.03和0.063以内,平均响应时间低于0.038 2 s,在满足基本的定位要求下能够更快速地计数和定位。(本文来源于《电子测量与仪器学报》期刊2019年10期）
杨刚,柴雅文[2]（2019）在《基于矩阵填充和压缩感知的蓝牙室内定位方法》一文中研究指出基于低功耗蓝牙的接收信号强度指纹定位方式,文章提出了一种无需采集过多数据点建立指纹数据库且能及时矫正定位误差的定位方法。该方法分为两个阶段,离线数据采集阶段,利用低秩矩阵填充理论恢复只有少量采集点的指纹数据库,减小前期工作量;在线数据匹配阶段,对指纹数据库进行聚类匹配后,将定位问题转化为压缩感知模型,提高定位精确度。对用户在线阶段的实时数据进行均方根操作、反距离权重插值矫正和完善指纹库。实验结果表明,提出的定位算法能够有效减少40%左右的前期数据采集工作量,并将定位误差由0.93 m减小至0.71 m。(本文来源于《光通信研究》期刊2019年05期）
杜犇,陈洁,李威,张之栋[3]（2019）在《基于循环神经网络算法的室分用户定位与感知监控方法》一文中研究指出本文提出了一种基于机器学习的室分用户位置定位方法,利用循环神经网络算法构建楼宇立体栅格的关联模型,再结合室分用户的MR数据,完成室分用户位置轨迹的拟合与位置定位。在此基础上,关联信令侧KQI感知数据实现室分用户感知的智能监控。在某市进行试点,对识别出的用户感知问题现场排查确认,位置定位精确度达到88.65%。经过两个月的专项整治,解决用户感知问题327处,室分MR覆盖率由94.41%提升至97.22%。(本文来源于《电信工程技术与标准化》期刊2019年09期）
陈云松,范晓光,龚华燕[4]（2019）在《阶层自我定位、收入不平等和主观流动感知(2003-2013)（英文）》一文中研究指出基于2003-2013年10年间中国社会状况综合调查(CSS)和中国综合社会调查(CGSS) 9万多城乡居民样本,剖析中国人阶层自我定位的结构特征和影响因素。研究发现,10年来中国人的阶层自我定位稳定地呈保龄球状:"低位认同"者占据调查对象大半,且这一比例明显高于大多数国家。在个体层面,10年间教育、收入和职业等客观指标对阶层自我定位的净效应较小且逐渐弱化;主观流动感知与阶层自我定位的关联较强,但这10年中"向上流动感"的拉动作用有所降低。在宏观层面,经济增长速度并不能提升阶层自我定位,而收入不平等对阶层定位具有明显的负面效应。研究结果进一步揭示了社会转型期抑制收入差异和扩大流动机会对于提升公众阶层定位的重要意义。(本文来源于《Social Sciences in China》期刊2019年03期）
黄惠祥,郭秋涵,童峰[5]（2019）在《基于分布式压缩感知的麦克风阵列声源定位》一文中研究指出压缩感知-正交匹配追踪(CS-OMP)算法将声源定位问题转化为信号稀疏重构问题,能比传统定位算法获得更高的定位性能。但是CS-OMP算法在定位中没有考虑多个信号的相关性。将分布式压缩感知(DCS)理论引入麦克风阵列的声源定位中,考虑信号之间具有的共同稀疏性,利用分布式压缩感知-同步正交匹配追踪(DCS-SOMP)算法对信号进行联合重构,获取稀疏位置并对声源实现定位。仿真和实验结果表明,与传统定位算法和CS-OMP算法相比,DCS-SOMP算法在低信噪比环境下具有更好的定位性能和鲁棒性。(本文来源于《兵工学报》期刊2019年08期）
李剑汶,章宇栋,童峰,黄惠祥[6]（2019）在《利用块稀疏特性的压缩感知麦克风阵列声源定位》一文中研究指出与传统声源定位算法如相位变换加权、时延累加定位不同,压缩感知麦克风阵列声源定位算法可将声源定位转化为稀疏重构问题从而获得较高的性能。但在实际应用环境下,由于远场声源自身指向性、空间混响等原因,声源方向向量往往呈现块稀疏度结构,导致采用传统稀疏恢复算法如正交匹配追踪算法(Orthogonal matching pursuit,OMP)等进行压缩感知定位性能下降。本文在压缩感知声源定位算法中引入块稀疏似零范数,以压缩感知为基本框架,采用块稀疏似零范数稀疏恢复进行声源方向向量的重构,获取声源的方位。实验结果表明,相较于传统声源定位算法和基于OMP的压缩感知声源定位算法,本文算法具有更高的定位精度。(本文来源于《数据采集与处理》期刊2019年04期）
王洁,汪玲,朱栋强[7]（2019）在《利用压缩感知的无源分布式孔径非合作发射源定位方法》一文中研究指出非合作发射源的无源定位在军用和民用中都有较强的需求。本文提出一种基于压缩感知(CS)理论和分布式接收的非合作发射源定位方法。该方法适用于复杂的散射环境,如多径散射较严重的城市及其周边地区,可实现非合作静止发射源的定位,也可以实现非合作运动发射源的定位和速度估计。利用压缩感知理论,随机欠采样各接收单元信号,并构造新的接收/测量信号模型,将分布式接收孔径中的一个接收单元的信号作为参考信号,各接收单元的信号都用该参考信号来表示,去除接收信号中有关发射源的信息。然后采用正交匹配追踪(OMP)方法重建发射源位置和速度。该方法利用分布式接收孔径,配置灵活度高,压缩感知的应用大大降低了运算量,仿真实验验证了本文所提方法的有效性。(本文来源于《电子设计工程》期刊2019年13期）
陈桢[8]（2019）在《基于空间域压缩感知的车载雷达目标定位算法》一文中研究指出车载毫米波雷达(MWAR)是高级驾驶辅助系统(ADAS)和自动驾驶系统(ADS)中一种重要的传感器。为了提高车载雷达的距离分辨率,降低对目标车的角度估算时对快拍数,该文构建了基于压缩感知的车载雷达目标定位算法。该方法从空间域角度进行分析,考虑车载雷达探测范围内目标在整个空间的稀疏分布,对目标的距离、速度和角度进行估算。相比传统车载雷达使用匹配滤波器无法区分相近目标,该压缩感知雷达可以区分邻近的目标。结果表明:在快拍数为1的情况下,本算法可以实现目标的角度估计,角度分辨率小于4°,该分辨率优于Music (多重信号分类)算法。(本文来源于《汽车安全与节能学报》期刊2019年02期）
孙云瑄[9]（2019）在《基于移动终端感知的室内定位研究》一文中研究指出随着物联网的发展,各种室内场景中的定位和导航需求也与日俱增。无论是商场、机场内的路线查询,还是仓库中的货品定位、家中的宠物活动监督等,都需要获取其在室内环境中的位置信息。本文以“射频拉远单元(RRU)+远端汇聚单元(P-Bridge)+基带处理单元(BBU)”网络结构为基础,研究如何根据移动终端感知到的来自各个RRU的信号强度信息来进行室内定位。针对测量阶段采集的RSS(Received Signal Strength)指纹数据及记录的位置信息,本文对基于BP神经网络的指纹定位法进行了改进,分为模型训练和定位两个阶段。在模型训练阶段,完成各个子区域内定位神经网络的训练。在定位阶段,首先,对用户感知到的RSS指纹特征进行分析,确定用户所处的子区域;然后,利用训练好的定位模型来确定用户在子区域内的相对位置坐标;最后,根据用户所处的子区域编号及子区域内的相对位置坐标来推断出用户的绝对位置坐标。仿真结果表明,与使用传统的RSS指纹定位法相比,改进后的定位模型的均方根误差减小18%左右。针对定位模型运行过程中收集到的用户的RSS指纹序列,本文设计了一种基于半监督学习的室内定位算法。首先,利用Baum-Welch算法对用户的位置转移过程进行建模;然后,利用隐马尔可夫模型中的预测算法来推断出用户最可能的位置序列,并对用户的RSS指纹序列进行位置标注;最后,用标注好的数据来对定位神经网络进行增量训练,使得模型始终保持较高的定位精度。仿真结果表明,与仅使用测量阶段采集的RSS数据进行模型训练相比,使用半监督学习算法可以减小模型的均方根误差。针对用户参与RSS指纹感知任务时积极性不足这一问题,本文设计了一种在线的混合激励机制,利用报酬和虚拟积分对参与用户进行激励,使得在预算有限时能获取对定位模型精度提升最有助益的RSS数据集。仿真结果表明,与使用传统的报酬激励机制相比,使用本文设计的混合激励机制来选择RSS数据集并进行增量训练时,模型的定位精度提升更多。(本文来源于《北京邮电大学》期刊2019-06-01）
李秀琴,王天荆,白光伟,沈航[10]（2019）在《基于压缩感知的两阶段多目标定位算法》一文中研究指出针对传感器网络中基于接收信号强度(Received Signal Strength,RSS)的多目标定位具有天然稀疏性的问题,提出了基于压缩感知的两阶段多目标定位算法,该算法将基于网格的多目标定位问题分解为粗定位和细定位两个阶段。粗定位阶段,根据序贯压缩感知原理确定最优观测次数,然后利用l_p最优化问题重构出目标所在的初始候选网格;细定位阶段,由四分法不断划分候选网格,根据最小残差原则估计目标在候选网格中的确切位置。仿真结果表明,相较于传统的基于l_1最优化的多目标定位算法,基于压缩感知的两阶段多目标定位算法在目标个数未知的场景下具有更优的定位性能,且明显减少了定位时间。(本文来源于《计算机科学》期刊2019年05期）
定位感知论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于低功耗蓝牙的接收信号强度指纹定位方式,文章提出了一种无需采集过多数据点建立指纹数据库且能及时矫正定位误差的定位方法。该方法分为两个阶段,离线数据采集阶段,利用低秩矩阵填充理论恢复只有少量采集点的指纹数据库,减小前期工作量;在线数据匹配阶段,对指纹数据库进行聚类匹配后,将定位问题转化为压缩感知模型,提高定位精确度。对用户在线阶段的实时数据进行均方根操作、反距离权重插值矫正和完善指纹库。实验结果表明,提出的定位算法能够有效减少40%左右的前期数据采集工作量,并将定位误差由0.93 m减小至0.71 m。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
定位感知论文参考文献
[1].季章生,肖本贤.基于压缩感知重建功率场的快速多目标计数与定位[J].电子测量与仪器学报.2019
[2].杨刚,柴雅文.基于矩阵填充和压缩感知的蓝牙室内定位方法[J].光通信研究.2019
[3].杜犇,陈洁,李威,张之栋.基于循环神经网络算法的室分用户定位与感知监控方法[J].电信工程技术与标准化.2019
[4].陈云松,范晓光,龚华燕.阶层自我定位、收入不平等和主观流动感知(2003-2013)（英文）[J].SocialSciencesinChina.2019
[5].黄惠祥,郭秋涵,童峰.基于分布式压缩感知的麦克风阵列声源定位[J].兵工学报.2019
[6].李剑汶,章宇栋,童峰,黄惠祥.利用块稀疏特性的压缩感知麦克风阵列声源定位[J].数据采集与处理.2019
[7].王洁,汪玲,朱栋强.利用压缩感知的无源分布式孔径非合作发射源定位方法[J].电子设计工程.2019
[8].陈桢.基于空间域压缩感知的车载雷达目标定位算法[J].汽车安全与节能学报.2019
[9].孙云瑄.基于移动终端感知的室内定位研究[D].北京邮电大学.2019
[10].李秀琴,王天荆,白光伟,沈航.基于压缩感知的两阶段多目标定位算法[J].计算机科学.2019
标签：压缩感知; 功率场; 线性Bregman算法; 最大值;