利用CNN和小波变换的室内定位信号识别

• 作者: 张忠健 席志红
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 室内定位 超宽带 非视距信号识别 连续小波变换 深度学习 卷积神经网络 支持向量机 特征可视化
• 年，卷（期）: 2022,（2）
• 页码范围: 81-86
• 页数: 6页
• 分类号: TN98
• 语种: 中文
• DOI: 10.11991/yykj.202103021

摘要

在超宽带(UWB)室内定位系统中,采用时域特征识别非视距信号(NLOS)不能达到令人满意的性能.为了解决这一问题,利用小波变换方便同时提取时频域特征的特点,提出了一种基于连续小波变换和卷积神经网络(CWT-CNN)的NLOS识别方法.仿真实验使用一个网络开源数据集.仿真结果表明,对于6种不同的室内场景,NLOS信号识别准确率分别为87.50％、84.50％、88.00％、87.00％、90.50％和88.50％,CWT-CNN能够较好的识别时频域内的NLOS信号.