基于CSI商联合AOA的增强型指纹定位方法

针对当前指纹定位技术需要基于多个接入点(AP)被动定位,导致单AP室内场景使用受限的问题,提出一种信道状态信息(CSI)商联合到达角(AOA)的室内指纹定位方法:指出技术关键是利用单链路上的多维信号参数来构建指纹模型;利用多进多出(MIMO)系统空间分集,构建CSI商以获得更稳健的CSI指纹信号,并结合多信号分类(MUSIC)算法原理设计一种多载波AOA指纹表示方法,该方法与原始CSI指纹相比具有区分性;然后为了解决单AP的AOA指纹对称性问题,将CSI商与AOA指纹相结合,得到新的指纹,通过机器学习的方法进行目标位置匹配。实验结果表明,本方法在空教室和实验室环境下的定位准确率分别达到98.96%和97.08%,平均定位误差分别为0.46 m和0.68 m,具有较高的定位性能。

基于CSI和FO-MKELM的室内定位方法

针对Wi-Fi指纹定位精度低、维护繁琐、训练成本大的问题,提出一种基于信道状态信息(CSI)和改进多元核函数极限学习机(FO-MKELM)的室内定位方法。首先在预处理阶段对CSI幅值差和重构相位信息进行融合,以减少环境噪声的影响;其次,在离线训练阶段,采用分段式量子粒子群算法(QPSO)为模型寻找最优参数,以提高定位精度和泛化性能;然后,为抑制环境改变对定位性能的影响,引入在线增量学习和遗忘机制,添加部分新增数据进行增量学习持续更新定位模型,并设置数据有效期遗忘过旧数据减少不良影响;最终,在在线预测阶段,将模型输出与标签库进行匹配获得更为准确的坐标。在空旷楼道和复杂实验室两种不同的环境下进行实验验证,该算法相比其他定位方法在定位精度和长期稳定性上都有所提升。

一种融合5G CSI和地磁的集成学习定位方法

针对深度学习算法在多传感器融合定位中容易出现的局部收敛、异质融合性能不佳等问题,本文提出了一种集成双向长短期记忆网络(BiLSTM)和注意力机制的多输入卷积神经网络(CNN)的室内定位算法。该算法首先对5G信道状态信息(CSI)和地磁数据分别进行预处理;然后各自基于独立的分支网络进行离线训练,同时提取指纹数据的空间特征和时序特征,追加注意力机制层;最后在全连接层实现了异质传感器数据的融合定位。在会议室和教学楼大厅的试验结果表明,平均定位误差分别为0.95和1.84 m,相比误差反向传播网络(BPNN)分别提高了48.9%和42.7%,定位精度和系统稳定性均大幅提升。

RSSI和PC-CSI加权融合的指纹定位方法

针对基于RSSI和CSI的指纹定位技术易受环境干扰、定位精度较低的问题,提出了一种基于RSSI指纹和相位修正信道状态信息(phase correct based channel state information,PC-CSI)指纹的加权融合指纹定位技术。基于PC-CSI的指纹定位在传统基于CSI幅值的指纹定位基础上增加相位信息对定位结果进行修正,之后对RSSI指纹和PC-CSI指纹的定位结果加权重定位。实验结果表明,提出的加权融合指纹定位算法与基于CSI的主动定位算法相比,平均定位误差(mean position error,MPE)降低了36.2%,能满足室内定位需求。

微柱状CsI闪烁转换屏的制备和表征

闪烁转换屏是X射线成像探测器的重要组成部分,微柱状的闪烁转换屏可以提高X射线成像探测器的空间分辨率。采用周期为4μm、孔深为100μm的微孔硅阵列作为基底模板,热氧化得到二氧化硅反射层后,再通过真空熔融压力注入法填充CsI获得了具有周期结构的微柱状闪烁转换屏,研究了真空度、注入压力、加压时间对硅孔内CsI微柱形貌的影响。结果表明:真空度10^(-2)Pa、注入压力6 MPa、加压时间30 min时,可以有效消除CsI微柱中存在的气泡,得到均匀、连续、致密的微柱状闪烁转换屏。X射线衍射和激发发射谱展示了制备的微柱状像素化CsI闪烁转换屏具有优异的结晶性和发光性能。刃边法测得制备的微柱状CsI闪烁转换屏空间分辨率可达97 lp/mm。

基于Wi-Fi CSI的无监督域自适应伪装步态识别

步态识别作为一种非侵入性的人体生物识别技术,因其无须用户主动配合的特点,被广泛应用于安防和智能家居等领域。然而,现实中步态识别系统面临的一个重大挑战是伪装效应。当受试者改变着装或携带物品时,步态数据的可靠性往往受到影响,从而使步态识别变得困难。为解决这一问题,该文提出一种基于Wi-Fi CSI的无监督伪装步态识别方法。该方法引入一种新的数据度量策略,通过预训练来获取伪装步态数据的伪标签,并利用匹配滤波技术生成高质量的标记训练数据对。最终,通过无监督学习实现数据分布对齐,克服伪装步态数据的分布偏移问题。实验结果表明,该文的方法在伪装步态识别方面显著优于现有最先进的步态识别技术。

利用统计CSI的DMA辅助无线携能通信传输方法

提出了一种利用统计信道状态信息(CSI)的动态超表面天线(DMA)辅助无线携能通信传输方法。考虑一个由DMA阵列代替传统天线阵列的基站、一个信息解码用户,以及一个能量收集用户构成的无线携能通信系统,将信道建模为莱斯空间相关信道,提出了平均收集能量和发送功率约束条件下的可达遍历速率最大化问题。首先,利用随机矩阵理论将优化问题转化为一个确定性的优化问题;然后,通过交替优化方法,设计了可达速率最大化和仅利用统计CSI的基站发送协方差矩阵和DMA权值矩阵。仿真表明,所提方法能达到通信速率和收集能量之间的最优折中。

RIS辅助MIMO NOMA系统中利用统计CSI的下行传输方法

针对可重构智能反射表面(RIS)辅助多输入多输出(MIMO)非正交多址接入(NOMA)下行传输系统,该文提出利用统计信道状态信息(CSI)的基站发送协方差矩阵与RIS相移矩阵设计方法。首先,在莱斯空间相关信道假设下,利用大维随机矩阵理论,推导了RIS辅助MIMO NOMA系统遍历和速率的确定性表达式;然后,在弱用户速率约束与发送功率受限的条件下,通过最大化确定性大系统近似和速率,利用统计CSI,分别设计了强、弱用户的次优发送协方差矩阵和RIS的相移矩阵。仿真结果表明,所推导的近似表达式具有很好的近似效果,所设计的发送协方差矩阵和相移矩阵能显著提升系统的和速率。

改进MixNet的CSI图像指纹室内定位方法

为了提升信道状态信息(channel state information,CSI)指纹室内定位的性能,提出了一种改进MixNet的CSI图像指纹室内定位方法.在离线阶段,通过选择定位参考点(reference point,RP)处信号强度指示(received signal strength indication,RSSI)最强的3个接入点(access point,AP),提取其CSI数据并转换为图像;然后利用改进的MixNet模型对图像进行训练并保存模型.其中改进的MixNet引入了坐标注意力(coordinate attention,CA)和残差连接.首先,将MixNet-s中的SE(squeeze-and-excitation)注意力替换为CA,以增强网络的信息表示能力并更精确地获取CSI图像指纹特征.其次,根据MixNet-s模型的特点构建残差连接,以增强网络的表示能力并防止过拟合.最后,通过减小网络深度确保所有网络层得到充分训练;在线阶段,采集目标设备的CSI数据并转换为图像,输入已训练好的改进MixNet模型(命名为MixNet-CA);最后利用加权质心算法根据模型输出的概率值估计目标设备的最终位置.提出方法在室内环境中进行了验证,达到了0.3620 m的平均定位误差.

基于SE-CsiNet的大规模MIMO信道状态信息反馈与重建算法

本文研究了大规模多输入多输出(MIMO)系统FDD模式下行链路信道状态信息(CSI)反馈与重建问题,针对传统基于压缩感知的CSI反馈与重建算法存在的计算复杂度高、对信道稀疏性要求严格等问题,以及现有的基于深度学习的CSI反馈与重建算法存在的性能不足问题,提出了一种基于联合注意力机制神经网络的大规模MIMO信道状态信息反馈与重建算法,基于自编码器神经网络架构提出了一种全新的SE-CsiNet神经网络模型,在译码器网络当中引入联合压缩-激活(SE)注意力机制算法,有效提高神经网络的特征提取能力。结果表明,所提出的算法相较于传统CSI反馈与重建算法及现有的深度学习算法性能更为优异。

基于C-CSI模型的满意度调研策略研究

近年来,由于通信行业市场竞争非常激烈,用户的满意度成为重要评价指标,和企业的发展息息相关。因此,运营商将竞争的重点转向了提升客户的满意度。文章针对上述问题,采用C-CSI模型研究品牌形象、感知服务质量、期望服务质量和感知服务费用这四个影响因素对顾客满意度和忠诚度的作用效果,从用户的感知角度,通过应用二阶结构模型进行变量概念简化,构建客户满意度的评测模型。利用二阶结构模型实现变量构念的优化,进而考查多种影响变量对客户的满意度的影响及客户的满意度与忠诚度之间的关系。实验结果表明,在众多因素中,对客户满意度影响最为显著的是客户的感知服务费用和客户的感知服务质量,顾客的满意度对顾客的忠诚度起着决定性的作用,此外,品牌形象的影响也很重要。

基于统计CSI的RIS辅助通感一体化波束成形设计

随着无线通信技术的发展,智能超表面(Reconfigurable Intelligent Surface, RIS)辅助通感一体化(Integrated Sensing and Communication, ISAC)技术越来越受到关注。针对RIS辅助ISAC系统中基站获取瞬时信道状态信息(Channel State Information, CSI)开销过大的问题,提出了一种利用统计CSI的联合波束成形设计方案。利用统计信道状态信息,分析了系统遍历速率的确定性等价式;在感知性能约束下,通过最大化该确定性等价式,提出了一种设计最优基站发送协方差矩阵和RIS对角相移矩阵的交替优化算法;仿真结果验证了所提方案的有效性,并揭示了通信与感知性能之间的折中关系。

基于特征融合的大规模MIMO系统CSI反馈

信道状态信息(Channel State Information,CSI)反馈是大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统的一个关键问题。大规模MIMO系统中基站天线数量巨大,CSI反馈出现了反馈开销大、反馈精度低等问题。为了降低反馈开销,提高反馈精度,采用深度学习方法,提出了一种基于特征融合的CSI反馈网络(Feature Fusion Net,FFNet)。利用基于注意力机制的特征融合在编码器中融合不同尺度的CSI特征,并在解码器中使用多通道多分辨率卷积网络以及通道重排,从而高精度地重建压缩后的CSI。仿真结果表明,与几种经典的深度学习CSI反馈方法相比,在室内和室外信道条件下,均具有更高的反馈精度。

有限CSI反馈MIMO系统下的快速码字搜索

针对传统多输入多输出(Multiple-Input Multiple-Output,MIMO)系统下信道反馈开销大、发送端的最优预编码设计难以实现的问题,研究有限信道状态信息(Channel State Information,CSI)反馈下的联合预编码设计与码字搜索技术,提出一种基于离散傅里叶变换(Discrete Fourier Transform,DFT)码本的快速码字搜索算法。该算法利用MIMO信道天然具有的信道硬化特性,将理论性能最优但是计算复杂度极高的遍历式码字搜索算法转化为求解多个简单优化问题的快速码字搜索算法。仿真结果显示,该算法能够在性能损失较小的情况下大幅度降低码字搜索的计算复杂度。

基于GMM-DBC的CSI室内定位算法

针对贝叶斯室内定位技术存在定位精度低及时间复杂度较高的问题,提出了一种基于高斯混合模型和密度聚类(GMM-DBC)的信道状态信息(CSI)定位算法.通过对分模型参数的初次估计构建GMM概率分布模型并进行误差计算;引入确定分模型个数(DSM)策略,结合误差计算结果更新GMM模型参数,减小由模型精度引起的定位误差;基于不同参考点的分布特征,判断参考点间紧密程度,将紧密相连的参考点划为一类,减小搜索范围,降低时间复杂度;根据分簇结果,利用改进的贝叶斯概率算法进行权值计算,得到最终定位结果.实验结果表明:所提算法能较好地提高定位精度,降低时间复杂度.

软X射线条纹相机CsI光阴极响应灵敏度的理论计算

碘化铯(CsI)光阴极响应灵敏度是软X射线条纹相机用于X射线能谱定量诊断的重要参数,其理论计算具有重要指导意义.目前的理论解析模型基于薄膜光阴极产生次级电子的一维随机行走模型发展而来,具体包括X射线正入射、能量大于1 ke V条件下的Henke模型,以及变角度入射、光阴极厚度大于100 nm条件下的Fraser模型,都存在一定局限性.本文进一步引入次级电子输运概率的基础表达式,推导了CsI光阴极在更大参数范围内(X射线能量0.1—10 ke V、光阴极厚度10—200 nm)响应灵敏度随X射线能量E、光阴极厚度t、X射线与阴极表面夹角θ变化的一般表达式.最后,将本文的理论计算结果与Henke模型、Fraser模型、文献及北京同步辐射的实验数据分别进行了比较和讨论分析,验证了计算模型的准确性和普适性,并且为高时间分辨光谱定量测量实验中Cs I光阴极的优化设计提供了理论参考.

变化信道稀疏度的CSI反馈方法

在大规模多输入多输出(multiple input multiple output,MIMO)系统中,压缩感知(compressed sensing,CS)技术常用于具有稀疏特性的信道状态信息(channel state information,CSI)反馈。针对CS重构时信道稀疏度通常未知的问题,基于深度展开技术提出了一种变化信道稀疏度的CSI反馈方法(a CSI-feedback method for varying channel sparsity,AVCS)。AVCS将信道稀疏度作为训练参数,学习得到通用的网络架构。随着天线数量增大导致信道(矩阵)维度激增,学习网络所得的相互抑制矩阵会呈现二次增长问题,AVCS利用相互抑制矩阵托普利兹(Toeplitz)特性设计了降维卷积网络,解决CSI反馈时的计算复杂度问题。仿真结果表明,所提方法提高了在大规模MIMO系统下CSI重构的适用性,减少了反馈开销且对信道稀疏度具有鲁棒性。

CsI(Tl)闪烁探测器脉冲形状鉴别最优积分条件的探究方法

介绍了脉冲波形分析中用电荷积分法鉴别带电粒子的方法,给出了CsI(Tl)脉冲波形粒子鉴别能力的评估方法。用VME(versa module eurocard)数据获取系统的电荷积分插件QDC和基于PXI(PCI extensions for Instrumentation)的XIA获取系统获取CsI(Tl)闪烁探测器的脉冲信号波形各有优缺点。相较于过去在实验中利用QDC电子学插件对闪烁体的脉冲波形做快、慢成分的在线积分处理,该研究在XIA获取系统采集的CsI(Tl)闪烁体真实脉冲波形基础上,利用ROOT数据分析软件,在离线数据处理过程中利用程序调整积分门的延迟和宽度,研究了积分门的延迟和宽度的变化对探测器粒子鉴别能力的影响。定义了一种简单、明了的判断方法,通过比较2种不同粒子在二维鉴别谱中的分布距离来判断在不同积分门延迟和宽度下粒子的鉴别能力并研究其变化规律,探究该方法的可行性,为以后采用电荷积分插件实验提供参考。

直播情境下基于负向评价的CSI研究

针对直播电商平台退换货引起的客户满意度问题,采用熵权法对指标赋权,构建改进GRA-TOPSIS模型,分析影响满意度的主要因素。借助网络爬虫采集投诉数据,IPA分析结果表明,沟通质量满意度最低也最重要,需要着重改善;便捷性和退换质量因素的整体情况较好。构建的GRA-TOPSIS模型在研究逆向物流客户满意度方面具有较好效果。

基于CSI和K-means-SVR的多指纹库室内定位方法

传统的Wi-Fi室内定位方法需要与所有指纹数据库中的指纹数据进行匹配后才能定位,导致人群聚集区域定位效率不高,体验较差。提出一种基于信道状态信息(CSI)、K均值(K-means)聚类算法与支持向量回归(SVR)算法相结合的多指纹库室内定位方法。该方法首先根据CSI的簇分布特点,利用K-means算法对所有定位点内的CSI数据聚类后得到多个簇的CSI数据;然后,基于多个簇分别建立多个指纹库,并将CSI数据分别存入多个指纹库,进而在每个指纹库中分别训练SVR模型用于Wi-Fi定位。相较于传统的支持向量机(SVM)定位方法,所提方法在离线阶段需要的训练样本更少,定位效率更高;在线阶段,该方法既降低了匹配的复杂度,也提高了定位的精度。由于使用了多指纹库,Wi-Fi定位系统可以根据人流量实时调整资源分配策略,提高服务器运行效率和定位服务体验。