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AOA-LSSVM模型的枢纽城市物流需求量预测

传统的LSSVM难以全面反映物流需求的变化规律,会导致预测效果不佳。首先利用灰色关联分析(GRA)得到物流需求的主要影响因素;将主要影响因素作为LSSVM的输入变量,构建物流需求预测模型;通过阿基米德算法(AOA)对最小二乘支持向量机的正则化参数(γ)和核参数(σ)进行迭代寻优,以减少参数选择的盲目性;构建AOA算法优化最小二乘支持向量机(LSSVM)的智能预测模型AOA-LSSVM,经过验证该模型可以提高预测精度。运用AOA-LSSVM模型对西部陆海新通道的重要枢纽城市——重庆、成都、贵阳和南宁的物流需求进行实证分析,结果表明:该模型与LSSVM模型相比取得较高的预测精度,其均方根误差、平均绝对误差、以及异方差调整的均方根误差、异方差调整的平均绝对误差分别降低了1946.4,1206.1,0.0284,0.0397。

基于AoA方法的船舱内Bluetooth定位技术研究

本文主要研究了基于到达角(AoA)方法的船舱内Bluetooth定位技术。首先介绍了Bluetooth定位技术的基本原理和特点,然后详细阐述了AoA方法的工作原理和优点。设计并实现了基于AoA的船舱内Bluetooth定位系统,通过试验验证了该系统的有效性和准确性。最后对系统的局限性进行了讨论,并提出了未来的研究方向。

船舶舱室环境双级多元感知机蓝牙AoA定位方法

大型远洋船舶室内精准定位是实现船上智慧服务的前提,是制造智能船舶的关键。然而,与陆地常规室内环境定位不同,船舶舱室具有空间结构复杂、金属舱室对信号干扰引起的多径效应强烈特点,导致常规基于射频信号的定位方法精度下降。对此,提出一种双级多元感知机(DLMLP)蓝牙AoA定位方法,首先,构建信号传播仿真模型,对比分析船舶舱室环境与陆地常规室内环境蓝牙信号传播过程中的信号强度和多径效应的信道干扰情况,获得误差影响因素;其次,对蓝牙正交采样数据进行频率偏差补偿,实现相位对齐预处理;再次,综合利用蓝牙同源异构数据,构建双级多元感知机深度学习蓝牙AoA估计模型,实现角度估计;最后,根据角度估计结果利用最小二乘法计算定位标签坐标值。实验结果表明,与常规蓝牙AoA定位算法相比,提出的DLMLP方法可以在船舶舱室复杂动态干扰环境下有效提高定位精度,定位精度提升了30%以上。

基于大数据迭代的AOA天馈优化方法研究

随着5G网络的不断建设,虽已实现整体网络的连续覆盖,但由于现网部分站点仍未达最佳覆盖角度,导致部分区域室内深度覆盖仍存在黑点,网络能效无法最大程度发挥。基于此,文章提出了一种天馈分析调整的新方法,此方法依托用户上报的MR数据,结合自研的滑窗迭代寻优算法,可以主动识别热点区域,精细化覆盖,对提升用户满意度、提升网络能效具有重大意义。

基于蓝牙的AOA定位技术在工厂环境定位中的应用

工厂环境下的高精度室内定位对于智能制造、仓储管理和人员安全监控至关重要。以某工厂智能化升级改造为例,阐述基于蓝牙的信号到达角(Angle of Arrival,AOA)定位技术的基本原理,针对工厂前区设备密集、后区相对空旷的特点,采用基于蓝牙的AOA定位技术规划基站部署,优化基站的部署间距和高度。通过立柱交点定位测试法和基站下方定位测试法,验证该系统在不同测试方案下均展现出出色的定位精度,平均误差值分别为0.6 m和0.4 m,满足了设计精度要求。

RSS和AOA融合的单站低空无线电辐射源定位算法

提出一种在低空场景下基于接收信号强度(Rcecived Signal Strength,RSS)与到达角度(Angle of Arrival,AOA)信息融合的单站无源定位算法。该算法采用单架无人机设备虚拟多站设备接收无线电辐射源信号,融合RSS估计的距离信息与AOA方向角信息,依据最小二乘准则(LS)构造算法的优化目标函数,采用凸松弛技术将目标函数等价为二阶锥规划(SOCP)问题并通过内点法求解。实验结果表明,该算法的定位精度在2 km范围内可达20 m,其定位性能优于单站无源定位算法,且由于采用单架无人机采集信号,其设备复杂度相较于多站无源定位较低。

基于IAOA-LSSVM的输电线路覆冰厚度预测研究

为民用机场提供电力支撑的场外输电线路一旦线体外表面覆冰达到了一定厚度,易导致输电导线舞动甚至损坏电力设备,影响民用机场的运行。为了能够给机场提供更稳定的电力支撑,保证机场电力设施的稳定运行,提出改进算术优化算法优化最小二乘法支持向量机(IAOA-LSSVM)的输电线路覆冰厚度预测模型,引入双曲正切因子并结合Lévy飞行策略改进算术优化算法,通过IAOA算法不断优化LSSVM模型中的正则化参数C与核函数参数σ,最后使用实测所得的气象数据及覆冰厚度数据对改进后的预测模型进行验证,并与优化前的预测模型及其他常用模型进行仿真对比,实验结果表明:IAOA-LSSVM预测模型精度更高,证明了该方法在输电线路覆冰厚度的预测运用中的较高准确性。

AOA-CEEMDAN和融合特征在齿轮箱故障诊断中的应用

自适应噪声完备集成经验模态分解(CEEMDAN)的参数由于是人为设置的,从而会导致其信号的分解不彻底。针对这一问题,提出了一种基于算术优化算法(AOA)优化CEEMDAN、融合特征和随机森林(RF)的齿轮箱故障诊断方法。首先,采用AOA算法对CEEMDAN方法的关键参数进行自适应选取,并采用优化后的CEEMDAN方法对齿轮箱振动信号进行了分解,生成若干个本征模态函数(IMF);随后,利用相关系数准则选择了前4阶IMF分量作为故障敏感分量;接着,利用由注意熵和散度熵组成的融合特征提取方法挖掘了故障敏感分量的故障特征,得到了故障敏感特征样本;最后,将表征齿轮箱故障特性的故障特征输入至RF多故障分类器中,建立了故障分类模型,完成了齿轮箱的故障识别;利用QPZZ-Ⅱ型齿轮箱数据集进行了实验,并将其结果与采用其他方法所得结果进行了对比。研究结果表明:相较于原始CEEMDAN,优化后的CEEMDAN能够更加准确地分解非线性齿轮箱振动信号,故障识别准确率提高了4%;相较于单一的故障特征,融合特征能够更加准确地表征齿轮箱的故障状态,故障识别准确率分别提高了3.2%和8%。基于AOA-CEEMDAN和融合特征提取以及RF分类器的故障诊断方法为齿轮箱的故障特征提取和故障诊断提供一种可行的思路和方案。

Gamma3钉内固定结合3D打印治疗AOA3型老年股骨粗隆间骨折的疗效分析

目的探讨Gamma3钉内固定结合3D打印治疗AOA3型老年股骨粗隆间骨折的疗效。方法选择AOA3型老年股骨粗隆间骨折患者142例,随机分为3D组与对照组,各71例。对照组给予Gamma3钉内固治疗,3D组给予Gamma3钉内固定结合3D打印治疗。结果3D组围手术指标均较对照组低(P<0.05);两组术后14 d的血清VEGF、HIF-1α水平均高于术前1 d,且3D组高于对照组(P<0.05);3D组术后3个月的并发症发生率低于对照组(P<0.05);3D组术后1个月与3个月的膝关节优良率均高于对照组(P<0.05)。结论Gamma3钉内固定结合3D打印治疗AOA3型老年股骨粗隆间骨折能促进VEGF、HIF-1α的分泌,减少手术创伤,促进患者术后康复,降低术后并发症的发生,提高患者的膝关节功能。

一种基于Mesh网络的混合AOA/RSSI协作定位算法

传统到达角度(Angle-Of-Arrival,AOA)/接受信号强度指示(Received Signal Strength Indicator,RSSI)混合定位往往需要多个锚节点布设阵列天线以实现高精度定位,为解决在锚节点资源受限下精度较低的问题,提出了一种基于Mesh网络的混合AOA/RSSI协作定位方法。仅有中心主锚节点提供AOA角度的情况下,采取最小二乘法对联合真实和虚拟锚节点所对应角度和距离信息进行初步定位;利用未知节点之间的协作通信和测距信息,位置估计问题被转换为无约束非线性优化问题,给予短距离链路更高权重,通过迭代求解最终实现协作定位。仿真结果表明,所提算法在锚节点资源受限情况下有效地提升了定位精度。

基于TDOA和AOA的5G室分场景三维定位方法

在智慧楼宇以及电力检修运维中,需要及时获取设备或人员位置信息。针对室内因非视距传输和多径效应引起的定位精度不高问题,提出了一种基于奇偶交错布局的室分与5G结合的室内三维定位方案。首先,采用到达时间差(time difference of arrival,TDOA)和到达角度(angle of arrival,AOA)融合定位。其次,把具体定位算法融入到定位架构里,基于边缘计算快速获取室内对应移动目标的位置信息。在进行TDOA定位过程中,MEC端的定位服务器结合压缩感知进行信道估计,并在分段正交匹配追踪(stagewise orthogonal matching pursuit,StOMP)算法的基础上加入奇异值进行降噪处理。在进行AOA定位过程中,先利用改进的波束空间变换技术构造矩阵进行降维,为保证降维过程中信息不损失,提出对附加角度误差进行分析处理,然后,采用多重信号分类(multiple signal classification,MUSIC)算法进行定位。最后,5GC核心网服务器利用Chan-Taylor算法进行TDOA/AOA融合定位。仿真结果证明了所提出的定位方法能够实现对移动目标的精准定位。

基于TDOA/AOA的惯性/单声源被动导航定位方法研究

被动导航定位技术以自主水下航行器(AUV)不向外发射信号为前提,具有定位隐蔽性好、安全性高的优势。惯性导航是一种自主式的导航,可用于AUV的被动定位,然而惯性导航误差易发散的特性限制了其长航时、远航程下的应用。针对此提出一种单声源辅助惯性的被动导航定位方法,单声源按照固定周期发射信号,AUV通过接收信号的到达时间差(TDOA)以及到达角度(AOA)完成对惯性导航误差的抑制,无需与声源进行信息交互。为了实现对惯性导航误差的抑制,推导了TDOA/AOA定位模型,建立了基于位置匹配的惯性/单声源松组合导航方法。仿真实验表明,所建立的单声源辅助惯性导航方法,可以有效抑制惯性导航误差的发散,水平方向误差收敛到10 m以内,可以为AUV提供长航时的被动导航定位功能。

基于AOA算法的低功耗蓝牙室内定位系统

设计了基于到达角度法(Angle of Arrival,AOA)的蓝牙定位系统,并搭建了基于CC2652R1蓝牙开发板和STM32单片机的低功耗蓝牙定位系统。现场测试实验结果表明,本系统能够在室内复杂环境下获取亚米级精度的定位信息,精度可达20 cm,适用于电力智慧运维、智慧工厂、商城导引、仓储物流等场景。

AOA-BERT:一种基于对抗学习的方面级情感分类方法

方面级情感分类是一种细粒度的情感分析任务,旨在分析出文本不同方面的情感.针对方面级情感分类模型存在分类精度低、泛化性弱等问题,提出基于对抗学习的AOA-BERT方面级情感分类模型(Attention-Over-Attention-BERT for aspect-level sentiment classification model based on adversarial learning,AOA-BERT).首先,将文本和方面词单独建模,通过BERT编码提取隐含层特征.其次,将隐含层特征放入AOA(Attention-Over-Attention)网络提取权重向量.最后,将权重向量与建模后的文本特征向量相乘,并做交叉熵损失、回传参数.此外,通过对抗学习算法生成和学习对抗样本,作为一种文本数据增强方法,优化决策边界.实验结果表明,和大多数深度神经网络情感分类模型相比,AOA-BERT能提升情感分类的准确性.同时,通过消融实验,证明了AOA-BERT结构设计的合理性.

一种加权圆模型的AOA与RSSI融合定位算法

针对多径效应和非视距给定位精度带来负面影响的问题,提出一种适用于3个基站的基于加权圆的融合定位算法:将接收信号强度(RSSI)定位法与到达角(AOA)法相融合;并由于传统的无线信号路径损耗模型在预测距离时易对环境参数有所依赖,提出利用自适应遗传算法(AGA)-反向传播(BP)神经网络来构建传播模型以确定加权圆的权值初始值;最后根据不断迭代的加权范围和角波束来估计待测点位置。实验结果表明,与其他混合定位方法的性能相比,将AGA-BP和加权圆算法相结合能更好地提高定位精度;同时,为测试鲁棒性,加入不同大小的干扰角度,结果可见,提出的算法能有效处理非视距误差。

氨基氧乙酸(AOA)对梨花期花朵生活力和花后着果率的影响

氨基氧乙酸(AOA)可抑制乙烯合成酶活性,理论上采用AOA对梨花进行处理,避免或减弱乙烯的产生,可延长花朵寿命。为寻求延长梨花花朵寿命,延长花期,进而提高授粉成功率的方法,以不同浓度(0、1、5、10、15、20 mg/L)的AOA对“翠冠”梨大蕾期梨花及“黄花”梨花粉进行处理,测定花期花朵生活力、花朵柱头活性及花粉活力的生理变化,并以最佳浓度进行液体授粉,测定其花后着果率。结果表明,在“翠冠”梨整个花期中,与对照相比,AOA处理能降低梨花萎蔫速率,并使花柱头保持较长时间的活力,其中15 mg/L AOA处理延长花期的效果最佳。与对照液体授粉(10%蔗糖+0.01%硼酸+0.03%葡萄糖酸钙+0.04%黄原胶+花粉0.8 g/L)相比,加入15 mg/L AOA进行液体授粉后花序着果率和花朵着果率均提高。

基于IAOA-PNN模型的天然气压缩因子计算方法研究

针对部分压气站未设置气相色谱分析仪,无法获取天然气压缩因子的现状,通过拉丁超立方抽样获取虚拟天然气组分样本,随后以准确度较高的GERG-2008方程为基础,计算天然气密度、热值和压缩因子,形成具有热力学性质的天然气数据库,最后搭建概率神经网络(PNN)模型用于数据的训练、验证和预测,并对预测模型结果进行现场验证。结果表明,IAOA算法在收敛速度、训练精度和稳定性上优于AOA算法、PSO算法和GWO算法,证明了算法从种群初始化和密度因子方面进行优化的有效性和科学性;现场校验时本文模型的相对误差维持在-1%~2%之间,且对于组分含量和工况的变化不敏感,可适用于大部分管输气的工况条件;密度是影响算法精度的重要参数,在参数缺失的情况下,应优先保证现场具有监测温度、压力和密度的仪器设备。

基于LinkTrack AOA的移动跟随智能车设计

为了能实现自动跟随且不易于跟丢而去设计一款移动跟随智能车,该智能车以树莓派BCM2711微控制器为上位机主控制器,以STM32F103作为下位机的伺服控制器,采用BTN7971来实现电机H桥硬件电路搭建;采用LinkTrack AOA模组作为相对定位传感器,通过该模组来实现智能车移动跟随控制;通过摄像头来进行人体特征识别,学习与跟踪,从而提高移动跟随的流畅性与识别的准确率。主要介绍以飞思卡尔智能车为实验载体,配合摄像头,LinkTrack AOA超宽带跟随模块等多传感器的融合,能完成数据交互、视觉识别、人机协同、自动跟随等任务。通过测试,该智能小车能够准确地对移动目标进行定位和移动姿态确定,并且保持对移动目标的跟随,该实验表明,具有一定的参考与应用价值。

关于5G大规模天线AOA到达角的研究与应用

5G天馈调整场景复杂且需求多变,针对结构调整、波束优化过程中流量用户分布识别、重叠覆盖、弱覆盖等性能提升问题,通过深入分析研究AOA数据,开发新的算法流程,可大幅度提升优化效率、降低运维成本,对于网优数字化转型能力建设,支撑一线人员快速解决网络覆盖及结构问题有重要意义。