基于CNNBiLSTM的NLOSLOS信号识别模型

基于CNNBiLSTM的NLOSLOS信号识别模型.pdf
超宽带信号由于具有大带宽、强穿透性特性,因此在构建高精确度室内定位系统中具有很大的潜力.但是室内存在各种不同类型的障碍物,会对超宽带信号进行遮挡,从而产生较大的非视距测距误差和定位误差.因此非视距信号的识别和分类对于精确定位是一个关键问题.接收信号的信道冲激响应(CIR)具有丰富的特征信息,可以用来识别非视距信号和视距信号.由于信道冲激响应是连续采样得到,不同时刻的值之间具有一定的相关性,但序列值之间的关系并不明显.基于此本文采用卷积神经网络(CNN)结合双向长短期记忆网络(BiLSTM)的结构,在特征提取之后进行时序分析.同时为了增加输入序列的特征数,本文引入三通道输入的机制,将CIR原始序列、CIR傅里叶变换后的实部与虚部作为输入,设计了三通道(TC)的卷积神经网络-双向长短时记忆网络的深度学习结构.本文采用开源数据集进行训练和验证,将不同结构的TCCNN-BiLSTM进行比较,选出最佳的设计结构,并与其他深度学习方法进行比较.结果显示,相比与LSTM和CNN-LSTM,TCCNN-BiLSTM方法具有更高的NLOS信号分类准确度.
作者：李建霖邓中亮王淦
作者单位：北京邮电大学,北京,中国,100876
母体文献：第十三届中国卫星导航年会论文集
会议名称：第十三届中国卫星导航年会  
会议时间：2022年12月1日
会议地点：北京
主办单位：中国卫星导航系统管理办公室
语种：chi
分类号：TN9U28
关键词：室内定位  超宽带信号  非视距识别  信道冲激响应  傅里叶变换  卷积神经网络  双向长短期记忆网络
在线出版日期：2022年9月21日
基金项目：
相似文献
相关博文

2024-12-3 00:06 上传 基于CNNBiLSTM的NLOSLOS信号识别模型.pdf

文件大小:

994.98 KB

下载次数:

60

高速下载