了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介
该项目主要研究成果如下:
提出了一种特征可视化模型及其优化方法,通过对HOG和HOGP特征,使用字典对表达的方法可视化,得到精准的可视化结果,揭示了应用场景与特征表示间的相互作用和机制。
引入了深度卷积神经网络,建立了多种场景下图像特征统一表示模型,为任意复杂场景下特征统一表示提供了理论依据。
采用优化改进的边缘粒子滤波器进行TC-OFDM与图像定位的自适应耦合,构建了一套基于TC-OFDM和图像信号的自适应耦合理论和方法,定位精度优于2米,为实际应用中进行复杂场景下广域室内亚米级定位的智能手机的研制奠定了技术基础。
在现有智能手机传感器组合的基础上,面向地面室内复杂场景下亚米级定位需求,研发终端2套,选取不同的应用场景,搭建实验系统,对该项目的研究成果进行实验验证。
该项目的成功实施有效解决了复杂场景下智能手机室内定位速度慢、鲁棒性差、无法实现亚米级定位精度的国内外研究难题,为基于智能手机的多传感器组合的高精度定位提供了理论技术支撑,为开拓新导航技术提供借鉴,进一步推动位置服务新发展,并将产生重要的社会经济效益。
该项目主要研究成果如下:
1。提出了一种特征可视化模型及其优化方法,通过对 HOG 和 HOGP 特征,使用字典对表达的方法可视化,得到精准的可视化结果,揭示了应用场景与特征表示间的相互作用和机制。 2。引入了深度卷积神经网络,建立了多种场景下图像特征统一表示模型,为任意复杂场
景下特征统一表示提供了理论依据。
3。采用优化改进的边缘粒子滤波器进行 TC-OFDM 与图像定位的自适应耦合,构建了一套基于 TC-OFDM 和图像信号的自适应耦合理论和方法,定位精度优于 2 米,为实际应用中的进
行复杂场景下广域室内亚米级定位的智能手机的研制奠定了技术基础。
4。在现有智能手机传感器组合的基础上,面向地面室内复杂场景下亚米级定位需求,研发终端 2 套,选取不同的应用场景,搭建实验系统,对该项目的研究成果进行实验验证。 该项目的成功实施有效解决了复杂场景下智能手机室内定位速度慢,鲁棒性差,无法实
现亚米级定位精度的国内外研究难题,为基于智能手机的多传感器组合的高精度定位提供了理论技术支撑,为开拓新导航技术提供借鉴,进一步推动位置服务新发展,并将产生重要的社会经济效益。
(此文字表达经过AI优化完善,查看原文请点击
原文)
专利基本信息
| 专利名称 |
|
| 专利状态 |
|
专利号(申请号) |
|
| 申请号 |
|
专利申请日期 |
|
| 专利授权日期 |
|
专利权届满日 |
|
| 专利所属地 |
|
专利类型 |
|
| 发明人 |
|
| 权利人 |
|
| 专利摘要 |
|