摘要：在小小区大量部署的网络场景下,用户进行异频扫描所检测的载波数相比传统网络部署场景会大量增加,因此用户能耗也会相应增加。基于此,提出了一种基于宏小区参考信号到达时间(TOA)指纹数据库的小小区发现策略,通过减少用户不必要的异频检测操作,进而减少用户能量消耗,以解决用户在进行小小区发现时可能存在的能耗过高问题。仿真表明,该方案相比现有的基于参考信号接收功率(RSSI)指纹数据库方案,受噪声影响程度低,小小区发现准确率高。同时,该方案能有效地限制处于高速移动状态的用户进行异频检测,从而增大了用户与小小区连接的成功率。

摘要：为提高室内环境定位系统的精度和可靠性,分析传统定位算法在数据样本选取和模型学习过程中的局限性,设计一种基于密度峰值聚类(density peak cluster,DPC)的随机森林(random forest,RF)室内定位系统。以密度峰值聚类中心为依据对接收信号强度(receive signal strength,RSS)数据进行指纹样本选取,通过指纹数据库训练随机森林模型,结合网格搜索和交叉验证技术寻求最优RF定位模型。实验结果表明,DPC算法建立的指纹数据库可靠性高,优化选择得到的RF模型与单分类回归模型相比,定位精度得到了提升。

摘要：Zigbee无线传感器网络的接收信号强度指示(RSSI)可以用来提供位置服务,使用RSSI建立指纹数据库设计定位算法能够得到良好的定位效果,但指纹数据库的采集和建立精度会直接影响到最终的定位精度,而一般方法建立的指纹数据库误差较大。为此,通过对Zigbee网络指纹数据库采集和建立过程进行研究,提出一种Zigbee网络中指纹数据库采集、建立及优化的算法。在定位区域将各采样点采集到的指纹数据库源数据进行滤波处理,建立高精度的指纹数据库。利用Zigbee平台组建无线网络进行实验,分别使用针对该定位系统提出的限定区域最邻近算法、限定区域加权最邻近算法、限定区域贝叶斯算法进行定位计算。实验结果表明,运用优化后的指纹数据库在短距离范围内定位平均误差可限制在1.5 m以内。

摘要：针对一般Zig Bee网络提供的定位方式只是一种被动的监控式的定位方式,设计了一种同时提供被动定位和主动定位2种方式的双向定位系统。给出了系统硬件结构,双向定位的Zig Bee协议栈编写方法;通过组建网络,让移动节点和协调器同时获得定位所需的接收信号强度指示(RSSI),且同时使用基于路径损耗模型的指纹数据库,运用限定区域的3种定位算法进行定位计算。实验结果表明:此系统可以实现主动定位和被动定位同时进行的双向定位模式,且定位精度可达到2 m以内。

摘要：针对TDOA的定位技术,在城市小区基站数目少且无法定位的情况进行了研究,提出一种定位方法。该方法结合已有的蜂窝网络的增强定位机制,设置建立了切换定位方法的程式,并利用射线跟踪技术建立指纹数据库,运用权值匹配算法,结合定位划分的区域进而给予用户定位服务的位置数据。仿真结果表明,射线跟踪可获取电波数据建立指纹数据库,定位方法可行,合理规划区域范围的大小,能够减少终端运行时间,提高定位服务的质量。

摘要：针对室内定位指纹数据库更新成本过高的问题,设计了一种通过区域划分进行局部更新指纹数据库的RFID(Radio Frequency Identification,射频识别技术)室内定位算法。该算法通过聚类算法将指纹地图分成若干个子区域,每个子区域选取一个代表点代表该子区域的指纹有效性,通过检测代表点的有效性来选择加权k近邻算法(Weighted k-Nearest Neighbor,WkNN)定位或子区域数据库的局部更新。实验结果表明,该算法在低成本的条件下极大限度地提高了定位精度和长期定位稳定性。

摘要：随着室内定位需求的不断增加,基于指纹的定位方法由于低成本、易于实现、精度较高等优势被广泛使用。但指纹定位算法在离线阶段训练成本高,接收信号强度值易受环境和噪声的影响,对环境的动态变化缺乏灵活性。提出了一种基于特征降维的在线序列学习机算法(PCA-OS-ELM),PCA算法可以对原始的RSSI数据进降维,去除干扰信息,构造新的特征。OSELM的快速学习能力可以降低离线阶段的训练成本,适应环境的动态变化。在2种不同的环境下进行了对比实验,结果表明所提出的算法能适应环境的动态变化,提高定位精度。

摘要：4G业务和用户的发展,网络数据日趋增加,如何对网络中的海量数据,特别是MR和信令数据进行联合分析已经成为当前研究的热点。主要介绍中国联通江苏分公司通过依托MR大数据分析平台实现MR精确定位和定位结果应用方面的技术创新,主要包括神经网络指纹库算法以及全方位MR覆盖评估等方面,不仅大幅提高了MR定位精度,而且还提升了深度覆盖、业务价值、用户感知、竞对覆盖等全方面网络评估的可靠性。

摘要：针对当前乐曲节拍识别系统存在的一些缺陷,如精度低,误识率高等问题,为了获得更优的乐曲节拍识别结果,提出了基于音频指纹技术的乐曲节拍识别系统。首先分析当前乐曲节拍识别的研究进展,设计了乐曲节拍识别硬件系统的结构,然后对乐曲节拍信号进行采集和放大处理,建立乐曲节拍音频的指纹数据库,最后将待识别乐曲节拍指纹与数据库中的指纹进行匹配,根据匹配结果实现乐曲节拍识别。仿真实验结果表明,该系统提高了乐曲节拍识别精度,减少了乐曲节拍的漏识率,具有十分广泛的应用前景。

摘要：当今"黑客"日益频繁入侵各行各业,为了确保网络安全,对"蜜网"的研究显得愈加重要。对于蜜网技术,可追溯到上世纪90年代末的"蜜罐"技术,目前可简要定义为"从传统蜜罐技术发展而来,用于收集黑客信息的诱捕网络体系架构"。笔者先介绍常用的蜜网架构,然后分析3种实践中的蜜网技术,以对网络设计专业人士提供参考。