基于深度学习的无线电信号源移动定位

发布时间：2024-04-14 09:00

　　本文提供了一种对"黑广播"等无线电信号源进行定位的独创方法。利用测向数据,采用人工智能生成示向度态势图;利用电平数据,采用基于传播模型的插值算法生成电平态势图。示向度态势图和电平态势图可通过数据融合算法,生成综合态势图,用以表征信号源出现位置的概率,从而实现对无线电信号源的移动定位。

【文章页数】：6 页

【部分图文】：

图1示向度态势图示例

?榛钣τ枚嘀炙惴ǎ?诟丛拥某鞘谢肪持惺?现对“黑广播”的定位。该方法定位准确、使用简单、可操作性强，仅需监测人员按照地图上所展示的示向度态势的引导驾驶车辆前进。与此同时，示向度态势图根据新来的数据进行实时更新，最终引导监测人员快速到达“黑广播”信号源所在处。1示向度态势图的概念示....

图2为对的影响关系矩阵（见图2）

预测当前示向度，并将预测值与当前实际测量值D进行比较计算，通过神经网络判决当前测量示向度的可信度。可信度有10个等级：第1级至第10级，其中第10级为最高等级。首先搜集大量时域连续的有效示向度序列，通过统计分析计算当前时刻之前的示向度序列对当前时刻示向数据点的间隔100ms示向度....

图3随机森林预测模型

燃叮旱?级至第10级，其中第10级为最高等级。首先搜集大量时域连续的有效示向度序列，通过统计分析计算当前时刻之前的示向度序列对当前时刻示向数据点的间隔100ms示向度态势图更新频率2次/分钟车辆行进速度＜60km/h示向度显示的分辨率1°度的影响。本文使用的输入示向度序列长度为1....

图2示向度序列相关矩阵

预测当前示向度，并将预测值与当前实际测量值D进行比较计算，通过神经网络判决当前测量示向度的可信度。可信度有10个等级：第1级至第10级，其中第10级为最高等级。首先搜集大量时域连续的有效示向度序列，通过统计分析计算当前时刻之前的示向度序列对当前时刻示向数据点的间隔100ms示向度....

本文编号：3954434