本文提供了一種對(duì)"黑廣播"等無(wú)線電信號(hào)源進(jìn)行定位的獨(dú)創(chuàng)方法。利用測(cè)向數(shù)據(jù),采用人工智能生成示向度態(tài)勢(shì)圖;利用電平數(shù)據(jù),采用基于傳播模型的插值算法生成電平態(tài)勢(shì)圖。示向度態(tài)勢(shì)圖和電平態(tài)勢(shì)圖可通過(guò)數(shù)據(jù)融合算法,生成綜合態(tài)勢(shì)圖,用以表征信號(hào)源出現(xiàn)位置的概率,從而實(shí)現(xiàn)對(duì)無(wú)線電信號(hào)源的移動(dòng)定位。

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

圖1示向度態(tài)勢(shì)圖示例

?榛鈑τ枚嘀炙惴ǎ?詬叢擁某鞘謝肪持惺?現(xiàn)對(duì)“黑廣播”的定位。該方法定位準(zhǔn)確、使用簡(jiǎn)單、可操作性強(qiáng)，僅需監(jiān)測(cè)人員按照地圖上所展示的示向度態(tài)勢(shì)的引導(dǎo)駕駛車輛前進(jìn)。與此同時(shí)，示向度態(tài)勢(shì)圖根據(jù)新來(lái)的數(shù)據(jù)進(jìn)行實(shí)時(shí)更新，最終引導(dǎo)監(jiān)測(cè)人員快速到達(dá)“黑廣播”信號(hào)源所在處。1示向度態(tài)勢(shì)圖的概念示....

圖2為對(duì)的影響關(guān)系矩陣（見圖2）

預(yù)測(cè)當(dāng)前示向度，并將預(yù)測(cè)值與當(dāng)前實(shí)際測(cè)量值D進(jìn)行比較計(jì)算，通過(guò)神經(jīng)網(wǎng)絡(luò)判決當(dāng)前測(cè)量示向度的可信度�？尚哦扔�10個(gè)等級(jí)：第1級(jí)至第10級(jí)，其中第10級(jí)為最高等級(jí)。首先搜集大量時(shí)域連續(xù)的有效示向度序列，通過(guò)統(tǒng)計(jì)分析計(jì)算當(dāng)前時(shí)刻之前的示向度序列對(duì)當(dāng)前時(shí)刻示向數(shù)據(jù)點(diǎn)的間隔100ms示向度....

圖3隨機(jī)森林預(yù)測(cè)模型

燃叮旱?級(jí)至第10級(jí)，其中第10級(jí)為最高等級(jí)。首先搜集大量時(shí)域連續(xù)的有效示向度序列，通過(guò)統(tǒng)計(jì)分析計(jì)算當(dāng)前時(shí)刻之前的示向度序列對(duì)當(dāng)前時(shí)刻示向數(shù)據(jù)點(diǎn)的間隔100ms示向度態(tài)勢(shì)圖更新頻率2次/分鐘車輛行進(jìn)速度＜60km/h示向度顯示的分辨率1°度的影響。本文使用的輸入示向度序列長(zhǎng)度為1....

圖2示向度序列相關(guān)矩陣

預(yù)測(cè)當(dāng)前示向度，并將預(yù)測(cè)值與當(dāng)前實(shí)際測(cè)量值D進(jìn)行比較計(jì)算，通過(guò)神經(jīng)網(wǎng)絡(luò)判決當(dāng)前測(cè)量示向度的可信度�？尚哦扔�10個(gè)等級(jí)：第1級(jí)至第10級(jí)，其中第10級(jí)為最高等級(jí)。首先搜集大量時(shí)域連續(xù)的有效示向度序列，通過(guò)統(tǒng)計(jì)分析計(jì)算當(dāng)前時(shí)刻之前的示向度序列對(duì)當(dāng)前時(shí)刻示向數(shù)據(jù)點(diǎn)的間隔100ms示向度....

本文編號(hào)：3954434