摘要
本发明公开了一种基于GMM‑PSO‑EM算法的NLOS识别方法,首先对时延数据进行预处理、降噪,并结合AIC和BIC准则确定分布数量,再通过PSO‑SA‑EM算法迭代更新GMM参数,建立GMM模型后通过PDF值确定的区域面积来确定场景内NLOS概率值。本基于GMM‑PSO‑EM算法具有出色的NLOS识别性能,在处理NLOS问题时具有较强的有效性和鲁棒性,能够解决复杂室内环境中NLOS识别复杂度较高、需要大量的数据标记工作以及在数据量较小的情况下性能较差的问题,且实现相对简单、计算速度更快,特别适用于复杂室内环境下UWB系统定位过程中对NLOS信号的识别。
技术关键词
粒子
GMM模型
识别方法
初始化EM算法
邻域
时延
值计算方法
概率密度函数
重叠面积
场景
参数
曲线
数据
直方图
索引
鲁棒性
有效性
复杂度
系统为您推荐了相关专利信息
多模态情绪
三维特征提取
原始脑电信号
空洞
识别方法
智能调节方法
粒子群算法求解
切割头
激光切割设备
切割误差
大坝渗流量
推算方法
Elman神经网络
优化神经网络模型
序列
充电方法
概率密度函数
数学模型
粒子群优化算法
电池荷电状态
人机识别方法
字符验证码
资源访问请求
分类器模型
图像验证码