导读:本文包含了室内网络论文开题报告文献综述及选题提纲参考文献，主要关键词:室内无线定位,RBF神经网络,核主成分分析,模糊C均值聚类
室内网络论文文献综述
刘夏,莫树培,何惠玲,杨军[1]（2019）在《基于优化RBF神经网络的无线室内定位》一文中研究指出针对径向基函数(Radial Basis Function,RBF)神经网络算法在无线网络室内定位中拓扑结构和网络参数难以确定,其定位效果不理想的问题,提出了一种用核主成分分析的模糊C均值聚类算法(Fuzzy C-Means clustering algorithm based on Kernel Principal Component Analysis,KPCA-FCM)和模拟退火自适应遗传算法(Simulated Annealing adaptive Genetic Algorithm,SAGA)优化RBF神经网络的无线室内定位算法。首先利用KPCA对原始训练数据样本进行数据预处理,再通过KPCAFCM算法计算出最优聚类数目和聚类中心点;其次将聚类数目和聚类中心点作为隐含层神经元个数和中心值,创建RBF神经网络,并将其网络参数映射到SAGA算法中;再次由SAGA算法进行网络参数寻优,把最优的解映射回RBF神经网络;最后利用样本数据对RBF神经网络进行训练和测试,完成建立RBF神经网络算法模型。实验表明,在相同的环境中,所提算法比传统RBF神经网络定位精度提高了48. 41%。(本文来源于《电讯技术》期刊2019年11期）
陈龙鹏,叶宁,王汝传[2]（2019）在《基于双神经网络的RFID室内定位方法》一文中研究指出在室内定位中,传统的RFID定位方法由于方法简单,无法随着室内环境的变化准确估计当前的路径损耗系数,存在受环境影响大,定位精度不高,实时性差等缺点.为了解决以上问题,提出一种基于双神经网络模型的室内定位算法,建立BP网络和DNN网络的双神经网络模型,将采集到的RSSI信号值预处理后输入到BP网络模型中,输出路径损耗系数n,再将接收信号强度值RSSI和通过BP模型得到的路径损耗系数n作为输入,输入到DNN网络模型中,得到待测标签的精确定位坐标.实验表明,与传统的基于RSSI和基于ANN模型的室内定位算法相比,本算法有效提高了定位精度和定位实时性.(本文来源于《计算机系统应用》期刊2019年11期）
王欢军,何明[3]（2019）在《5G数字化室分系统在室内无线网络中的应用》一文中研究指出分析采用传统无源分布系统进行室内5G无线网络覆盖所面临的支持频段、通道数增加、穿透损耗大、多系统合路干扰等问题,给出5G数字化室分系统在室内覆盖的应用方案,阐述5G数字化室内分布系统的组网与技术特点以及5G数字化室分的几点规划措施,对5G室内无线网覆盖提出应用建议。(本文来源于《电信快报》期刊2019年11期）
杨韬[4]（2019）在《基于网络信息技术的职业学校室内设计专业教学资源库的开发与建设》一文中研究指出随着国民经济的快速增长,室内设计专业也得到日新月异的发展,此专业对人才需求量也随之加大,同时室内设计专业也是职业学校的职业课程,如今如何为国家培养出更多高素、高技能室内人才,已经成为人们关注和讨论的热点,但是在实际教学中依旧存在诸多问题。所以笔者本文就网络信息技术的职业学校室内设计专业,教学资源库的开发与建设展开分析,同时也提出了一些有效的改善对策,希望对相关人员提供帮助和借鉴。(本文来源于《计算机产品与流通》期刊2019年11期）
王旭东,张思雨,李卓龙,吴楠[5]（2019）在《室内Li-Fi和RF混合网络中接入节点分配方法》一文中研究指出针对室内可见光无线通信(Li-Fi)与射频(RF)无线通信混合网络切换即接入节点(AP)分配问题,基于用户位置和用户数量随机改变的动态应用场景,引入依据转换阈值为用户确定服务AP的思想,在考虑交接负载的条件下,提出了动态转换阈值和最小数据率约束两种改进的AP分配方法.仿真实验表明,在相同应用场景下,相比固定阈值的AP分配方法,提出的两种方法在中断概率性能方面分别改善4.66%和8.50%;并且其1%中断数据率分别提高3.21 Mb/s和9.09 Mb/s.此外,仿真分析表明数据率要求和随机生成用户数量上限能够显着地影响系统的中断概率性能.(本文来源于《湖南大学学报(自然科学版)》期刊2019年10期）
徐俊凯[6]（2019）在《5G网络室内覆盖方案的实用性研究》一文中研究指出新时期下,由于社会发展速度的不断加快,使得移动通信领域也到了前所未有的进步,而这也预示着5G时代已经来临。在这种背景下,本文即对5G网络室内覆盖方案的实用性进行了研究和分析,希望可以为我国5G领域的进一步发展提供依据。(本文来源于《数字通信世界》期刊2019年10期）
吴宣利,谢子怡,吴玮[7]（2019）在《室内超密集网络中基于干扰图的自适应干扰协调方法》一文中研究指出针对超密集网络的室内场景,提出了一种基于干扰图的自适应干扰协调方法。该方法以最大化系统吞吐量为目标,首先将系统中的干扰关系建模为干扰图,并利用迭代着色算法确定各小小区基站的可用资源;然后,由小小区基站采用优化吞吐量的资源分配算法将资源分配给各用户。所提方法能够根据网络拓扑结构及信道条件自适应地选择资源分配策略,从而降低系统内干扰。仿真结果表明,相比于现有方法,所提方法通过较小的额外信令开销,在明显提升吞吐量性能的同时有效地降低了系统中断概率。(本文来源于《通信学报》期刊2019年09期）
徐荣[8]（2019）在《基于无线传感网络的在线室内环境监测研究》一文中研究指出无线传感网络在室内环境监测领域中是当前热门技术,为了实现对室内湿度、温度、光照等因素的实时在线监测,设计了基于ZigBee双向无线通讯技术的室内环境在线监测系统,系统ZigBee的通信模块选用的芯片型号为CC2530,系统网关的通信模式选用GPRS模式,并利用数据分析模型对采集的数据进行了在线实时处理.经测试,设计的室内环境实时采集监测系统能够稳定运行,能够实时获取室内的环境数据并通过系统的网管在系统的服务器端实时更新,实现室内环境参数的实时监视与调节.(本文来源于《西安文理学院学报(自然科学版)》期刊2019年05期）
包正峰[9]（2019）在《基于卷积神经网络的室内低照度图像增强》一文中研究指出针对现有的低照度图像增强算法复杂度过高,文章基于卷积神经网络,对比已有的MSRCR算法,进行改进,从而弥补MSRCR算法的不足(如不具有自适应性,设计参数过多)。本文将图像转换到HSI空间,提取出其亮度分量I,将该分量输入到卷积神经网络中,获得增强后的亮度分量I,再将其转回到RGB空间。本文所使用的所有训练集均为室内无光照图片,图片具有亮度均匀、整体亮度偏暗的特点。在处理这一图片时,本文算法结果图像有更好的峰值信噪比和彩色图像信息熵,拥有更好的视觉效果。(本文来源于《信息通信》期刊2019年09期）
姚晓峰,武利秀,章伟,王松[10]（2019）在《基于卷积神经网络的室内场景叁维重建技术研究》一文中研究指出叁维场景重建技术是计算机视觉领域的十分重要的研究课题。传统叁维场景重建大多是专业工程师通过手工制图实现,效率不高且成本较高。对此提出一种基于卷积神经网络的叁维场景重建方法。该方法在对2D图像进行语义分割的基础上,提取分割后的室内场景元素图像块,训练一个基于卷积神经网络的叁维模型匹配模型;再将匹配得到的叁维模型结合深度图构造的残缺叁维模型,进一步进行组合,从而完成室内场景的叁维重建工作。实验验证了该方法的可行性和优异性。(本文来源于《计算机应用与软件》期刊2019年09期）
室内网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在室内定位中,传统的RFID定位方法由于方法简单,无法随着室内环境的变化准确估计当前的路径损耗系数,存在受环境影响大,定位精度不高,实时性差等缺点.为了解决以上问题,提出一种基于双神经网络模型的室内定位算法,建立BP网络和DNN网络的双神经网络模型,将采集到的RSSI信号值预处理后输入到BP网络模型中,输出路径损耗系数n,再将接收信号强度值RSSI和通过BP模型得到的路径损耗系数n作为输入,输入到DNN网络模型中,得到待测标签的精确定位坐标.实验表明,与传统的基于RSSI和基于ANN模型的室内定位算法相比,本算法有效提高了定位精度和定位实时性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
室内网络论文参考文献
[1].刘夏,莫树培,何惠玲,杨军.基于优化RBF神经网络的无线室内定位[J].电讯技术.2019
[2].陈龙鹏,叶宁,王汝传.基于双神经网络的RFID室内定位方法[J].计算机系统应用.2019
[3].王欢军,何明.5G数字化室分系统在室内无线网络中的应用[J].电信快报.2019
[4].杨韬.基于网络信息技术的职业学校室内设计专业教学资源库的开发与建设[J].计算机产品与流通.2019
[5].王旭东,张思雨,李卓龙,吴楠.室内Li-Fi和RF混合网络中接入节点分配方法[J].湖南大学学报(自然科学版).2019
[6].徐俊凯.5G网络室内覆盖方案的实用性研究[J].数字通信世界.2019
[7].吴宣利,谢子怡,吴玮.室内超密集网络中基于干扰图的自适应干扰协调方法[J].通信学报.2019
[8].徐荣.基于无线传感网络的在线室内环境监测研究[J].西安文理学院学报(自然科学版).2019
[9].包正峰.基于卷积神经网络的室内低照度图像增强[J].信息通信.2019
[10].姚晓峰,武利秀,章伟,王松.基于卷积神经网络的室内场景叁维重建技术研究[J].计算机应用与软件.2019