3、超宽带室内定位与DDoS攻击检测技术研究

超宽带室内定位与DDoS攻击检测技术研究

1. 超宽带室内定位技术

在物联网领域，室内定位系统因上下文感知应用的快速发展而备受关注。超宽带（UWB）技术凭借其宽频带（7.5GHz）、能穿透障碍物、高精度（厘米级）以及避免多径衰落等特性，在定位系统中发挥着关键作用。

1.1 UWB室内定位应用场景

室内定位技术的应用场景十分广泛，涵盖了自动仓库管理、监控、导航系统、家庭自动化、物品检测与定位、为老年人和残疾人提供协助、工业机器人、智能工厂、机器人操作以及设备位置监控等多个方面。

1.2 UWB信道模型

IEEE802.15.3a TG定义了四种不同的UWB信道模型：
| 信道模型 | 描述 |
| ---- | ---- |
| CM1 | 视距（LOS）域，发射器和接收器之间的距离差小于4m |
| CM2 | 非视距（NLOS）区域，与CM1的间隔相同 |
| CM3 | 非视距域，间隔为4 - 10m |
| CM4 | 非视距环境，具有强烈的延迟色散，延迟扩展为25ns |

1.3 机器学习在UWB室内定位中的应用

为了提高室内UWB定位的准确性，人们采用了多种机器学习技术。深度学习（DL）作为机器学习的强大子集，已被成功集成到UWB室内定位任务中，能够自动从数据中学习复杂模式。

• 前馈神经网络（FNN） ：由一个或多个包含多个并行神经元或节点的层组成。这些神经元确定输入的加权组合，并将其传递到非线性变换（激活函数）中。没有反馈的神经网络被称为前馈神经网络