Radio navigation的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括賽程、直播線上看和比分戰績懶人包

Iot with Smart Systems: Proceedings of Ictis 2021, Volume 2

為了解決Radio navigation的問題，作者 這樣論述：

​A Theoretical Approach of Information Measure for Pythagorean Fuzzy Sets.- Efficient Resource Distribution in Cognitive Radio Network by Fuzzy Based cluster against Attacks.- Promote an abstract understanding of the problem- solving knowledge in the theory of computation through Visualization ba

sed intelligent tutor system.- COVID-19 OUTBREAK PREDICTION USING Machine Learning.- SLAM using Neural Network-based Depth Estimation for Auto Vehicle Parking.- Cross-View Gait Recognition using Deep Learning Approach.- An Overview of Electrical Load Classification and Prediction Methods.- A Survey

of energy efficient electrohydraulic control system for collaborative humanoid robots.- Gesture Recognition based Interaction with Smartwatch and electric wheelchair for assistive mobility and navigation.- OSTBC-MIMO Based Radio Propagation System Over Irregular Terrain in the Northern Cape Province

of South Africa.

Radio navigation進入發燒排行的影片

設計與實作應用於西瓜採集無人機系統之人工智慧電腦視覺系統

為了解決Radio navigation的問題，作者馬約瑟 這樣論述：

本文設計和實現了一種用於採集、導航和檢測西瓜的計算機視覺系統的,該系統使用無人駕駛飛機且無需人工干預。該系統實現了單板計算機Nvidia Jetson Nano和為圖像傳輸樣式(Pix2Pix)而創建的捲積神經網絡。這些元素整合在一起用於檢測,姿態估計和導航以達到目標。所有流程均由狀態機管理,該狀態機負責激活或停用在後台運行的不同流程步驟。ROS平台用於創建不同進程之間的數據交換。無人機使用稱為mavlink的標準化協議來將單板計算機與飛行計算機進行通信。ROS環境中的mavros用於解釋兩個元素之間的所有數據。無人機的目標是創建一個無監督的系統以快速便捷的方式處理繁重的任務,例如西瓜收穫。

用於檢測的神經網絡結構經設計可達到30幀FPS,可在配套計算機中滿足較高的可靠性,較低的內存使用以及快速判斷來滿足這三個條件,這些條件對於實現自主飛行是必不可少的。

Machine-Type Communication for Maritime Internet-Of-Things

為了解決Radio navigation的問題，作者Wang, Michael,Zhang, Jingjing 這樣論述：

Michael M. Wang received the bachelor’s degree and master’s degree in electrical engineering from Southeast University, and the master’s degree in biomedical engineering and the Ph.D. degree in electrical and computer engineering from the University of Kentucky, Lexington, KY, USA. He was a Distingu

ished Member of Technical Staff with Motorola Advanced Radio Technology Group, Arlington Heights, IL, USA, from 1995 to 2003, where he received the Distinguished Innovator Award. He joined Qualcomm Research, San Diego, CA, USA, in 2003, and became a professor with the School of Information Science a

nd Technology at Southeast University, in 2015. In addition to his faculty appointment at Southeast University, he is an adjunct professor with the School of Electronic and Optical Engineering, Nanjing University of Science and Technology, China. He holds more than 90 U.S. patents, and has over 40 p

restigious journal publications. He is a technical member of The International Association of Marine Aids to Navigation and Lighthouse Authorities.

使用區間二型模糊系統改善基於訊號強度指標之室內定位

為了解決Radio navigation的問題，作者林靖哲 這樣論述：

準確的無線室內定位在物聯網的多樣化應用中發揮著重要作用，而Wi-Fi 設備的普遍使用和 RSSI 值的容易取得，使得基於接收信號強度指標 (RSSI) 的室內定位技術是最早提出和研究的技術之一。然而，由於室內環境中多路徑效應導致 RSSI 值會產生巨大的波動，基於 RSSI 的室內定位方法有時無法產生穩定和令人滿意的定位精度。因此，本文提出使用區間2型模糊系統(IT2FS) 改善基於RSSI的室內定位技術，利用模糊系統可以包容數據的不確定性來進行非線性處理。本文中選擇了兩種基於RSSI的室內定位技術，一個是指紋法，另一個是直接對應法。指紋法是室內定位技術的常用方法，通常會配合K-近鄰演算法(

KNN) 或線性加權K-近鄰演算法(WKNN)，通過選定與未知位置的指紋最相近的多個參考點的位置進行線性加權來改善定位。而在本論文中使用 IT2FS 來決定 K-近鄰演算法的權重，一開始指紋法的離線階段時，粒子群演算法（PSO）通過最小化預先收集的參考點的定位誤差來訓練區間2型模糊系統。在線上預測階段時，由最佳化後的 IT2FS 產生的 K-近鄰演算法的權重，來預測未知點的位置；直接對應法是一種直接使用RSSI 來確定位置的方法，IT2FS會作為模型，利用RSSI值估計位置，在這個方法中我們也使用 PSO 來最佳化 IT2FS 的各種參數。最後，我們選擇了兩個不同的環境作為實驗場地，真實環境的

實驗結果證明了本文所提出方法的優越性。