[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的LTE指紋式定位方法

在審

• 申請?zhí)枺?/td>: 201910348004.1
• 申請日: 2019-04-28
• 公開（公告）號: CN111698695A
• 公開（公告）日: 2020-09-22
• 發(fā)明（設(shè)計）人: 馬建婷;余錦軍;王昊;王恒
• 申請（專利權(quán)）人: 南京恩瑞特實業(yè)有限公司
• 主分類號: H04W16/22
• 分類號: H04W16/22;H04W64/00
• 代理公司: 南京知識律師事務(wù)所 32207
• 代理人: 高嬌陽

1.一種基于神經(jīng)網(wǎng)絡(luò)的LTE指紋式定位方法，其特征在于，包括以下內(nèi)容：

步驟1：數(shù)據(jù)收集階段：使用USRP硬件設(shè)備收集數(shù)據(jù)；

步驟2：神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)階段：根據(jù)神經(jīng)網(wǎng)絡(luò)模型，建立數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)并進行訓(xùn)練，建立數(shù)據(jù)指紋庫；

步驟3：匹配階段：根據(jù)用戶實際數(shù)據(jù)向量特征，利用神經(jīng)網(wǎng)絡(luò)進行預(yù)測。

2.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的LTE指紋式定位方法，其特征在于，所述步驟1對數(shù)據(jù)的收集處理，分為一下步驟：

步驟1-1：利用USPRP硬件設(shè)備搭建SDR LTE平臺；

步驟1-2：先對LTE的下行鏈路進行解碼獲取LTE的上行信號；

步驟1-3：將需要定位的區(qū)域等間隔劃分為多個小區(qū)域，并將小區(qū)域依次編號為1，2，3…N，這個編號可以使我們檢索到每一個區(qū)域的位置；使用USRP信號源在每一個小區(qū)域中多次采集信號，記錄信號強度，并與相應(yīng)的位置即小區(qū)域編號構(gòu)成向量數(shù)據(jù)為：(信號強度₁，信號強度₂，…，信號強度_N，小區(qū)域編號)；將所采集到的向量數(shù)據(jù)存入MySQL數(shù)據(jù)庫中。

3.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的LTE指紋式定位方法，其特征在于，所述步驟2對網(wǎng)絡(luò)的訓(xùn)練，分為一下步驟：

步驟2-1：首先是搭建神經(jīng)網(wǎng)絡(luò)：使用Python語言以及TensorFlow機器學(xué)習(xí)支持庫搭建一個8層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；神經(jīng)網(wǎng)絡(luò)包含1個數(shù)據(jù)輸入層與1個數(shù)據(jù)輸出層，中間的6層隱藏層；為每一層均構(gòu)建需要的激勵函數(shù)為sigmoid函數(shù)，選擇損失函數(shù)為歐式距離函數(shù)，選擇Adam作為訓(xùn)練中的優(yōu)化器；

步驟2-2：為訓(xùn)練神經(jīng)網(wǎng)絡(luò)做準(zhǔn)備：將每一層網(wǎng)絡(luò)的系數(shù)θ隨機初始化；將預(yù)先采集到的數(shù)據(jù)進行正則化處理，將數(shù)據(jù)的存儲順序進行隨機打亂，并取百分之八十的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，百分之二十的數(shù)據(jù)作為測試數(shù)據(jù)；

步驟2-3：神經(jīng)網(wǎng)絡(luò)的訓(xùn)練：將預(yù)先采集到的向量數(shù)據(jù)輸入到構(gòu)建好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中訓(xùn)練；訓(xùn)練時使用分批優(yōu)化，每一批訓(xùn)練量batch大小可根據(jù)總的訓(xùn)練數(shù)據(jù)量進行調(diào)節(jié)，這里設(shè)置為100；預(yù)設(shè)訓(xùn)練步驟為5000步，那么訓(xùn)練結(jié)束后，將得到一個完整調(diào)諧的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

4.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的LTE指紋式定位方法，其特征在于，所述步驟3對用戶位置的指紋匹配，分為一下步驟：

步驟3-1：收集測試用戶的相關(guān)指紋信息，并進行訓(xùn)練神經(jīng)網(wǎng)絡(luò)時的數(shù)據(jù)正則化處理，并將數(shù)據(jù)存儲順序進行隨機打亂；

步驟3-2：將處理好的測試數(shù)據(jù)輸入到步驟2訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)將會計算出這個數(shù)據(jù)的位置標(biāo)簽，也就是對應(yīng)到某一個小區(qū)域的編號；由于在采集階段將每一個小區(qū)域進行了編號，那么現(xiàn)在也能夠根據(jù)編號得出輸入數(shù)據(jù)具體在哪一個小區(qū)域中，也就得出了其位置信息。

5.根據(jù)權(quán)利要求3所述的一種基于神經(jīng)網(wǎng)絡(luò)的LTE指紋式定位方法，其特征在于，所述步驟2-2具體包括以下內(nèi)容：

系統(tǒng)開始訓(xùn)練時，隨機地初始化參數(shù)θ，根據(jù)輸入數(shù)據(jù)x，x的正確的標(biāo)簽為y，神經(jīng)網(wǎng)絡(luò)能夠得到一個輸出在此時系統(tǒng)并未擬合數(shù)據(jù)，導(dǎo)致與y之間存在差值，將其定義為損失函數(shù)L(y，f(x，θ))；

損失函數(shù)可以有多種選擇，這里使用了平方損失函數(shù)，其定義為下式：其中f(·)稱為激勵函數(shù)，采用tanh(x)＝2sigmoid(2x)-1，及其中e為自然對數(shù)；

系統(tǒng)通過損失函數(shù)進行多次迭代并更新參數(shù)θ，系統(tǒng)參數(shù)θ的更新式為：θ_t+1＝θ_t-λΔf(θ)，其中λ是參數(shù)更新的步長因子，t代表第t次訓(xùn)練，θ_t代表第t次訓(xùn)練的θ值，θ_t+1則代表θ_t經(jīng)過一步更新之后的值，即第(t+1)步的θ值，Δf(θ)表示函數(shù)f在θ處的導(dǎo)數(shù)。步長因子λ影響著訓(xùn)練過程；因此在機器學(xué)習(xí)中采用自適應(yīng)調(diào)整學(xué)習(xí)，即其中g(shù)_τ是第τ次的學(xué)習(xí)率，即g_τ＝Δf(θ_τ)。