[發明專利]一種基于深度學習的超寬帶指紋定位方法

在審

• 申請號: 201911057872.0
• 申請日: 2019-11-01
• 公開（公告）號: CN110933625A
• 公開（公告）日: 2020-03-27
• 發明（設計）人: 馬樂;姜明華;余鋒;周昌龍;宋坤芳
• 申請（專利權）人: 武漢紡織大學
• 主分類號: H04W4/33
• 分類號: H04W4/33;H04W16/22;H04W64/00
• 代理公司: 武漢維盾知識產權代理事務所(普通合伙) 42244
• 代理人: 彭永念

一種基于深度學習的超寬帶指紋定位方法，1.建立指紋數據庫：布置若干超寬帶基站和標簽，收集每個待測點的標簽與各個超寬帶基站之間的距離作為指紋信息，并將數據存入指紋數據庫；2.訓練指紋數據庫：將指紋特征作為輸入，位置信息作為輸出，利用卷積神經網絡進行訓練并得到模型；3.利用實測信號定位：將處理后的待測試信號作為卷積神經網絡的輸入，輸入即為待測點的位置信息。本發明的目的是為了提高室內定位的穩定性和精度，所提供的一種基于指紋定位技術的方法。

技術領域

本發明屬于無線定位技術領域，尤其涉及一種基于深度學習的超寬帶指紋定位方法。

背景技術

目前，室外衛星定位的精度已經相當可觀，為了在衛星信號接收不好的室內實現精確的定位，Wi-Fi、藍牙、ZigBee、超寬帶等技術被廣泛應用。雖然現在的三邊定位、指紋定位等算法已經實現了比較高的精確性，但是個別數據誤差對傳統的定位算法的結果有較大的影響，嚴重影響了定位的穩定性和精度。

公開號為CN108646215A的中國專利“一種基于超寬帶的自動跟隨快速定位方法”是通過測量并計算標簽與基站之間距離和角度來定位標簽的位置，但是這種方法會存在誤差偏大的問題。公開號為CN110099354A的中國專利“一種結合TDOA與TOF的超寬帶通信二維定位方法”利用時間戳信息、三個基站的位置坐標以及主基站分別到第一從基站和第二從基站的距離計算標簽的坐標，但是這種算法計算量較大且相對過于復雜。

發明內容

本發明的目的是為了提高室內定位的穩定性和精度，所提供的一種基于指紋定位技術的方法。

為了解決上述技術問題，本發明提出如下的技術方案：

一種基于深度學習的超寬帶指紋定位方法，

步驟1.建立指紋數據庫：布置若干超寬帶基站和標簽，收集每個待測點的標簽與各個超寬帶基站之間的距離作為指紋信息，并將數據存入指紋數據庫；

步驟2.訓練指紋數據庫：將指紋特征作為輸入，位置信息作為輸出，利用卷積神經網絡進行訓練并得到模型；

步驟3.利用實測信號定位：將處理后的待測試信號作為卷積神經網絡的輸入，輸入即為待測點的位置信息。

在步驟1中，在建立指紋數據庫時，在場地內每相隔相等的距離取測試點直至測試點布滿整個場地。

在步驟1中，在每個測試點取連續的N個的時刻標簽和M個基站間的距離，構成一個M*N的數組作為該點指紋特征，并將每個測試點測得的多組指紋特征存入數據庫中構成該場地的指紋數據庫。

在步驟2中，在訓練指紋數據庫時，卷積神經網絡輸入的指紋特征需先進行標準差歸一化處理。

在步驟3中，實測信號也需要經過標準差歸一化處理，采用的均值和標準差需要參考步驟2訓練輸入時均值和標準差的數值。

在建立卷積神經網絡模型時，采用以下步驟：

步驟1）構建多層神經網絡；

步驟2）使用處理后的指紋數據庫中的數據對神經網絡進行多次訓練并測試準確率，直至準確率符合預期要求；

步驟3）保存得到訓練好的卷積神經網絡模型。

在利用實測信號進行定位時，調用訓練好的卷積神經網絡模型，輸入標準差歸一化后的待測數據，輸出即為代表位置信息的編號，通過查詢編號方式即可得到相應的位置信息。