买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州电子科技大学

摘要：本发明公开了一种基于轻量级神经网络的FM机会信号定位方法。首先划分定位场景并建立平面直角坐标系，然后在场景内设定参考点并采集参考点的FM信号。将信号的IQ序列标注坐标标签后进行功率归一化处理，作为网络模型的输入，建立轻量级神经网络，通过最小化损失函数训练网络，获得该场景下的FM信号定位模型，并将待定位点的信号输入网络进行推理定位。在切换场景时，使用迁移学习的方法，以得到新场景的定位模型。本方法简单易部署，且能极大降低定位系统复杂度。同时，在场景切换时使用迁移学习方法，减轻了新场景模型训练负担，减少对新场景参考点样本量的需求，极大降低了场景切换造成的开销。

主权项：1.一种基于轻量级神经网络的FM机会信号定位方法，其特征在于，包括如下步骤：步骤1、设定定位场景和参考点：将待定位点所在的区域设为定位场景，将该场景抽象成平面并建立笛卡尔坐标系；在整个定位场景范围内，按照需求分辨率，等间隔设置参考点，并根据坐标系标注各个点的二维坐标；步骤2、采集参考点FM信号：在定位场景内设置的各个参考点上按要求采集FM频段内的宽带信号；固定各个参考点采集的信号中心频率、采样率、采集时长以及采集设备天线高度；步骤3、制作参考点样本：将各个参考点采集到的FM机会信号离散化后，对得到的的数字信号提取I路和Q路，将I路和Q路叠放为二维IQ序列，并以N的长度分段制作成FM机会信号的IQ样本，即参考点样本；步骤4、参考点样本功率归一化：对参考点样本的功率进行归一化，减轻不同时空下信道实际情况不同而造成功率差异对样本时效性的影响；步骤5、构建参考点定位数据集：将所述所有样本按照一定的比例随机划分成两个集合，作为用于深度学习训练的训练集和验证集，训练集和验证集中各个样本标签为该样本所在参考点的坐标；步骤6、搭建FM信号定位神经网络：搭建用于FM机会信号定位的轻量级神经网络，所述神经网络采用MobileNetV3架构，包括一个改进的输入卷积层、多个瓶颈结构和压缩与激励SE模块；所述的改进的输入卷积层通过调整卷积核的维度以适应输入形状，并且缩小了卷积核的尺寸以降低复杂度；神经网络的输入为FM机会信号的IQ样本，该网络将从输入中提取得到的深度特征送入用于分类的全连接层，最后经过softmax输出置信度；步骤7、定位模型训练：利用所述训练集和验证集对所述轻量级神经网络进行训练，损失函数为交叉熵，训练得到基于FM机会信号定位的神经网络模型；步骤8、采集并制作待定位点样本：采集待定位点FM信号，采集方式与步骤2相同；制作机会信号样本，制作方法与步骤3相同；步骤9、待定位点样本功率归一化：对制作好的待定位点样本进行功率归一化；步骤10、神经网络推理定位：依次将归一化后的定位点样本输入训练好的轻量级神经网络，分类判别该待定位点与参考点的位置关系，根据置信度推理，推理得到待定位点在定位场景坐标系内的二维坐标；步骤11、定位场景迁移：在切换场景时，调整源定位场景模型的参数以适应目标定位场景的特征。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于轻量级神经网络的FM机会信号定位方法