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：天津大学

摘要：本发明公开了一种基于权重自适应网络的室内无线被动定位方法，属于无线感知技术领域；本发明为了减少环境中障碍物等产生的噪声对定位的影响，借鉴现有工作的研究，使用深度学习方法，将定位环境特征信息与CSI特征进行融合，提高CSI定位系统的精度，以及实现模型的环境自适应性。本发明的目的是提出了一种通过神经网络学习环境中障碍物对人体运动限制的室内被动定位方法，该方法能够在无需增加Wi‑Fi设备和采集数据量的情况下，实现更加精准的定位性能。

主权项：1.一种基于权重自适应网络的室内无线被动定位方法，其特征在于，包括训练仿真阶段和定位测试阶段，具体包括以下内容：S1、训练仿真阶段：S1.1、确定定位环境：根据真实测试环境确定坐标系、定位区域、区域划分粒度以及收发机位置坐标，并构建定位环境对应的俯瞰平面表征图，以此作为生成仿真数据的环境参数依据；S1.2、生成模拟轨迹：在确定的虚拟场景中，以“加速度-速度-位置序列”的物理模型，对用户在定位环境中可能出现的行走轨迹进行仿真模拟；并根据环境中障碍物对人体运动的限制，对不符合物理现实的轨迹进行剔除；结合上述情形生成特定环境下的仿真轨迹集合；S1.3、计算信道特征：综合菲涅尔区理论，对用户运动特征和信号特点进行理论建模；根据模拟生成的用户轨迹将用户位置、速度和收发机建立映射关系，生成对应的信道特征；S1.4、构建环境自适应模型：通过使用循环神经网络处理信道特征信息和使用卷积神经网络处理环境中障碍物特征，构建环境自适应模型；将环境中障碍物的限制与模型的训练过程进行强相关连接，实现环境的自适应性；S1.5、模型训练：利用S1.3中所构建的理论模型，结合仿真环境中的信号收发机布置及其对应的定位环境表征图，生成各定位环境对应的“人体仿真轨迹-PLCR特征”数据对；构建特征数据集和标签集进行对S1.4中构建的环境自适应模型进行训练；并引入对比学习思想，构建正、负样本进行分阶段训练，增强模型对于限制的学习能力；所述负样本的训练基于自定义损失函数NegLoss完成，其具体表达式为： 式中，y表示真实轨迹坐标值；ypred表示模型预测轨迹坐标值；n表示轨迹数量；α表示权重；Nthr表示当前预测的轨迹穿过障碍物的坐标点数；Nall表示轨迹中包含的总坐标点数；所述损失包含两个部分，一部分表示预测轨迹与目标轨迹的贴近程度，另一部分表示轨迹穿过障碍物的情况；对上述两部分损失进行对抗训练，使得模型预测出的轨迹在与目标轨迹接近的同时，最小化轨迹穿过障碍物的点数；S2、定位测试阶段：S2.1、布置定位环境：匹配模拟实验场景和实际场景完成收发机的布置，划定用户定位的可行范围；然后通过远程连接工具将所有信号收发机连接至同一主机以方便后续的命令执行；确定定位环境平面图以用于后续定位；S2.2、定位数据采集：当用户在可行区域内行走时，通过主机控制多个接收机同步接收CSI数据；然后，利用快速傅里叶变换或短时傅里叶变换完成对数据的时频转换，获得多普勒频移并将其转换为多组链路对应的真实PLCR数据；S2.3、根据PLCR数据和环境定位：将S2.2中多组真实PLCR数据拼接后，与S2.1中所得的定位环境的平面图数据进行组合，得到模型输入；然后通过S1.5中训练好的自适应定位模型完成推理，输出用户在定位区域中的二维坐标序列，完成用户的被动定位。

全文数据：

权利要求：

百度查询： 天津大学 一种基于权重自适应网络的室内无线被动定位方法