一种面向噪声环境下的室内无线定位方法及装置制造方法及图纸

技术编号:20113895 阅读:30 留言:0更新日期:2019-01-16 11:25
本发明专利技术涉及一种面向噪声环境下的室内无线定位方法及装置。该方法包括:1)部署无线信号接收模块,获取无线信号数据;2)对无线信号数据进行量测噪声和过程噪声的自适应估计,得到信号的特征数据;3)对特征数据进行归一化处理,将信道状态信息数据转化成特征图数据;4)将特征图数据输入到若干个多层的残差神经网络中,分别获得一个输出向量;5)对各个残差神经网络的输出向量做平均操作,并从中找出响应最大值,响应最大值经过数据还原后得到预测的最终位置。本发明专利技术能够解决当前目标跟踪方法在资源受限环境下无法完成噪声自适应、定位精度差等实际部署问题,适用于机器人、无人车、无人机、信息推送、安防等领域的物体定位追踪问题。

A Noise-Oriented Indoor Wireless Location Method and Device

The invention relates to an indoor wireless positioning method and device for noise environment. The method includes: 1) deploying wireless signal receiving module to acquire wireless signal data; 2) adaptive estimation of measurement noise and process noise from wireless signal data to obtain signal characteristic data; 3) normalizing the characteristic data to transform channel state information data into feature graph data; 4) inputting feature graph data into several multi-layer residual neural networks. The output vectors of each residual neural network are averaged and the maximum response value is found. The final position of the predicted maximum response value is obtained by restoring the data. The invention can solve the practical deployment problems of the current target tracking method, such as the inability of noise adaptation and poor positioning accuracy in resource-constrained environment, and is suitable for the object positioning and tracking problems in the fields of robots, unmanned vehicles, unmanned aerial vehicles, information push, security and so on.

【技术实现步骤摘要】
一种面向噪声环境下的室内无线定位方法及装置
本专利技术涉及信息通信和信号处理领域,特别是涉及一种面向有噪声环境下的室内无线定位方法及装置。
技术介绍
卫星定位到达地面时信号较弱,穿透建筑物后衰弱严重,因此全球定位系统对于室内物体的定位效果较差。室内定位技术可以被视作卫星定位的辅助。室内定位系统在虚拟现实、消防、工业流水线、机场安防、无人机、广告推送、养老院管理等场景中都有着重要和广泛的应用,具有重要的研究意义。室内无线定位是室内定位中常见的一类方法。由于应用场景的限制(无线信号衰减、噪声干扰、室内障碍物多等),室内无线定位系统在实际部署过程中需要面临室内干扰物较多的问题,产生的信号反射会影响信号强度。室内无线定位必须兼具实时性、鲁棒性、准确性。实时性要求系统具备高速处理能力,可以即时地绘制目标物体的运动轨迹;准确性要求系统具备较高的精度,对物体位置的估计有一定的精度;鲁棒性要求系统能较好地处理现实环境中存在的噪声信息,适应广泛复杂的应用场景。在存在噪声的环境中实现一个高效并且准确的室内无线定位系统是一个非常大的挑战,具有重要的研究价值与实际意义。
技术实现思路
本专利技术的目的是提供一种面向噪声环境下的室内无线定位方法及装置,能够解决当前目标跟踪方法在资源受限环境下无法完成噪声自适应、定位精度差等实际部署问题。该室内无线定位方法和装置适用于机器人、无人车、无人机、信息推送、安防等领域的物体定位追踪问题。为达到上述目的,本专利技术采用的技术方案是:一种面向噪声环境下的室内无线定位方法,其步骤包括:1)部署无线信号接收模块,获取无线信号数据;2)对无线信号数据进行量测噪声和过程噪声的自适应估计,得到信号的特征数据;3)对特征数据进行归一化处理,将信道状态信息数据转化成特征图数据;4)将特征图数据输入到若干个多层的残差神经网络中,分别获得一个输出向量;5)对各个残差神经网络的输出向量做平均操作,并从中找出响应最大值,响应最大值经过数据还原后得到预测的最终位置。进一步地,步骤1)使用计算机网卡作为无线驱动,从网卡引出多根连接天线作为信号接收模块,同时在室内放置无线路由器,在计算机端获取无线信号数据。进一步地,对步骤1)获取的无线信号数据进行预处理,包括:选取中间时间段数据作为主要的处理对象,去除开始和末尾段可能存在因为人为操作产生的噪声。在正常采集过程中,产生的大量数据包足够保证训练一个稳定的神经网络。进一步地,步骤2)中对量测噪声的自适应处理包括以下步骤:2.1)初始化:对k时刻的状态估计、状态误差协方差、自由度参数和逆范矩阵进行初始化;2.2)设置N次循环;2.3)计算量测与状态估计的差值,差值与其转置相乘后计算得到中间量;其中“量测”是实验误差,即实验中由于人工测量产生的误差,人工操作会产生量测噪声;2.4)利用中间量,更新自由度参数和逆范矩阵;2.5)利用更新后的自由度参数和逆范矩阵,计算出更新后的k时刻量测噪声;2.6)利用量测噪声,更新一步预测状态误差协方差矩阵;2.7)利用状态误差协方差矩阵,更新k时刻卡尔曼滤波增益;2.8)利用卡尔曼滤波增益,更新k时刻状态误差协方差矩阵;2.9)利用状态误差协方差矩阵,更新k时刻的状态估计;2.10)重复步骤2.2)-2.9),直至循环完成后退出。进一步地,步骤2)中对过程噪声的自适应处理包括以下步骤:2.1]初始化:获得k时刻的量测噪声协方差矩阵,k时刻和k-1时刻的量测噪声;2.2]利用量测噪声协方差矩阵获得中间量M;2.3]利用中间量M、状态转移矩阵、k-1时刻和k时刻的量测噪声得到随机变量ξ;2.4]利用中间量M、状态转移矩阵、k-1时刻和k时刻的量测噪声得到相应于随机变量ξ的量测噪声;2.5]计算得到随机变量ξ的协方差矩阵Cov(ξ);2.6]利用k时刻的量测噪声协方差矩阵和k-1时刻的量测噪声协方差矩阵获得随机变量ξ的量测噪声协方差矩阵Cov(V);2.7]Cov(ξ)与Cov(V)的差值为k时刻的过程噪声协方差。进一步地,步骤3)之所以对数据特征进行归一化处理,是因为经过噪声处理得到的信道状态信息数据参差不齐,有正有负,不适合直接输入到神经网络中进行训练,对于多根天线上的信道状态信息数据需要做额外的归一化。该步骤把信道状态信息数据转化成30*30的特征图数据。以下为具体的数据特征归一化操作过程:3.1)对中间一段时间内的去噪声处理后的信道状态信息进行遍历,将数据的绝对值(即信号的幅值)从小到大排序,为了避免一些极值点的存在,取5%处的值作为Amin和95%处的值作为Amax;3.2)将小于Amin的值置为0,大于Amax的值置为1,同时将其区间内的其他值x按比例缩放归一化到[0,1]区间;3.3)将经过步骤2)处理后的数据按照时间顺序按照30×30的方式进行切割,获得连续的30×30的输入方阵,自此,信道状态数据在时间域上的连续数据被转化成30×30的特征图数据。步骤3)还对接收天线所在的位置坐标做如下的归一化处理:3.1]对于接收天线所在的位置坐标(x,y)采集到的信道状态信息,将采集区域的左下角作为参考点(0,0),得到区域范围内坐标值最大的点(xmax,ymax);3.2]根据最大坐标值,对区域内的点同样做比例缩放归一化处理。经过上面所述的对信道状态信息和位置标签数据的处理,得到训练数据集合和测试数据集合。进一步地,步骤4)主要涉及位置预测网络。对于特征图数据,训练若干个(比如三个)不同层数的残差神经网络对数据训练和测试,由于信道状态信息的输入特征图仅为30×30,因此在神经网络的设计过程中不加入池化层,残差神经网络具有较好的泛化性能,能降低复杂定位数据问题的过拟合程度。同时由于单模型的预测可能导致误检,因此训练若干个(比如)三个不同深度的残差神经网络并组合比较三者的输出,得到最后的输出结果。其中,残差神经网络的个数可以是多个,优选为2~4个。进一步地,步骤5)主要涉及位置预测结果的输出。经过残差神经网络得到关于特征图的位置预测,通过取三者平均得到预测向量,从向量中的响应最大值得到最终的预测位置,然后根据归一化的规则,反向推出最终的定位坐标。一种面向噪声环境下的室内无线定位装置,其包括:数据采集模块,负责获取无线信号数据;数据转换模块,负责对所述数据采集模块获取的无线信号数据进行预处理,选取中间时间段数据作为主要的处理对象,去除开始和末尾段可能存在因为人为操作产生的噪声;噪声处理模块,负责对所述数据转换模块处理后的无线信号数据进行量测噪声和过程噪声的自适应估计,得到信号的特征数据;数据规范化模块,负责对所述噪声处理模块得到的特征数据进行归一化处理,将信道状态信息数据转化成的特征图数据;预测网络训练模块,负责训练预测网络,所述预测网络包含若干个多层的残差神经网络;预测模块,负责将所述数据规范化模块得到的特征图数据输入到训练完成的所述预测网络中,通过各个残差神经网络分别获得一个输出向量,对各个残差神经网络的输出向量做平均操作,并从中找出响应最大值,该响应最大值经过数据还原后得到预测的最终位置。与现有技术相比,本专利技术的优点是:1.本专利技术能够自适应估计由于物体运动和采集装置所引发的过程噪声和量测噪声,较好地适应真实环境下的时变噪声;2.本专利技术将信道本文档来自技高网...

【技术保护点】
1.一种面向噪声环境下的室内无线定位方法,其特征在于,包括以下步骤:1)部署无线信号接收模块,获取无线信号数据;2)对无线信号数据进行量测噪声和过程噪声的自适应估计,得到信号的特征数据;3)对特征数据进行归一化处理,将信道状态信息数据转化成特征图数据;4)将特征图数据输入到若干个多层的残差神经网络中,分别获得一个输出向量;5)对各个残差神经网络的输出向量做平均操作,并从中找出响应最大值,响应最大值经过数据还原后得到预测的最终位置。

【技术特征摘要】
1.一种面向噪声环境下的室内无线定位方法,其特征在于,包括以下步骤:1)部署无线信号接收模块,获取无线信号数据;2)对无线信号数据进行量测噪声和过程噪声的自适应估计,得到信号的特征数据;3)对特征数据进行归一化处理,将信道状态信息数据转化成特征图数据;4)将特征图数据输入到若干个多层的残差神经网络中,分别获得一个输出向量;5)对各个残差神经网络的输出向量做平均操作,并从中找出响应最大值,响应最大值经过数据还原后得到预测的最终位置。2.根据权利要求1所述的方法,其特征在于,对步骤1)获取的无线信号数据进行预处理,包括:选取中间时间段数据作为主要的处理对象,去除开始和末尾段可能存在因为人为操作产生的噪声。3.根据权利要求1所述的方法,其特征在于,步骤2)中量测噪声的自适应估计过程包括:2.1)对k时刻的状态估计、状态误差协方差、自由度参数和逆范矩阵进行初始化;2.2)设置N次循环;2.3)计算量测与状态估计的差值,差值与其转置相乘后计算得到中间量;2.4)利用中间量,更新自由度参数和逆范矩阵;2.5)利用更新后的自由度参数和逆范矩阵,计算出更新后的k时刻量测噪声;2.6)利用量测噪声,更新一步预测状态误差协方差矩阵;2.7)利用状态误差协方差矩阵,更新k时刻卡尔曼滤波增益;2.8)利用卡尔曼滤波增益,更新k时刻状态误差协方差矩阵;2.9)利用状态误差协方差矩阵,更新k时刻的状态估计;2.10)重复步骤2.2)-2.9),直至循环完成后退出。4.根据权利要求1所述的方法,其特征在于,步骤2)中过程噪声的自适应估计过程包括:2.1]初始化:获得k时刻的量测噪声协方差矩阵,k时刻和k-1时刻的量测噪声;2.2]利用量测噪声协方差矩阵获得中间量M;2.3]利用中间量M、状态转移矩阵、k-1时刻和k时刻的量测噪声得到随机变量ξ;2.4]利用中间量M、状态转移矩阵、k-1时刻和k时刻的量测噪声得到相应于随机变量ξ的量测噪声;2.5]计算得到随机变量ξ的协方差矩阵Cov(ξ);2.6]利用k时刻的量测噪声协方差矩阵和k-1时刻的量测噪声协方差矩阵获得随机变量ξ的量测噪声协方差矩阵Cov(V);2.7]Cov(ξ)与Cov(V)的差值为k时刻的过程噪声协方差。5.根据权利要求1所述的方法,...

【专利技术属性】
技术研发人员:葛仕明叶奇挺
申请(专利权)人:中国科学院信息工程研究所
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1