基于神经网络的无线定位方法、系统及路侧单元技术方案

本发明专利技术公开了一种基于神经网络的无线定位方法、系统及路侧单元，该无线定位方法包括：采集来自目标的无线信号数据，所采集的数据包括无线信号的幅度和/或相位和/或功率；对所采集的数据进行预处理；将预处理后的数据输入到预先建立的神经网络模型中，并将所述神经网络模型的输出作为目标的定位结果。实施本发明专利技术的技术方案，能够自适应识别信号的微小区别，给出更精确的定位结果。

【技术实现步骤摘要】
基于神经网络的无线定位方法、系统及路侧单元
本专利技术涉及无线定位领域，尤其涉及一种基于神经网络的无线定位方法、系统及路侧单元。
技术介绍
目前利用天线阵列对无线信号的相位或幅度进行处理来估计空间信号的方位，从而得到无线信号对应目标的位置的方法主要有1.MUSIC(MultipleSignalClassification多信号分类)算法以及改进算法、2.相位法相干信号解模糊以及改进算法、3.基于概率的统计方法。上述多种算法都是基于某一类准则，去估计最大可能出现的无线信号角度方向，虽然各有优缺点。但是由于其本身都是基于某一准则去估计，所以对于微小差别都无能为力。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的上述定位时无法识别微小差别的缺陷，提供一种基于神经网络的无线定位方法、系统及路侧单元，能在定位时识别微小差别。本专利技术解决其技术问题所采用的技术方案是：构造一种基于神经网络的无线定位方法，包括：S1.采集来自目标的无线信号数据，所采集的数据包括无线信号的幅度和/或相位和/或功率；S2.对所采集的数据进行预处理；S3.将预处理后的数据输入到预先建立的神经网络模型中，并将所述神经网络模型的输出作为目标的定位结果。在本专利技术所述的基于神经网络的无线定位方法中，神经网络模型根据下列步骤建立：S31.根据所要采集的数据的个数确定输入神经元的个数，所要采集的数据的个数与天线阵元的个数相关；S32.确定输出神经元的个数；S33.确定神经元中间层数及中间层神经元个数；S34.在训练时采集来自已知目标的无线信号数据，并对所采集的数据进行预处理；S35.将一部分步骤S34所预处理后的数据用来训练神经网络模型，并通过不断修改各神经元间的权重，直至所述神经网络模型符合预设规则的收敛。在本专利技术所述的基于神经网络的无线定位方法中，所述神经网络模型的输出类型为定位区域时，将需定位的区域划分成M个预设区域，单个输出神经元具有两类输出状态，故神经网络模型的输出共有2N类输出状态，其中N为输出神经元的个数，每类神经网络模型的输出状态为空或与一个预设区域对应，如果输出状态与一个预设区域对应，即确定目标在对应的预设区域内。在本专利技术所述的基于神经网络的无线定位方法中，所述神经网络模型的输出类型为为相对坐标时，所述输出神经元的个数为2，所述输出神经元的输出为坐标值。在本专利技术所述的基于神经网络的无线定位方法中，所述步骤S2包括：对所采集的无线信号进行预处理，获得瞬时幅度值；或；对预设时间内所采集的无线信号的进行预处理，获得所述无线信号的平均功率值；或；对预设时间内所采集的无线信号进行预处理，获得不同天线阵元之间无线信号的相位差。本专利技术还构造一种路侧单元，包括：采集模块，用于采集来自电子标签的无线信号数据，所采集的数据包括无线信号的幅度和/或相位和/或功率；预处理模块，用于对所采集的数据进行预处理；神经网络处理模块，用于将预处理后的数据输入到预先建立的神经网络模型中，并将所述神经网络模型的输出作为携带电子标签的车辆的定位结果。在本专利技术所述的路侧单元中，所述神经网络处理模块包括：输入模块，用于根据所要采集的数据的个数确定输入神经元的个数，所要采集的数据的个数与天线阵元的个数相关；输出模块，用于确定输出神经元的个数；中间模块，用于确定神经元中间层数及中间层神经元个数；调整模块，用于使用在训练时采集及预处理后的来自已知位置的电子标签的无线信号数据训练神经网络模型，并通过不断修改各神经元间的权重，直至所述神经网络模型符合预设规则的收敛。在本专利技术所述的路侧单元中，所述采集模块包括：天线阵列，用于接收来自电子标签的无线信号，所述天线阵列为相控阵天线；射频接收机，用于对所述天线阵列所接收的无线信号进行解调；模拟信号处理器，用于对所述射频接收机解调后的信号进行处理；模数转换器，用于对所述处理器处理后的信号进行模数转换。本专利技术还构造一种基于神经网络的无线定位系统，包括：采集模块，用于采集来自目标的无线信号数据，所采集的数据包括无线信号的幅度和/或相位和/或功率，所述采集模块为多个天线；控制模块，用于对所采集的数据进行预处理，并将预处理后的数据输入到预先建立的神经网络模型中，且将所述神经网络模型的输出作为目标的定位结果。在本专利技术所述的基于神经网络的无线定位系统中，所述控制模块包括：第一输入模块，用于根据所要采集的数据的个数确定输入神经元的个数，所要采集的数据的个数与天线阵元的个数相关；第一输出模块，用于确定输出神经元的个数；第一中间模块，用于确定神经元中间层数及中间层神经元个数；第一调整模块，用于使用在训练时采集及预处理后的来自已知目标的无线信号数据训练神经网络模型，并通过不断修改各神经元间的权重，直至所述神经网络模型符合预设规则的收敛。实施本专利技术的技术方案，通过利用神经网络(artificialneuralnetwork，ANN)技术，对所采集到的无线信号数据进行融合处理，自适应识别信号的微小区别，给出更精确的定位结果。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术基于神经网络的无线定位方法实施例一的流程图；图2是神经网络模型建立方法实施例一的流程图；图3A-3E分别是不同输出神经元个数与目标点定位结果的关系示意图；图4是三阵元天线阵列的示意图；图5是神经网络模型中各神经元间权重实施例一的示意图；图6是本专利技术路侧单元实施例一的逻辑图；图7是本专利技术一种基于神经网络的无线定位系统实施例一的逻辑图。具体实施方式中国专利ZL200480025276.X公开了一种人工神经网络的建立方法，人工神经网络(artificialneuralnetwork，缩写ANN)，简称神经网络(neuralnetwork，缩写NN)，是近年来兴起的一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。通过运用人工神经网络的学习能力，可以使得通过天线阵列定位目标位置自适应的识别微小的差别，从而提高识别精度。图1是本专利技术基于神经网络的无线定位方法实施例一的流程图，该基于神经网络的无线定位方法包括：S1.采集来自目标的无线信号数据，所采集的数据包括无线信号的幅度和/或相位和/或功率，即，所采集的数据可以包括幅度、相位、功率中的一个，也可以是幅度、相位、功率的任意组合；S2.对所采集的数据进行预处理，数据的预处理例如包括数据清理、数据集成、数据变换、数据归约等，在一个实施例中，可对所采集的无线信号的幅度进行预处理，以获得瞬时幅度值；或者，对预设时间内所采集的无线信号的相位进行预处理，以获得不同天线阵元之间无线信号的相位差，及对预设时间内所采集的无线信号的功率的进行预处理，获得所述无线信号的平均功率值。另外，多阵元天线阵列分别采集来自目标所发送的无线信号的相位数据，在预处理时，分别计算出任意两个阵元所采集的相位数据的差值，然后还可分别对这些相位数据的差值进行归一化处理；S3.将预处理后的数据输入到预先建立的神经网络模型中，并将所述神经网络模型的输出本文档来自技高网...

【技术保护点】
一种基于神经网络的无线定位方法，其特征在于，包括：S1.采集来自目标的无线信号数据，所采集的数据包括无线信号的幅度和/或相位和/或功率；S2.对所采集的数据进行预处理；S3.将预处理后的数据输入到预先建立的神经网络模型中，并将所述神经网络模型的输出作为目标的定位结果。

【技术特征摘要】
1.一种基于神经网络的无线定位方法，其特征在于，包括：S1.采集来自目标的无线信号数据，所采集的数据包括无线信号的幅度和/或相位和/或功率；S2.对所采集的数据进行预处理；S3.将预处理后的数据输入到预先建立的神经网络模型中，并将所述神经网络模型的输出作为目标的定位结果；其中，神经网络模型根据下列步骤建立：S31.根据所要采集的数据的个数确定输入神经元的个数，所要采集的数据的个数与天线阵元的个数相关；S32.确定输出神经元的个数；S33.确定神经元中间层数及中间层神经元个数；S34.在训练时采集来自已知目标的无线信号数据，并对所采集的数据进行预处理；S35.将一部分步骤S34所预处理后的数据用来训练神经网络模型，并通过不断修改各神经元间的权重和阀值，直至所述神经网络模型符合预设规则的收敛。2.根据权利要求1所述的基于神经网络的无线定位方法，其特征在于，所述神经网络模型的输出类型为定位区域时，将需定位的区域划分成M个预设区域，单个输出神经元具有两类输出状态，故神经网络模型的输出共有2N类输出状态，其中N为输出神经元的个数，每类神经网络模型的输出状态为空或与一个预设区域对应，如果输出状态与一个预设区域对应，即确定目标在对应的预设区域内。3.根据权利要求1所述的基于神经网络的无线定位方法，其特征在于，所述神经网络模型的输出类型为相对坐标时，所述输出神经元的个数为2，所述输出神经元的输出为坐标值。4.根据权利要求1-3任一项所述的基于神经网络的无线定位方法，其特征在于，所述步骤S2包括：对所采集的无线信号进行预处理，获得瞬时幅度值；或；对预设时间内所采集的无线信号进行预处理，获得所述无线信号的平均功率值；或；对预设时间内所采集的无线信号进行预处理，获得不同天线阵元之间无线信号的相位差。5.一种路侧单元，其特征在于，包括：采集模块，用于采集来自电子标签的无线信号数据，所采集的数据包括无...

【专利技术属性】
技术研发人员：杨耿，张学诚，徐根华，黄日文，林树亮，周维，何守勇，杨成，
申请(专利权)人：深圳市金溢科技股份有限公司，
类型：发明
国别省市：广东;44