一种基于卷积神经网络的室内定位方法技术

本发明专利技术公开了一种基于卷积神经网络的室内定位方法：步骤1，获取相位信息矩阵；步骤2，相位信息矩阵校准；步骤3，将最终的相位信息矩阵中的所有相位信息以及每个相位信息对应的矩阵坐标作为训练集，输入所构建的信道检测模型，得到训练好的信道检测模型；步骤4：将待检测的单信道下的相位信息输入训练好的信道检测模型；步骤5：根据信道信息CH和初始位置PH，得到完整的相位信息；步骤6：根据完整的相位信息，得到其对应的似然函数估计量，将似然函数估计量最大的定位区域作为目标位置。本发明专利技术利用深度学习的方法得到待测信道的位置，并根据该位置得到的虚拟高带宽相位信息对目标定位，能够有效提高定位精度。

An indoor location method based on convolutional neural network

【技术实现步骤摘要】
一种基于卷积神经网络的室内定位方法
本专利技术属于定位
，涉及一种基于卷积神经网络的室内定位方法。
技术介绍
近年来，伴随着智能手机、平板电脑和笔记本电脑等移动设备的普及，基于这些设备的定位应用已成为我们日常生活的重要组成部分。目前大多数移动设备主要应用全球定位系统GPS或者北斗定位系统提供定位服务，而这两种方案只能在室外对目标进行有效定位，在复杂的室内环境下则精度低甚至无法工作。其原因主要有以下两点：(1)由于在室内的接入点AP和移动客户端之间存在着很多物体，无线信号在其中反射到多条路径传播，称之为多径现象；(2)GPS提供了几米之间的定位精度，对于室外环境中的街道或者城市街区来说已经绰绰有余，然而对于GPS无法到达的室内环境来说，这样的定位精度远远无法达到要求。为了能有效地对室内目标进行定位，目前的室内定位技术主要围绕声音信号(Acoustic)、光信号(Camera和Visiblelight)、电信号(UWB，Radar和RFID)展开。其中，基于声音信号的定位技术，其精度易受环境噪声影响，且定位范围有限；基于光信号的定位技术，其过度依赖环境中的光线强度，在非视距环境中无本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的室内定位方法，其特征在于，具体包括如下步骤：步骤1，获取WI‑FT多信道的CSI的相位信息矩阵；步骤2，对于步骤1得到的相位信息矩阵中的每个相位信息进行校准，得到校准后的相位信息矩阵；步骤3，构建信道检测模型，将最终的相位信息矩阵中的所有相位信息以及每个相位信息对应的矩阵坐标作为训练集，输入所构建的信道检测模型，得到信道检测模型的最优权重，从而得到训练好的信道检测模型，相位信息对应的矩阵坐标中的列坐标表示该相位信息对应的信道信息，行坐标表示该相位信息在矩阵中对应的初始位置；步骤4：将待检测的单信道下的相位信息输入训练好的信道检测模型，得到该待检测的单信道下的相位信息对...

【技术特征摘要】
1.一种基于卷积神经网络的室内定位方法，其特征在于，具体包括如下步骤：步骤1，获取WI-FT多信道的CSI的相位信息矩阵；步骤2，对于步骤1得到的相位信息矩阵中的每个相位信息进行校准，得到校准后的相位信息矩阵；步骤3，构建信道检测模型，将最终的相位信息矩阵中的所有相位信息以及每个相位信息对应的矩阵坐标作为训练集，输入所构建的信道检测模型，得到信道检测模型的最优权重，从而得到训练好的信道检测模型，相位信息对应的矩阵坐标中的列坐标表示该相位信息对应的信道信息，行坐标表示该相位信息在矩阵中对应的初始位置；步骤4：将待检测的单信道下的相位信息输入训练好的信道检测模型，得到该待检测的单信道下的相位信息对应的信道信息CH以及初始位置PH；步骤5：在最终的相位信息矩阵中取出初始位置PH对应行的至少60％的相位信息，其中包含信道信息CH和初始位置PH对应的坐标上的相位信息，再将该坐标上的相位信息用上述待检测的单信道下的相位信息进行替换，得到完整的相位信息；步骤6：将步骤5得到的完整的相位信息利用MUSIC算法处理，得到多条路径的AOA信息；将步骤5得到的完整的相位信息利用构造时域下的信道脉冲响应CIR处理，得到多条路径的TOF信息；将AOA信息和TOF信息绘制到以TOF为纵坐标、以AOA为横坐标的二维平面中，得到多个区域，将这些区域作为定位区域；然后对每个定位区域分别利用似然函数处理，得到其对应的似然函数估计量，将似然函数估计量最大的定位区域作为目标位置。2.如权利要求1所述的基于卷积神经网络的室内定位方...

【专利技术属性】
技术研发人员：邢天璋，廉英浩，陈晓江，房鼎益，彭瑶，刘晨，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西,61