【技术实现步骤摘要】
UWB室内定位方法、装置、电子设备及存储介质
本申请涉及室内定位
，尤其涉及一种UWB室内定位方法、装置、电子设备及存储介质。
技术介绍
目前在基于超宽带技术的无线定位算法研究中，基于机器学习的智能算法以其在非线性优化领域无可比拟的优势已渐渐应用于定位解算算法。现有的基于BP(backpropagation，反向传播)神经网络的定位算法由于具有庞杂的算法复杂度以及容易陷入局部最优值等缺点，在实际工程应用中很少有人采用。基于这一现状，并针对当前UWB(超宽带，UltraWideBand)定位技术中基于到达时间差(TimeDeferenceofArrival，TDOA)的定位模型精度不高，多径传播误差、非视距(Non-Lineofsight,NLOS)误差等造成的定位精度不高的问题，本申请提出了一种基于改进的RBF(RadialBasisFunction，径向基函数)神经网络模型的定位算法。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
为了解决上述技术问题，本申请提供了一种...
【技术保护点】
1.一种UWB室内定位方法，其特征在于，所述方法包括以下步骤：/n通过待定位标签发送定位请求信号；/n接收多个UWB定位基站发送的响应于所述定位请求信号的响应信号；/n获取所述响应信号中携带的时间戳；/n根据所述时间戳以及信号传播速度，确定所述待定位标签和所述UWB定位基站之间的距离值；/n将所述距离值输入到训练好的RBF径向基函数神经网络模型，以使所述RBF神经网络模型输出优化后的距离值。/n
【技术特征摘要】
1.一种UWB室内定位方法，其特征在于，所述方法包括以下步骤：
通过待定位标签发送定位请求信号；
接收多个UWB定位基站发送的响应于所述定位请求信号的响应信号；
获取所述响应信号中携带的时间戳；
根据所述时间戳以及信号传播速度，确定所述待定位标签和所述UWB定位基站之间的距离值；
将所述距离值输入到训练好的RBF径向基函数神经网络模型，以使所述RBF神经网络模型输出优化后的距离值。
2.根据权利要求1所述的方法，其特征在于，所述RBF神经网络模型通过以下方式进行训练：
获取所述待定位标签和所述UWB定位基站之间的历史距离值，其中，所述历史距离值为通过测量工具测量得到；
将所述历史距离值作为训练样本输入初始的RBF神经网络模型，以使所述初始的RBF神经网络模型输出初始距离值；
若所述初始距离值与所述历史距离值的相似度大于设定的相似度阈值，则所述初始的RBF神经网络模型训练成功，得到所述训练好的RBF神经网络模型；
若所述初始距离值与所述历史距离值的相似度小于或等于设定的相似度阈值，则通过调整所述初始的RBF神经网络模型中的参数，继续对所述初始的RBF神经网络模型进行训练，直至所述初始的RBF神经网络模型训练成功。
3.根据权利要求2所述的方法，其特征在于，所述通过调整所述初始的RBF神经网络模型中的参数，继续对所述初始的RBF神经网络模型进行训练，包括：
利用并行遗传算法对所述初始的RBF神经网络模型中的参数执行种群的初始化操作和编码操作；
将所述种群划分为多个子种群，并为所述子种群设置权重矩阵；
从所述子种群中查找最优适应度所对应的子种群；
对查找到的所述子种群执行解码操作，并根据所述子种群所对应的权重矩阵得到所述参数的调整值。
4.根据权利要求3所述的方法，其特征在于，在从所述子种群中查找最优适应度所对应的子种群之前，所述方法还包括：
获取所述子种群在的迭代次数；
当所述子种群的迭代次数小于设定的最大迭代次数时，分别在所述子种群内根据适应度选择优秀的子种群，进行交叉、变异和到位操作；
当操作次数达到设定的门限值时，执行所述从所述子种群中查找最优适应度所对应的子种群的操作；
当操作次数未达到设定的门限值时，继续对所述子种群执行交叉、变异和到位操作；
当所述子种群的迭代次数大于或等于设定的最大迭代次数时，直接执行所述从所述子种群中查找最优适应度所对应的子种群的操作。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取在当前帧所测量得到的所述距离值的数量；
当所述距离值的数量大于设定的阈值时，构建TOF定位方程组：
其中，R1、R2、R3分别为UWB定位基站1、UWB定位基站2、UWB定位基站3与待定位标签之间的直线距离，(Xi，Yi)为UWB定位基站i的坐标，(x,y)为待定位标签的坐标；
利用加权最小二乘算法求解所述待定位标签与所述UWB定位基...
【专利技术属性】
技术研发人员：董明珠，赵杰磊，卢军志，仝磊，
申请(专利权)人：珠海格力电器股份有限公司，珠海联云科技有限公司，
类型：发明
国别省市：广东;44
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。