一种基于物联网室内定位的时钟预测方法技术

本发明专利技术属于位置定位技术领域，具体涉及一种基于物联网室内定位的时钟预测方法。本发明专利技术包括物联网接收模块收集全球导航卫星系统的卫星导航参数和观测参数，物联网接收装置通过互联网通信系统发送到时钟数据处理模块；时钟数据处理模块提取卫星导航参数和观测参数，进行参数预处理，时钟数据处理模块通过广播星历的定位参数，在消除全球导航卫星系统时钟后确定系统预测轨道等。本发明专利技术的基于物联网室内定位的时钟预测方法，充分利用卷积神经网络通过对物联网定位系统的时钟预测数据的大量样本的学习，进行更加准确的非线性时间序列特性的预测，真正意义上提高物联网系统的定位精度。

A clock prediction method based on indoor positioning of Internet of things

【技术实现步骤摘要】
一种基于物联网室内定位的时钟预测方法
本专利技术属于位置定位
，具体涉及一种基于物联网室内定位的时钟预测方法。
技术介绍
科技迅速发展的今天，各个领域都呈现出蓬勃发展的趋势，移动通信己经在由“4G”向“5G”迈进，智能机器人、无人车等智能工具的普及，更给人们的生活增添色彩。“位置”作为一类服务也开始融入到人们的生活当中，促使了许多依赖位置的服务产生，例如基于GPS定位的相关服务，包括室外行车导航、室内商场的查询等，这些涉及到生活中的角角落落、触及生活中的方方面面，无不利用了定位技术。在定位技术的推动和生活的强烈需求下，构建完整、精确的室外和室内定位系统己经是迫在眉睫，成为现代学者的研究热点。阻碍室内定位快速的发展的原因有很多，主要原因是室内环境不同于室外，室内布置复杂，信号的传递会受家具、墙体、各种装饰物的阻碍，导致信号被折射、反射甚至被埋没等，这严重导致了传播信号的各种物理特性受到损耗。因此，有必要解决因复杂的室内布置导致室内定位不精确甚至无法定位等问题。现有的基于蓝牙、WiFi、惯导等室内定位技术，在室内定位中应用比较广泛，但是定位精度不是很高。而超宽带定位技术，带宽达到几百兆赫兹，凭借其超强的穿墙能力、抗干扰能力、多径分辨能力等在众多无线定位技术中脱颖而出，成为室内定位比较具有竞争力的技术。
技术实现思路
本专利技术的目的在于提供一种利用不同类型的基于全球导航卫星系统的时钟同步基准网络，根据卷积神经网络对物联网内检测样本的学习来对非线性时间序列进行高精度时间序列进行检测，利用任务处理后的时钟参数实现室内智能装备卫星时钟的智能预测，最后辅助物联网用户得到高水平定位结果的基于物联网室内定位的时钟预测方法。本专利技术的目的是这样实现的：一种基于物联网室内定位的时钟预测方法，包括如下步骤：步骤1，物联网接收模块收集全球导航卫星系统的卫星导航参数和观测参数，物联网接收装置通过互联网通信系统发送到时钟数据处理模块；步骤2，时钟数据处理模块提取卫星导航参数和观测参数，进行参数预处理，时钟数据处理模块通过广播星历的定位参数，在消除全球导航卫星系统时钟后确定系统预测轨道；步骤3，时钟数据处理模块通过系统预测轨道，建立超带宽非线性的时钟估计观测模型，按照模糊度整数约束形式，逐级求解物联网室内定位的模糊度参数；步骤4，基于步骤3中的模糊度数据，预测全球导航卫星系统的时钟参数，重复执行步骤3和步骤4，直到时钟预测的残差值控制在精度阈值范围内；步骤5，构建非线性结构的卷积神经网络，通过生成的全球导航卫星系统的时钟参数对卷积神经网络进行训练；步骤6，通过卷积神经网络训练结果，预测物联网室内定位的实时的时钟参数，并通过互联网通信系统将预测的时钟参数发给物联网范围内授权的装置。步骤1中收集卫星导航参数和观测参数包括：(1.1)物联网接收模块采集tl时刻的观测参数矩阵G(tl)；(1.2)物联网接收模块对时间参数进行标号；(1.3)物联网接收模块设置时钟状态转移矩阵φ；(1.4)互联网通信系统发布观测噪声；(1.5)互联网通信系统估算tl时刻的观测参数b(tl)：其中l为时间参数标号，a0表示待估状态量，t0为初始时刻，Φ(tl,t0)表示t0时刻到tl时刻的相位差函数。所述的一种基于物联网室内定位的时钟预测方法，其特征在于，所述的卫星导航参数计算为：(1.6)采集全球导航卫星系统在惯性坐标系中的三维位置r0、速度s1、加速度s2；(1.7)物联网接收模块采集全球导航卫星系统的动力学参数q；(1.8)互联网通信系统计算地球引力常数HNe；(1.9)物联网接收模块计算作用在全球导航卫星系统上的各种摄动力之和a1；全球导航卫星系统的卫星导航参数为：所述步骤3中建立超带宽非线性的时钟估计观测模型包括：(3.1)时钟数据处理模块采集全球导航卫星系统的伪距观测值和相位Q和K；(3.2)时钟数据处理模块采集全球导航卫星系统时钟参数(3.3)时钟数据处理模块估算全球导航卫星系统接收机钟差(3.4)确认互联网通信系统的通信波长λIF；(3.5)计算全球导航卫星系统的模糊度参数MIF；(3.6)采集对流层投影函数ntrop和天顶对流层面积S；(3.7)全球导航卫星系统的载波相位φL,IF和伪距观测噪声φP,IF；超带宽非线性的时钟估计观测模型为：为有效固定全球导航卫星系统的模糊度参数，将模糊度参数进行分解，并逐级固定。其中w1和w2分别表示物联网载波1和载波2的频率，M1和M2分别表示物联网载波1和载波2的模糊度参数；物联网载波1和载波2的模糊度参数进行固定：其中L1和L2分别表示物联网载波1和载波2的的相位观测值，P1和P2分别表示物联网载波1和载波2的伪距观测值；将M1-M2回代时钟估计观测模型中，求解模糊度M1的浮点解。所述的对卷积神经网络进行训练包括：(5.1)输入训练样本集和测试样本集；对输入的任图像通过双线性插值的方式进行放缩，每张图像进行随机的水平翻转、随机平移、随机图像旋转、随机图像缩放；(5.2)采用多个损失函数作为训练的目标函数；(5.3)将损失函数排序；(5.4)根据排序后的损失函数依次在训练样本集上重复对深度神经网络进行动态目标训练，获得识别模型；(5.5)根据识别模型对输入的测试样本进行分类。其中，第j个神经元的净输入Sj为：通过激励函数f(·)，得到第j个神经元净输出为：yi＝f(Sj)其中，f(·)为Sigmoid函数，yj表示第j个神经元净输出。其中神经网络设输入层与隐含层的连接权值系数为vj，隐含层与输出层的连接权值系数为wj，当输入为(vi,ωi)，i＝0,1,2,…,n时，隐含层神经元节点输出为：根据以上两个公式确定神经网络的模型。神经网络学习包括：对神经网络输入p个测试样本，得到输出值得到第p个样本的误差函数Ep为：其中为期望输出，对全部的p个样本，全局误差函数E为：其中，η∈(0,1)表示神经网络的学习速率。优选的，所述的一种基于物联网室内定位的时钟预测方法，其特征在于：通过卷积神经网络训练结果，预测物联网室内定位的实时的时钟参数，并通过互联网通信系统将预测的时钟参数发给物联网范围内授权的装置的过程中，还包括：接收与所述物联网室内定位相关的上一数据包，并获取所述上一数据包基于物联网的到达时刻，并基于所述卷积神经网络，预测下一数据包基于物联网的到达时刻；当所述下一数据包在预测的到达时刻没有到达时，自动产生新的数据包，并对所述新的数据包中携带的时钟信息进行平滑处理，使输出的时钟信号在时间域上均匀分布；本文档来自技高网...

【技术保护点】
1.一种基于物联网室内定位的时钟预测方法，其特征在于，包括如下步骤：/n步骤1，物联网接收模块收集全球导航卫星系统的卫星导航参数和观测参数，物联网接收装置通过互联网通信系统发送到时钟数据处理模块；/n步骤2，时钟数据处理模块提取卫星导航参数和观测参数，进行参数预处理，时钟数据处理模块通过广播星历的定位参数，在消除全球导航卫星系统时钟后确定系统预测轨道；/n步骤3，时钟数据处理模块通过系统预测轨道，建立超带宽非线性的时钟估计观测模型，按照模糊度整数约束形式，逐级求解物联网室内定位的模糊度参数；/n步骤4，基于步骤3中的模糊度数据，预测全球导航卫星系统的时钟参数，重复执行步骤3和步骤4，直到时钟预测的残差值控制在精度阈值范围内；/n步骤5，构建非线性结构的卷积神经网络，通过生成的全球导航卫星系统的时钟参数对卷积神经网络进行训练；/n步骤6，通过卷积神经网络训练结果，预测物联网室内定位的实时的时钟参数，并通过互联网通信系统将预测的时钟参数发给物联网范围内授权的装置。/n

【技术特征摘要】
1.一种基于物联网室内定位的时钟预测方法，其特征在于，包括如下步骤：
步骤1，物联网接收模块收集全球导航卫星系统的卫星导航参数和观测参数，物联网接收装置通过互联网通信系统发送到时钟数据处理模块；
步骤2，时钟数据处理模块提取卫星导航参数和观测参数，进行参数预处理，时钟数据处理模块通过广播星历的定位参数，在消除全球导航卫星系统时钟后确定系统预测轨道；
步骤3，时钟数据处理模块通过系统预测轨道，建立超带宽非线性的时钟估计观测模型，按照模糊度整数约束形式，逐级求解物联网室内定位的模糊度参数；
步骤4，基于步骤3中的模糊度数据，预测全球导航卫星系统的时钟参数，重复执行步骤3和步骤4，直到时钟预测的残差值控制在精度阈值范围内；
步骤5，构建非线性结构的卷积神经网络，通过生成的全球导航卫星系统的时钟参数对卷积神经网络进行训练；
步骤6，通过卷积神经网络训练结果，预测物联网室内定位的实时的时钟参数，并通过互联网通信系统将预测的时钟参数发给物联网范围内授权的装置。


2.根据权利要求1所述的一种基于物联网室内定位的时钟预测方法，其特征在于，步骤1中收集卫星导航参数和观测参数包括：
(1.1)物联网接收模块采集tl时刻的观测参数矩阵G(tl)；
(1.2)物联网接收模块对时间参数进行标号；
(1.3)物联网接收模块设置时钟状态转移矩阵φ；
(1.4)互联网通信系统发布观测噪声；
(1.5)互联网通信系统估算tl时刻的观测参数b(tl)：



其中
其中，l为时间参数标号，a0表示待估状态量，t0为初始时刻，Φ(tl,t0)表示t0时刻到tl时刻的相位差函数。


3.根据权利要求1所述的一种基于物联网室内定位的时钟预测方法，其特征在于，所述的卫星导航参数计算为：
(1.6)采集全球导航卫星系统在惯性坐标系中的三维位置r0、速度s1、加速度s2；
(1.7)物联网接收模块采集全球导航卫星系统的动力学参数q；
(1.8)互联网通信系统计算地球引力常数HNe；
(1.9)物联网接收模块计算作用在全球导航卫星系统上的各种摄动力之和a1；
全球导航卫星系统的卫星导航参数s′为：





4.根据权利要求1所述的一种基于物联网室内定位的时钟预测方法，其特征在于，所述步骤3中建立超带宽非线性的时钟估计观测模型包括：
(3.1)时钟数据处理模块采集全球导航卫星系统的伪距观测值和相位Q和K；
(3.2)时钟数据处理模块采集全球导航卫星系统时钟参数
(3.3)时钟数据处理模块估算全球导航卫星系统接收时钟差
(3.4)确认互联网通信系统的通信波长λIF；
(3.5)计算全球导航卫星系统的模糊度参数MIF；
(3.6)采集对流层投影函数ntrop和天顶对流层面积S；
(3.7)全球导航卫星系统的载波相位φL,IF和伪距观测噪声φP,IF；
超带宽非线性的时钟估计观测模型为：








5.根据权利要求4所述的一种基于物联网室内定位的时钟预测方法，其特征在于，为有效固定全球导航卫星系统的模糊度参数，将模糊度参...

【专利技术属性】
技术研发人员：王永贵，
申请(专利权)人：广州道源信息科技有限公司，
类型：发明
国别省市：广东;44