一种定位方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了一种定位方法、装置及电子设备，获取待进行相位特征提取的目标信道状态信息CSI中的相位信息，作为目标CSI相位信息；针对各通信数据包：基于不同天线间的第一相位关联关系，及同一天线不同子载波间的第二相位关联关系，得到邻接方阵；将目标CSI相位信息和邻接方阵输入预先训练完成的神经网络模型中的特征提取子模型，得到目标相位特征；并将目标相位特征输入神经网络模型中的多层感知器，得到待定位设备位于各预设参考点的置信度；其中，特征提取子模型包括：图卷积层和卷积层；基于置信度，得到待定位设备的位置信息。本发明专利技术实施例中，提取到的相位特征的准确度更高。进而最终得到的待定位设备的位置信息也更加准确。

【技术实现步骤摘要】
一种定位方法、装置及电子设备
本专利技术涉及定位
，特别是涉及一种定位方法、装置及电子设备。
技术介绍
无线通信过程中，针对单个通信数据包而言，发射端通过天线发送多路子载波，将通信数据包传输至接收端，接收端的多个天线，分别接收上述多路子载波，进而分别获取该通信数据包。CSI(ChannelStateInformation，信道状态信息)是无线通信过程中，通信链路的信道属性，其描述了信号在传输路径上的衰弱因子。可以采用正交频分复用的方法从接收到的多路子载波中进行CSI提取。提取出的CSI包括：多路子载波的相位信息和振幅信息。无线定位时，可以对多路子载波的相位信息进行特征提取，得到相位特征，进而基于相位特征进行位置解算。现阶段，进行相位特征提取时，主要考虑相邻通信数据包之间产生的时间相关性。相邻通信数据包之间有着自然对齐的数据结构，属于欧式空间关联关系，而卷积神经网络模型主要用于进行欧式空间关联关系挖掘，因此，可以采用卷积神经网络模型，从相邻数据包之间的时间相关性角度出发，对相位信息中的相位特征进行提取。<br>上述方法，仅考本文档来自技高网...

【技术保护点】
1.一种定位方法，其特征在于，包括：/n获取待进行相位特征提取的目标信道状态信息CSI中的相位信息，作为目标CSI相位信息；所述目标CSI相位信息为待定位设备发送的、接收端设备中各天线接收到的用于传输预设数量个通信数据包的各子载波的CSI相位信息；/n针对各通信数据包：基于不同天线间的第一相位关联关系，及同一天线不同子载波间的第二相位关联关系，得到邻接方阵；其中，所述邻接方阵的阶数等于所有天线接收到的子载波总数量，且所述邻接方阵中的各行、各列分别对应一个子载波；当元素所在行对应的子载波，与元素所在列对应的子载波之间存在所述第一相位关联关系，或所述第二相位关联关系时，将元素的元素值确定为1，反之...

【技术特征摘要】
1.一种定位方法，其特征在于，包括：
获取待进行相位特征提取的目标信道状态信息CSI中的相位信息，作为目标CSI相位信息；所述目标CSI相位信息为待定位设备发送的、接收端设备中各天线接收到的用于传输预设数量个通信数据包的各子载波的CSI相位信息；
针对各通信数据包：基于不同天线间的第一相位关联关系，及同一天线不同子载波间的第二相位关联关系，得到邻接方阵；其中，所述邻接方阵的阶数等于所有天线接收到的子载波总数量，且所述邻接方阵中的各行、各列分别对应一个子载波；当元素所在行对应的子载波，与元素所在列对应的子载波之间存在所述第一相位关联关系，或所述第二相位关联关系时，将元素的元素值确定为1，反之，将元素的元素值确定为0；
将所述目标CSI相位信息和所述邻接方阵输入预先训练完成的神经网络模型中的特征提取子模型，得到目标相位特征；并将所述目标相位特征输入所述神经网络模型中的多层感知器，得到所述待定位设备位于各预设参考点的置信度；其中，所述特征提取子模型包括：图卷积层和卷积层；
基于所述置信度，得到所述待定位设备的位置信息。


2.根据权利要求1所述的方法，其特征在于，所述特征提取子模型包括：第一图卷积层、第一卷积层、第二图卷积层以及第二卷积层；
所述将所述目标CSI相位信息和所述邻接方阵输入预先训练完成的神经网络模型中的特征提取子模型，得到目标相位特征，包括：
将所述目标CSI相位信息和所述邻接方阵输入所述第一图卷积层；
所述第一图卷积层，用于基于所述邻接方阵，对所述目标CSI相位信息进行特征提取，得到第一相位特征，并将所述第一相位特征输入所述第一卷积层；
所述第一卷积层，用于基于不同通信数据包在时间维度上的第三相位关联关系，对所述第一相位特征进行特征提取，得到第二相位特征，并将所述第二相位特征输入所述第二图卷积层；
所述第二图卷积层，用于基于所述邻接方阵，对所述第二相位特征进行特征提取，得到得到第三相位特征，并将所述第三相位特征输入所述第二卷积层；
所述第二卷积层，用于基于不同通信数据包在时间维度上的第三相位关联关系，对所述第三相位特征进行特征提取，得到目标相位特征。


3.根据权利要求2所述的方法，其特征在于，所述第一图卷积层，具体用于：
针对用于传输同一通信数据包的每个子载波，基于所述邻接方阵，对与该子载波之间存在所述第一相位关联关系，或所述第二相位关联关系的所有子载波的CSI相位信息进行特征聚合，得到第一聚合后邻域特征；
将该子载波的CSI相位信息和所述聚合后邻域特征，进行叠加，得到该子载波的第一相位特征；
将所有子载波的第一相位特征输入所述第一卷积层；
所述第二图卷积层，具体用于：
针对用于传输同一通信数据包的每个子载波，基于所述邻接方阵，对与该子载波之间存在所述第一相位关联关系，或所述第二相位关联关系的所有子载波的第一相位特征进行特征聚合，得到第二聚合后邻域特征；
将该子载波的第一相位特征和所述第二聚合后邻域特征，进行叠加，得到该子载波的第二相位特征；
将所有子载波的第二相位特征输入所述第二卷积层。


4.根据权利要求2所述的方法，其特征在于，所述第一图卷积层，具体用于采用第一预设公式，对所述目标CSI相位信息进行特征提取，得到第一相位特征，并将所述第一相位特征输入所述第一卷积层，所述第一预设公式为：



其中，A为所述邻接方阵，I为与同阶的单位阵；H(0)为所述目标CSI相位信息；H(1)为所述第一相位特征；D为归一化矩阵；σ为sigmoid函数；W(1)为第一权重矩阵；
所述第二图卷积层，具体用于采用第二预设公式，对所述第二相位特征进行特征提取，得到第三相位特征，并将所述第三相位特征输入所述第二卷积层，所述第二预设公式为：



其中，A为所述邻接方阵，I为与同阶的单位阵；H(2)为所述第二相位特征；H(3)为所述第三相位特征；W(2)为第二权重矩阵。


5.根据权利要求1所述的方法，其特征在于，所述神经网络模型，采用如下方法训练获得：
获取参考CSI相位信息，以及与所述参考CSI相位信息对应的置信度真值向量；所述参考CSI相位信息为从指定预设参考点发送的、接收端设备中各天线接收到的用于传输所述预设数量个样本通信数据包的各子载波的CSI相位信息；针对各通信数据包：基于不同天线间的第一相位关联关系，及同一天线不同子载波间的第二相位关联关系，得到参考邻接方阵；
将所述参考CSI相位信息和所述参考邻接方阵输入所述神经网络模型中的特征提取子模型，得到参考相位特征；并将所述参考相位特征输入所述神经网络模型中的多层感知器，得到所述指定预设参考点为各预设参考点的置信度；所述置信度表示为以所述神经网络模型中的网络参数和所述参考CSI相位信息为自变量的置信度函数；其中，所述特征提取子模型包括：图卷积层和卷积层；
计算由所述置信度组成的置信度输出向量与所述置信度真值向量之间的距离，对所述距离求取关于所述网络参数的偏导数；并基于所述偏导数，调整所述神经网络模型中的网络参数；
判断所述网络参数的调整次数是否等于预设调整次数，若否，返回执行所述获取参考CSI相位信息，以及与所述参考CSI相位信息对应的置信度真值向量的步骤；
若是，获取验证CSI相位信息，以及与所述验证CSI相位信息对应的置信度真值向量；所述参考CSI相位信息为从预设验证位置点发送的、接收端设备中各天线接收到的用于传输所述预设数量个样本通信数据包的各子载波的CSI相位信息；针对各通信数据包：基于不同天线间的第一相位关联关系，及同一天线不同子载波间的第二相位关联关系，得到验证邻接方阵；<...

【专利技术属性】
技术研发人员：刘雯，邓中亮，程倩倩，贾铭杰，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11