连网对象的地理定位方法和相关装置制造方法及图纸

本发明专利技术涉及连网对象的地理定位方法和相关装置。在平面中定位对象的定位方法，该方法包括用于提供数据库的称为学习阶段的第一阶段和称为定位阶段的第二阶段，定位阶段使用基于数据库来操作的分类器，所述数据库包括表示对象与接收天线之间的信号传输的信息，以确定对象在平面的区域中的定位可能性，定位阶段还使用神经网络来针对平面的定位可能性最高的区域确定以平面中的坐标的形式的对象的位置。本发明专利技术还涉及实现该方法的定位装置。本发明专利技术还涉及实现该方法的定位装置。本发明专利技术还涉及实现该方法的定位装置。

【技术实现步骤摘要】
连网对象的地理定位方法和相关装置


[0001]本专利技术涉及在室内和室外对装置进行地理定位的领域。更特别地，本专利技术涉及对向天线网络传送无线电信号的装置进行地理定位，天线网络具有不均匀的天线密度。

技术介绍

[0002]使用由扩展卡尔曼滤波器进行滤波的定位技术是已知的，并且此类技术使用发射水平以及信噪比水平。这些技术对于对固定的或变动性较低的对象进行地理定位是有效的，但是似乎不太适用于对移动对象进行定位，诸如例如车载在车辆中的对象。
[0003]其他定位技术特别适用于进行室内定位，尤其是适用于定位连接到WIFI型无线网络的对象。题为“指纹室内定位解决方案的深度学习方法”的文献（L. Xiao，2017年）描述了使用此类技术的方法，其基于神经网络并应用于有限范围内的私有网络。此方法不适用于对传送至可能分散的天线的对象进行定位的室外地理定位。
[0004]专利申请FR3068141描述了使用WIFI和LPWAN网络的另一种定位方法。此方法对于密集的网格表现良好。
[0005]最后，存在一种所谓的“指纹”方法，该方法使用包括与对象的实际位置结合的接收信号水平值的数据库。通过与记录在数据库中的接收信号水平值进行比较来估计要定位的对象的位置。根据该方法，将数据库中具有最接近来自要定位的对象的接收信号水平的接收信号水平值的位置视为该对象的位置。因此，该定位会分配已经编在库内的位置，该位置可能与实际位置相距较远。
[0006]这些方法对于使用密度不均匀的天线网络的定位不是最佳的，并且似乎不太适用于室外地理定位。可以改善这种情况。

技术实现思路

[0007]本专利技术尤其旨在优化向具有不均匀的天线密度的天线网络发射信号的对象的地理定位精度。
[0008]为此，本专利技术的目的是提出一种用于在平面中定位对象的方法，对象向位于平面中的多个接收天线发射无线电信号，接收天线各自组合至接收装置，接收装置被配置成递送表示从对象向所述天线的所述信号的传输的至少一个信息，该方法包括学习阶段，该学习阶段包括：
‑ꢀ
i）将空间分割成区域，每个区域包括接收天线中的仅一个，
‑ꢀ
ii）在数据库中，针对平面中的对象的多个已知位置中的每个位置，记录表示从对象向每个天线的所述信号的传输的该至少一个信息、以平面中的坐标的形式的对象的位置、以及区域的标识符，
‑ꢀ
iii）基于记录在数据库中的信息，在必要情况下训练分类器来确定在平面的每个区域中定位对象的可能性，并训练神经网络来确定对象在平面的每个区域中的定位，该方法还包括在平面中对对象进行地理定位的阶段，该地理定位阶段包括：
‑ꢀ
iv）从对象并通过多个天线接收无线电信号，并定义表示从对象向每个天线的信号的传输的至少一个信息，
‑ꢀ
v）通过分类器基于表示对象与每个天线之间的信号传输的所有信息来确定在平面的每个区域中定位对象的可能性，
‑ꢀ
vi）借助于神经网络针对定位可能性最高的区域确定以平面中的坐标的形式的对象的位置。
[0009]有利地，于是可以首先定义要定位的对象在每个区域中的存在可能性，所述区域是通过分割平面而定义的，然后借助于为此而训练的神经网络来确定以平面中的坐标的形式的对象在该区域中的定位。该两步方法使得能够快速地获得对象在平面中的更精确的定位。
[0010]另一优点在于以下事实：当区域中的定位可能性的区分度不足而无法“选出”一个区域作为明确具有最高可能性的区域时，可以通过使用分类器来重复确定在每个区域中定位对象的可能性的新的迭代，以提高按区域定义的可能性的精度。
[0011]根据本专利技术的定位对象的方法还可以包括单独或组合考虑的以下特征：
‑ꢀ
根据冯洛诺伊图（diagramme de Vorono
ï
）基于按接收天线的相应位置在平面中定义的离散点集来将平面分割成区域。
‑ꢀ
根据称为“分水岭线”的分割方法、称为“区域生长”的分割方法、或称为“K均值”的划分方法来将平面分割成区域。
‑ꢀ
分类器使用利用决策树森林的统计学习方法。
‑ꢀ
该方法用于定位连接到电信网络的对象。
[0012]本专利技术的另一目的是提出一种用于在平面中定位对象的装置，对象向位于平面中的多个接收天线发射无线电信号，接收天线各自位于平面的包含单个天线的预定义的区域中，并且天线各自组合至接收装置，接收装置被配置成递送表示从对象向所述天线的所述信号的传输的至少一个信息，定位装置包括数据库，所述数据库针对平面中的对象的多个已知位置中的每个位置包括表示从对象向每个天线的所述信号的传输的至少一个信息、以平面中的坐标的形式的对象的位置、以及平面的多个区域中的包括所述位置的区域的标识符，定位装置包括：
‑ꢀ
接收接口，其被配置成接收表示从对象向该多个天线中的每个天线的信号的传输的至少一个信息，
‑ꢀ
分类器，其被配置成基于表示对象与每个天线之间的信号传输的所有信息来确定在平面的每个区域中定位对象的可能性，
‑ꢀ
神经网络，其用于针对定位对象的可能性最高的区域确定以平面中的坐标的形式的对象的位置。
[0013]根据本专利技术的定位对象的装置还可以包括单独或组合考虑的以下特征：
‑ꢀ
分类器被配置成实现使用决策树森林的统计学习方法。
‑ꢀ
该装置包括针对被分割的平面的每个区域的神经网络。
‑ꢀ
该一个或多个神经网络通过输入向量的大小和输出向量的大小来表征，并且包括：由m个神经元组成的稠密层，m是与输入向量的大小和输出向量的大小之和的一半相对应的正整数，稠密层是全连接层；50％的dropout层；以及二维输出层。
[0014]本专利技术还目的在于一种计算机程序产品，其包括程序代码指令，所述程序代码指令用于在程序由处理器执行时执行前述方法的步骤，本专利技术还目的在于包括这样的计算机程序产品的信息存储介质。
附图说明
[0015]通过阅读下面对至少一个实施例的描述，上述专利技术的特征以及其他特征将更加清楚地显现，所述描述是结合附图进行的，在附图中：图1例示了包括分布在平面中的多个天线的电信网络以及要通过根据本专利技术的特定且非限制性实施例的定位装置进行定位的对象。
[0016]图2例示了将已经在图1中示出的平面分割成多个区域，每个区域包括一个天线。
[0017]图3例示了在图1和图2中已经示出的平面中的一个或多个对象的已知位置，其由根据本专利技术的装置用来进行学习阶段。
[0018]图4示出了在每个区域中的一个或多个对象的已知位置的分布，以例示根据本专利技术的装置的学习阶段。
[0019]图5是从要定位的对象向平面的每个天线的无线电信号传输的示意性表示。
[0020]图6是示出根据本专利技术的特定且非限制性的实施例的定位方法的步骤的流程图，该方法在图1所示的定位装置中执行。
[0021]图7是根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于在平面（A）中定位对象（OBJ）的定位方法，对象（OBJ）向位于该平面中的多个接收天线（ANT1, ANT2,
…
, ANT6）发射无线电信号，接收天线各自组合至接收装置，接收装置被配置成递送表示从对象（OBJ）向所述天线（ANT1, ANT2,
…
, ANT6）的所述信号的传输的至少一个信息（RSS、TDOA），该方法包括：
‑ꢀ
i）将空间分割成区域（ZONE1, ZONE2,
ꢀ…
, ZONE6），每个区域（ZONE1, ZONE2,
ꢀ…
, ZONE6）包括接收天线（ANT1, ANT2,
…
, ANT6）中的仅一个，
‑ꢀ
ii）在数据库（POSDB）中，针对平面中的对象（OBJ）的多个已知位置（POS
‑
1, POS
‑
2,
…
POS
‑
n）中的每个位置，记录表示从对象（OBJ）向每个天线（ANT1, ANT2,
…
, ANT6）的所述信号的传输的该至少一个信息（RSS、TDOA）、以平面（A）中的坐标（X、Y）的形式的对象的位置、以及区域的标识符，
‑ꢀ
iii）基于记录在数据库（POSDB）中的信息，在必要情况下训练分类器（RFCM）来确定在平面（A）的每个区域（ZONE1, ZONE2,
ꢀ…
, ZONE6）中定位对象（OBJ）的可能性，并训练神经网络（NN）来确定对象（OBJ）在平面（A）的每个区域中的定位，该方法还包括：
‑ꢀ
iv）从对象（OBJ）并通过多个天线（ANT1, ANT2,
…
, ANT6）接收无线电信号，并定义表示从对象（OBJ）向每个天线（ANT1, ANT2,
…
, ANT6）的信号的传输的至少一个信息（RSS、TDOA），
‑ꢀ
v）通过分类器（RFCM）基于表示对象与每个天线之间的信号传输的所有信息（RSS、TDOA）来确定在平面（A）的每个区域中定位对象（OBJ）的可能性，
‑ꢀ
vi）借助于神经网络（NN）针对定位可能性最高的区域确定以平面（A）中的坐标的形式的对象（OBJ）的位置。2.根据前一权利要求所述的定位方法，其中，根据冯洛诺伊图基于按接收天线（ANT1, ANT2,
…
, ANT6）的相应位置在平面（A）中定义的离散点集来将平面分割成区域（ZONE1, ZONE2,
ꢀ…
, ZONE6）。3.根据权利要求1或2所述的定位方法，其中，分类器（RFCM）使用利用决策树森林的统计学习方法。4.根据权利要求1至3中的任一项所述的定位方法，其用于定位连接到电信网络（N）的对象（OBJ）。5.根据权利要求1至4中...

【专利技术属性】
技术研发人员：C，
申请(专利权)人：萨基姆卡姆能源及电信股份有限公司，
类型：发明
国别省市：