一种基于人工智能算法的传感器网空间定位方法技术

本发明专利技术涉及一种基于人工智能算法的传感器网空间定位方法，其包括如下步骤：增强传感器的信号接收强度；使用基于K‑means+CNN的双层精准定位算法进行模型的训练；将训练好的模型用于在线定位。本发明专利技术能够实现传感器网的空间精准定位，能够较好地融合室内外空间实现无缝定位，解决未知环境中的定位问题，满足电力行业的应用需求，能够利用人工智能算法以及大数据资源解决传感器网的空间定位问题。

【技术实现步骤摘要】
一种基于人工智能算法的传感器网空间定位方法
本专利技术属于空间定位
，尤其是一种基于人工智能算法的传感器网空间定位方法。
技术介绍
随着基于用户位置信息的相关技术的应用和发展，位置服务(LBS)已经成为人们日常工作、生活所必需的一项基本服务需求，尤其在大型复杂的室内环境中，如博物馆、机场、超市、医院、地下矿井等区域，人们对位置服务有迫切需求。传统的定位方法如全球定位系统(GPS)只能解决在室外空间中进行准确定位的问题，然而，在占人类日常生活时间80％的室内环境中，由于建筑物遮挡和多径效应的影响，室外定位系统则显得无能为力。因此，在复杂信道条件下，如何能够准确、可靠地提供室内的位置服务显得尤为重要和迫切。面向需求越来越迫切的室内位置服务，基于人工智能的三维传感网室内空间定位技术发展迅速，是移动互联时代的研究热点，逐步在各行各业发挥作用，给人们的日常生活带来了一定的影响。在移动互联网迅速发展和位置服务应用需求的推动下，当前室内定位技术处于较快的发展阶段，研究者们提出了众多室内定位技术的理论与方法。定位技术可以分为室外定位技术和室内定位技术两种。在室外环境下，全球定位系统(GPS)、北斗定位系统(BDS)等全球导航卫星系统(GNSS)为用户提供米级的位置服务，基本解决了在室外空间中进行准确定位的问题，并在日常生活中得到了广泛的应用。利用室外无线定位系统，人们可以实现室外大范围的定位，比如船舶远洋、飞机引航以及汽车导航等。然而，在占人类日常生活时间80％的室内环境中，由于建筑物遮挡和多径效应的影响，室外定位系统则显得无能无力。因为信号穿透众多的建筑物衰减严重，加之室内环境复杂，信号在室内传播时受障碍物的影响，会引起多径效应、阴影遮挡及噪声干扰等，这些都将导致定位精度大大降低，甚至出现大片定位盲区。因此室内环境下的小范围、高精度定位需要借助于室内无线定位技术。与此同时，传统的定位技术多是基于二维空间的定位，只能给出经度和纬度信息，而对于精确的高度信息，则很难提供。因此，三维传感网室内空间定位技术成为专家学者的研究重点。三维传感网室内空间定位技术指的是在三维空间内，通过蓝牙、红外线、RFID、WIFI、超宽带、超声波等室内定位技术及应用系统，基于到达时间(TOA)、基于到达时间差(TDOA)、基于信号到达角度(AOA)、基于信号相位差以及基于接收信号强度(RSSI)等信息，给出精确的位置信息或者判断是否位于某一房间、仓库等区域的定位技术。本文对基于人工智能的定位技术的研究背景和研究现状进行了分析与总结，首先详细介绍了目前三维传感网室内空间定位技术的技术原理与关键技术，然后提出了我们对于基于人工智能算法的室内定位的创造性解决方案，最后总结三维传感网室内空间定位技术的现状和发展前景。由于室内环境受到反射、折射、散射等多径效应的影响，基于信号传输损耗模型的室内定位往往定位性能很差。采用RSSI指纹库的定位方法会有更好的定位性能。基于指纹匹配的方法又称场景分析法，是基于匹配思想的一种定位方法，在特定场景下实时接收到的场景信息与指纹数据库中的信息进行匹配，得岀最优估算。室内定位主要影响因素有：室内多径影响、人体对接收信号强度的影响及同频干扰影响，而室内定位主要考虑的因素是室内多径现象。但如果室内环境格局基本保持不变，信源不作变化，在特定位置上形成的无线信号特征(信号数目、强度、相位等)就会呈现较高的特殊性。将这一特征同位置的坐标进行关联，信号特征就可以表征该点的位置，这也就是基于位置指纹技术成立的必要条件。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于人工智能算法的传感器网空间定位方法，解决未知环境中的定位问题，满足电力行业的应用需求。本专利技术所采用的技术方案是：一种基于人工智能算法的传感器网空间定位方法，其包括如下步骤：增强传感器的信号接收强度；使用基于K-means+CNN的双层精准定位算法进行模型的训练；将训练好的模型用于在线定位。进一步的，在进行模型训练之前，需要进行信号采集和数据的预处理。进一步的，在传感器中引入球形天线的结构以增强信号的接收强度。进一步的，双层精准定位算法中，第一层算法采用lightGBM构造多分类候选集，即可能的定位点。进一步的，双层精准定位算法的第二层算法中，将离线阶段采集样本结果作为正分类样本，将候选集中的其他候选结果通过下采样抽取部分作为负分类样本，对CNN网络的分类结果进行训练。进一步的，球形天线通过综合球形多个正交平面的收集的信号接收强度信息，并通过机器学习中的KNN方法，充分利用信号的方向和角度信息。一种基于人工智能算法的传感器网空间定位装置，其包括：信号采集模块、数据预处理模块、模型训练模块以及在线定位模块。进一步的，所述模型训练模块执行基于K-means+CNN的双层精准定位算法。一种终端设备，包括储存器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。本专利技术的积极效果为：本专利技术能够实现传感器网的空间精准定位，能够较好地融合室内外空间实现无缝定位，解决未知环境中的定位问题，满足电力行业的应用需求，能够利用人工智能算法以及大数据资源解决传感器网的空间定位问题。附图说明为了更清楚的说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术流程图；图2为本专利技术双层精准定位算法的第二层算法流程图；图3为本专利技术终端设备的示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相本文档来自技高网...

【技术保护点】
1.一种基于人工智能算法的传感器网空间定位方法，其特征在于其包括如下步骤：/n增强传感器的信号接收强度；/n使用基于K-means+CNN的双层精准定位算法进行模型的训练；/n将训练好的模型用于在线定位。/n

【技术特征摘要】
1.一种基于人工智能算法的传感器网空间定位方法，其特征在于其包括如下步骤：
增强传感器的信号接收强度；
使用基于K-means+CNN的双层精准定位算法进行模型的训练；
将训练好的模型用于在线定位。


2.根据权利要求1所述的一种基于人工智能算法的传感器网空间定位方法，其特征在于在进行模型训练之前，需要进行信号采集和数据的预处理。


3.根据权利要求1所述的一种基于人工智能算法的传感器网空间定位方法，其特征在于在传感器中引入球形天线的结构以增强信号的接收强度。


4.根据权利要求1所述的一种基于人工智能算法的传感器网空间定位方法，其特征在于双层精准定位算法中，第一层算法采用lightGBM构造多分类候选集，即可能的定位点。


5.根据权利要求4所述的一种基于人工智能算法的传感器网空间定位方法，其特征在于双层精准定位算法的第二层算法中，将离线阶段采集样本结果作为正分类样本，将候选集中的其他候选结果通过下采样抽取部分作为负分类样本，对CNN...

【专利技术属性】
技术研发人员：赵冀宁，付炜平，张宁，张玉亮，祖树涛，赵智龙，李光，李江龙，梁志超，高淼，
申请(专利权)人：国网河北省电力有限公司检修分公司，国家电网有限公司，
类型：发明
国别省市：河北;13