一种基于机器学习的UWBTOF定位测距方法及系统技术方案

本发明专利技术公开了一种基于机器学习的UWB TOF定位测距方法及系统，涉及的UWB TOF定位测距技术领域，其技术方案要点是包括：对养殖户区域进行划分以及编号，得到养殖划分集；养殖划分集包括若干个养殖平原区域；对养殖划分集中不同的养殖平原区域进行模块化处理，得到养殖平原模块集；对养殖平原模块集进行监测，效果是通过对养殖平原上的养殖动物装有TOF定位器，并且建立基站UWB，对养殖动物的活动范围进行监控，监控养殖动物的活动轨迹，是否在安全区域内活动，以及是否进入到危险区域，通过计算养殖户到达养殖动物所在地的时间，使养殖户能够及时达到危险区域，进行及时的驱赶，避免被野生动物捕食，造成养殖户的财产受到损失。造成养殖户的财产受到损失。造成养殖户的财产受到损失。

【技术实现步骤摘要】
一种基于机器学习的UWB TOF定位测距方法及系统


[0001]本专利技术涉及机器学习的UWB TOF定位测距
，更具体地说，它涉及一种基于机器学习的UWB TOF定位测距方法及系统。

技术介绍

[0002]TOF是飞行时间技术的缩写，即传感器发出经调制的近红外光，遇物体后反射，传感器通过计算光线发射和反射时间差或相位差，来换算被拍摄景物的距离，以产生深度信息，此外再结合传统的相机拍摄，就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来。
[0003]通过机器学习的UWB基站发出信号，计算TOF是飞行时间时，从而完成定位测距的操作，且运用于不同领域中，并具有突出的优质，其中，在养殖领域中，只能对养殖动物整体的流量进行监测，但是不能对不同养殖区域中的养殖动物流量进行模块化预警；其次，当养殖区域内出现野生动物袭击时，无法及时的进行控制，造成养殖区域内养殖动物被捕食以及受伤，使养殖户的经济财产受到损失。

技术实现思路

[0004]针对现有技术存在的不足，本专利技术的目的在于提供一种基于机器学习的UWB TOF定位测距方法及系统。
[0005]为实现上述目的，本专利技术提供了如下技术方案：
[0006]基于机器学习的UWB TOF定位测距方法，包括：
[0007]对养殖户区域进行划分以及编号，得到养殖划分集；养殖划分集包括若干个养殖平原区域；
[0008]对养殖划分集中不同的养殖平原区域进行模块化处理，得到养殖平原模块集；
[0009]对养殖平原模块集进行监测，获取养殖平原模块集中不同区域的野生动物流量信息、养殖动物流量信息和养殖动物距离信息；
[0010]其中，对野生动物流量信息进行特征提取，得到第一提取集；分别对养殖动物流量信息进行特征提取，得到第二提取集，对养殖动物距离信息进行特征提取，得到第三提取集；
[0011]对第一提取集、第二提取集和第三提取集进行训练计算，得到第一训练集、第二训练集和第三训练集；
[0012]根据第一训练集、第二训练集和第三训练集对不同区域的野生动物流量信息、养殖动物流量信息及养殖动物距离信息进行预警。
[0013]优选地，获取养殖平原模块集的具体步骤包括：
[0014]获取养殖平原区域，并建立UWB养殖基站，且根据UWB养殖基站的距离，将养殖平原区域附近划分成危险区域和安全区域。
[0015]优选地，对野生动物流量信息和养殖动物流量信息进行特征提取的具体步骤包
括：
[0016]获取预设的监测时间段内对出现在安全区域以及危险区域中的野生动物的数量；
[0017]获取预设的监测时间段内对出现在安全区域以及危险区域中的养殖动物的数量。
[0018]优选地，对养殖动物距离信息进行特征提取的具体步骤包括：
[0019]并逐一对养殖动物上安装TOF定位器，并获取安全区域及危险区域的养殖动物与UWB养殖基站的距离信息。
[0020]优选地，获取第二提取集的各项数据并进行归一化处理并通过流量监测函数获取养殖平原中野生动物的流量值；将流量值与预设的流量范围进行处理，得到第一流量信号和第二流量信号，并将流量信号进行分析。
[0021]优选地，获取第三提取集的各项数据并进行归一化处理并通过距离监测函数获取养殖平原中养殖动物与UWB基站的距离值；将距离值与预设的距离范围进行处理，得到第一距离信号和第二距离信号，并将距离信号进行分析。
[0022]优选地，获取养殖动物的流量监测函数为其中LQ为养殖动物在安全区域以及危险区域的流量值，为比例因子且均大于零；T为监测时间段的时长；将若干个养殖平原区域的养殖动物数量设定为Bn，n＝1，2，3，...，n；其中，n为养殖平原区域的个数；
[0023]其中，将流量值与预设的流量范围[L1，L2]进行匹配；
[0024]若LQ＜L1，则判定草原养殖动物的流量正常并生成第一流量信号；
[0025]若L2＜LQ，则判定草原养殖动物的流量整体拥挤并生成第二流量信号；
[0026]流量值与第一流量信号和第二流量信号构成第一分析集；
[0027]根据第一分析集中不同的流量信号对若干个草原养殖动物区域的养殖动物流量情况进行监测分析；
[0028]通过监测分析，如出现第二流量信号时，养殖户需对养殖动物进行分散，避免流量较大，造成植物不够养殖动物食用，从而引发养殖动物之间的争斗，而且还造成平原植物过度食用，破坏植物的根部，造成植物无法长出，影响养殖动物后期的食用。
[0029]优选地，获取养殖动物的距离监测函数为其中LW为养殖动物在安全区域以及危险区域的距离值，α为比例因子且均大于零；T为TOF的飞行时长。
[0030]一种基于机器学习的UWB TOF定位测距系统，应用于所述的基于机器学习的UWB TOF定位测距方法，包括划分模块；对养殖户区域进行划分以及编号，得到养殖划分集；养殖划分集包括若干个养殖平原区域；
[0031]监测模块：用于对养殖平原模块集进行监测，获取养殖平原模块集中不同区域的动物流量信息及野生动物流量信息；
[0032]处理模块：用于分别对野生动物流量信息及养殖动物流量信息进行特征提取，得到第一提取集和第二提取集；分别对第一提取集和第二提取集进行训练计算，得到第一训练集和第二训练集。
[0033]与现有技术相比，本专利技术具备以下有益效果：
[0034]本专利技术对养殖平原的养殖动物流量进行监测预警时，先将监测时间与养殖平原上
的所有养殖动物进行联立获取流量值，基于流量值进行整体分析判断是否存在拥挤情况，避免平原上养殖动物流量较大，造成平原上植物的消耗量增大，容易出现不可逆的情况发生以及影响养殖动物的食用，有效提高了人流量预警的准确性和全面性；
[0035]通过对养殖平原上的养殖动物装有TOF定位器，并且建立基站UWB，对养殖动物的活动范围进行监控，监控养殖动物的活动轨迹，是否在安全区域内活动，以及是否进入到危险区域，通过计算养殖户到达养殖动物所在地的时间，使养殖户能够及时达到危险区域，进行及时的驱赶，避免被野生动物捕食，造成养殖户的财产受到损失。
附图说明
[0036]图1为本专利技术一种基于机器学习的UWB TOF定位测距方法的流程示意图；
[0037]图2为本专利技术一种基于机器学习的UWB TOF定位测距系统的模块示意图；
[0038]图3为本专利技术一种基于机器学习的UWB TOF定位测距方法的养殖平原区域分布示意图。
具体实施方式
[0039]下面将结合实施例对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0040]这里使用的术语用于描述实施例，并不意图限制和/或限制本公开；应该注意的是，除非上下文本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的UWB TOF定位测距方法，其特征在于，包括：对养殖户区域进行划分以及编号，得到养殖划分集；养殖划分集包括若干个养殖平原区域；对养殖划分集中不同的养殖平原区域进行模块化处理，得到养殖平原模块集；对养殖平原模块集进行监测，获取养殖平原模块集中不同区域的野生动物流量信息、养殖动物流量信息和养殖动物距离信息；其中，对野生动物流量信息进行特征提取，得到第一提取集；分别对养殖动物流量信息进行特征提取，得到第二提取集，对养殖动物距离信息进行特征提取，得到第三提取集；对第一提取集、第二提取集和第三提取集进行训练计算，得到第一训练集、第二训练集和第三训练集；根据第一训练集、第二训练集和第三训练集对不同区域的野生动物流量信息、养殖动物流量信息及养殖动物距离信息进行预警。2.根据权利要求1所述的一种基于机器学习的UWB TOF定位测距方法，其特征在于，获取养殖平原模块集的具体步骤包括：获取养殖平原区域，并建立UWB养殖基站，且根据UWB养殖基站的距离，将养殖平原区域附近划分成危险区域和安全区域。3.根据权利要求2所述的一种基于机器学习的UWB TOF定位测距方法，其特征在于，对野生动物流量信息和养殖动物流量信息进行特征提取的具体步骤包括：获取预设的监测时间段内对出现在安全区域以及危险区域中的野生动物的数量；获取预设的监测时间段内对出现在安全区域以及危险区域中的养殖动物的数量。4.根据权利要求3所述的一种基于机器学习的UWB TOF定位测距方法，其特征在于，对养殖动物距离信息进行特征提取的具体步骤包括：并逐一对养殖动物上安装TOF定位器，并获取安全区域及危险区域的养殖动物与UWB养殖基站的距离信息。5.根据权利要求4所述的一种基于机器学习的UWB TOF定位测距方法，其特征在于，获取第...

【专利技术属性】
技术研发人员：周成华，陈亚飞，成飞，赵守伟，王德喜，
申请(专利权)人：南京亚沙通信技术有限公司，
类型：发明
国别省市：