基于定位模型的定位方法技术

本发明专利技术提供了一种基于定位模型的定位方法，其中，所述定位模型通过高度预测分支和相位信息预测分支的计算结果作为注意力信号来协调距离预测分支各部分子网络的工作。这种注意力机制的设计，相比设计通用的滤波器组，相关子网络对应的滤波器组会针对特定条件的信号，能够快速收敛；相比基于门控信号(高度或者相位的预测结果)的子网络选择，基于概率加权的方法可以减少对门控阈值的依赖。基于上述设计，提高了训练后的所述定位模型的输出精度，解决了现有技术中存在的问题。解决了现有技术中存在的问题。解决了现有技术中存在的问题。

【技术实现步骤摘要】
基于定位模型的定位方法


[0001]本专利技术涉及数据分析
，特别涉及一种基于定位模型的定位方法。

技术介绍

[0002]基于低功耗蓝牙Bluetooth Low Energy(BLE)的数字钥匙是无钥匙系统的一种技术路线，定位钥匙的位置是无钥匙系统的关键功能之一。现有的基于低功耗蓝牙信号强度RSSI(Received Signal Strength Indicator，接收信号的强度指示)的定位算法有基于规则的定位算法，或是运用物理衰减模型配合几何方法求解信源坐标从而达到定位蓝牙钥匙的目的。
[0003]然而，现有的基于BLE信号强度RSSI的算法普遍存在定位精度不高的问题，如何提高基于RSSI的定位精度是BLE蓝牙钥匙的一个技术难题。当然，此问题不仅限于蓝牙钥匙中，其他基于接收到的信号的强度进行定位的技术也存在同样的问题。
[0004]总之，现有技术中存在基于接收到的信号的强度定位时，定位精度不够理想，相关的定位模型难以训练、训练效果不佳的问题。

技术实现思路

[0005]本专利技术的目的在于提供一种基于定位模型的定位方法，以解决现有技术中存在的基于接收到的信号的强度定位时，定位精度不够理想，相关的定位模型难以训练、训练效果不佳的问题。
[0006]为了解决上述技术问题，本专利技术提供了一种基于定位模型的定位方法，所述定位模型用于基于一待定位物件发射后被多个预设位置的接收机接收到的信号的强度，输出所述待定位物件的位置的预测值，所述待定位物件的位置基于高度参数、相位信息参数和距离参数描述，所述定位模型包括用于预测所述高度参数的高度预测分支、用于预测所述相位信息参数的相位信息预测分支和用于预测所述距离参数的距离预测分支。
[0007]其中，所述定位模型基于第一参数和第二参数以概率加权平均的方式分别突出、保持或者减小所述距离预测分支的子网络的贡献，所述第一参数为所述高度预测分支的输出参数或者所述高度预测分支的中间计算参数，所述第二参数为所述相位信息预测分支的输出参数或者所述相位信息预测分支的中间计算参数。
[0008]可选的，所述距离预测分支包括相位相关子分支、相位非相关子分支和组合节点，其中，所述相位相关子分支的输入数据为相位相关数据，所述相位非相关子分支的输入数据为相位非相关数据，所述相位相关数据和所述相位非相关数据的交集为空；所述相位相关数据和所述相位非相关数据基于所述多个预设位置的信号的强度的衰减量与辐射角的相关度划分，所述辐射角为所述多个预设位置与描述坐标系所形成的相位角，所述描述坐标系为描述所述待定位物件的位置的坐标系。
[0009]所述组合节点用于获取所述相位相关子分支的输出数据以及所述相位非相关子分支的输出数据并进行组合拼接；所述距离预测分支的输出值基于所述组合节点的输出数
据计算得到。
[0010]可选的，所述高度参数的预测值的数据格式为枚举值，所述高度参数的预测值用于标识所述待定位物件的位置的高度所处于的高度区间；和/或，所述相位信息参数的预测值的数据格式为枚举值，所述相位信息参数的预测值用于标识所述待定位物件的位置的相位角所处于的相位角区间。
[0011]可选的，所述相位信息参数的预测值的数据格式为枚举值，所述相位信息参数的预测值用于标识所述待定位物件的位置的相位角所处于的相位角区间。
[0012]所述相位相关子分支包括特征值提取结构，所述特征值提取结构输出的特征值的数量为相位数量，所述相位数量为所述相位角区间的区间总数；所述相位相关子分支基于所述特征值提取结构输出的特征值进行预测。
[0013]可选的，所述相位预测分支包括前处理运算节点，所述前处理运算节点用于去除最小值，所述相位预测分支基于所述前处理运算节点处理后的数据进行预测。
[0014]可选的，所述定位模型基于损失函数训练，所述损失函数包括隐藏表达损失函数，所述隐藏表达损失函数包括第一部分，所述第一部分的计算流程包括：基于真实的所述高度参数、真实的所述相位信息参数和真实的所述距离参数对输入样本进行分类，得到预设数量个子堆；计算所述子堆内的样本集中度；所述第一部分的目标为所述样本集中度越小越好。
[0015]可选的，所述定位模型基于损失函数训练，所述损失函数包括隐藏表达损失函数，所述隐藏表达损失函数包括第二部分，所述第二部分的计算流程包括：基于真实的所述高度参数、真实的所述相位信息参数和真实的所述距离参数对输入样本进行分类，得到预设数量个子堆；计算所述子堆之间的分离度；所述第二部分的目标为所述分离度越大越好。
[0016]可选的，所述定位模型基于损失函数训练，所述损失函数包括隐藏表达损失函数，所述隐藏表达损失函数包括第二部分，所述第二部分的计算流程包括：基于真实的所述高度参数、真实的所述相位信息参数和真实的所述距离参数对输入样本进行分类，得到预设数量个子堆；对所述子堆按照真实的所述距离参数进行排序；所述第二部分的目标为真实的所述距离参数越小的对应的所述子堆的均值向量的模越小越好。
[0017]可选的，所述定位模型基于损失函数训练，所述损失函数包括隐藏表达损失函数，所述隐藏表达损失函数包括第三部分，所述第三部分的计算流程包括：基于真实的所述高度参数、真实的所述相位信息参数和真实的所述距离参数对输入样本进行分类，得到预设数量个子堆；计算所述子堆之间的正交性；所述第三部分的目标为所述子堆彼此之间越正交越好。
[0018]可选的，所述定位模型基于损失函数训练，所述损失函数包括如下损失函数中的至少一者：BCELoss函数，用于计算所述高度参数的预测值与真实的所述高度参数之间的差距；CELoss函数，用于计算所述相位信息参数的预测值与真实的所述相位信息参数之间的差距；以及，回归Loss函数，用于计算所述距离参数的预测值与真实的所述距离参数之间的差距。
[0019]与现有技术相比，本专利技术提供的基于定位模型的定位方法中，所述定位模型通过高度预测分支和相位信息预测分支的计算结果以概率加权平均的方式分别突出、保持或者减小距离预测分支的子网络的贡献，从而进行距离参数的预测。这种注意力机制的设计，相
比设计通用的滤波器组，相关子网络对应的滤波器组会针对特定条件的信号，能够快速收敛；相比基于门控信号(高度或者相位的预测结果)的子网络选择，基于概率加权的方法可以减少对门控阈值的依赖。基于上述设计，提高了训练后的所述定位模型的输出精度，解决了现有技术中存在的问题。在本专利技术的一个进一步的实施例中，通过将几个信号分为相位敏感通道(即相位相关子分支)和相位非敏感通道(即相位非相关子分支)，并且设计了独特的相位预测分支和高度预测分支来帮助最终定位问题的完成。在本专利技术的更进一步的实施例中，为所述定位模型的训练过程设计了特殊的损失函数，使得网络能够更有效地学习已有数据，从而更进一步地提高定位的精度。
附图说明
[0020]本领域的普通技术人员将会理解，提供的附图用于更好地理解本专利技术，而不对本专利技术的范围构成任何限定。其中：
[0021]图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于定位模型的定位方法，所述定位模型用于基于一待定位物件发射后被多个预设位置的接收机接收到的信号的强度，输出所述待定位物件的位置的预测值，其特征在于，所述待定位物件的位置基于高度参数、相位信息参数和距离参数描述，所述定位模型包括用于预测所述高度参数的高度预测分支、用于预测所述相位信息参数的相位预测分支和用于预测所述距离参数的距离预测分支；其中，所述定位模型基于第一参数和第二参数以概率加权平均的方式分别突出、保持或者减小所述距离预测分支的子网络的贡献，所述第一参数为所述高度预测分支的输出参数或者所述高度预测分支的中间计算参数，所述第二参数为所述相位信息预测分支的输出参数或者所述相位信息预测分支的中间计算参数。2.根据权利要求1所述的定位方法，其特征在于，所述距离预测分支包括相位相关子分支、相位非相关子分支和组合节点，其中，所述相位相关子分支的输入数据为相位相关数据，所述相位非相关子分支的输入数据为相位非相关数据，所述相位相关数据和所述相位非相关数据的交集为空；所述相位相关数据和所述相位非相关数据基于所述多个预设位置的接收机的信号的强度的衰减量与辐射角的相关度划分，所述辐射角为所述多个预设位置与描述坐标系所形成的相位角，所述描述坐标系为描述所述待定位物件的位置的坐标系；所述组合节点用于获取所述相位相关子分支的输出数据以及所述相位非相关子分支的输出数据并进行组合拼接；所述距离预测分支的输出值基于所述组合节点的输出数据计算得到。3.根据权利要求1所述的定位方法，其特征在于，所述高度参数的预测值的数据格式为枚举值，所述高度参数的预测值用于标识所述待定位物件的位置的高度所处于的高度区间；和/或，所述相位信息参数的预测值的数据格式为枚举值，所述相位信息参数的预测值用于标识所述待定位物件的位置的相位角所处于的相位角区间。4.根据权利要求2所述的定位方法，其特征在于，所述相位信息参数的预测值的数据格式为枚举值，所述相位信息参数的预测值用于标识所述待定位物件的位置的相位角所处于的相位角区间；所述相位相关子分支包括特征值提取结构，所述特征值提取结构输出的特征值的数量为相位数量，所述相位数量为所述相位角区间的区间总数；所述相位相关子分支基于所述特征值提取结构输出的特征值进行预测。5.根据权利要求1所述的定位方法，其特征在于，所述相位预测分支包括前处理运算节点，所述前处理...

【专利技术属性】
技术研发人员：陆唯佳，马笑峰，张晓东，乔培虎，牛寅，
申请(专利权)人：联合汽车电子有限公司，
类型：发明
国别省市：