基于改进WKNN模型与终端群组间互信息的高精度定位方法技术

本发明专利技术涉及无线通信终端的群组定位技术领域，且公开了基于改进WKNN模型与终端群组间互信息的高精度定位方法，包括以下步骤：S1、建立WKNN模型；S2、改进WKNN模型；S3、设定一个较小的常数作为上述改进的WKNN模型权重因子调整与优化的判决门限，S4、利用所得到的改进WKNN模型权重因子的特定结果，最终所得到的结果即为群组内所有终端的定位结果。本发明专利技术充分利用了群组定位模型中对WKNN定位估计模型的优化，对于精度较高的WKNN指纹定位方法，本发明专利技术可以利用终端间的测距信息来降低模型训练所需样本数，也就是说在定位精度要求不太高的情况或者针对样本数较少的情况，可以使用本发明专利技术所提出的改进WKNN算法来保证一定的定位精度。度。度。

【技术实现步骤摘要】
基于改进WKNN模型与终端群组间互信息的高精度定位方法


[0001]本专利技术涉及无线通信终端的群组定位
，具体为基于改进WKNN模型与终端群组间互信息的高精度定位方法。

技术介绍

[0002]WKNN网络的层与层之间是全连接结构，也就是说某一层的任意神经元都连接了上一层和下一层的所有神经元，虽然看起来很复杂，但实际上每一个神经元模型和感知机一样，当前，神经网络的发展迅速，深度模型具有巨大潜力，在数据量足够多的情况下，可以通过不断增加每一层神经元个数和整个神经网络层数来提高准确率，WKNN的功能也越来越强，可以解决的问题范围也越来越广，从函数拟合到图像识别，从数据预测到棋类夺冠，深度学习的研究已经渗透到生活的各个领域，已成为人工智能技术的主要发展方向。
[0003]在传统的基于测距信息的无线定位方法中，由于传统的基于RSSI测距信息的算法较为依赖测距精度，测距的精度受环境影响较大，因此在本专利技术中使用深度学习算法直接将接收到的RSSI信号作为输入特征，将位置信息作为输出特征，进行模型训练并预测，或者将接收信号作为输入特征，将离线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进WKNN模型与终端群组间互信息的高精度定位方法，其特征在于：包括以下步骤：S1、建立WKNN模型；WKNN模型可以计算得到每个终端与这些基站或AP的距离信息，可以计算得到每两个终端彼此之间的距离信息；S2、改进WKNN模型，在改进WKNN模型的建模过程中，需要对模型进行训练；S3、设定一个较小的常数作为上述改进的WKNN模型权重因子调整与优化的判决门限，当所有权重因子的调整与优化变化量的绝对值的平均值小于该判决门限时，可认定该调整与优化过程结束，所得到的一组权重因子既可作为该场景下改进的WKNN模型权重因子的特定结果，S4、利用所得到的改进WKNN模型权重因子的特定结果，将其代入到传统的WKNN模型中对群组内的所有终端根据上述两组RSSI信息进行位置估计，最终所得到的结果即为群组内所有终端的定位结果。2.根据权利要求1所述的基于改进WKNN模型与终端群组间互信息的高精度定位方法，其特征在于：所述S1中WKNN模型考虑一个无线终端群组中的所有终端都需要实现高精度定位的场景，群组中的终端都能够与周围的基站或无线接入点(AP)保持连接或通信，并且所有的无线链路都具有直射信号，即所有终端具有与周围的基站或无线AP全连接的状态，且能够在终端处获取这些基站或AP的接收信号强度指示(RSSI)信息，根据该场景下的无线信号传播损耗模型，可以计算得到每个终端与这些基站或AP的距离信息；所有终端都具有定时或定期发送其特定的导频信号的能力，即任意一个终端都能够定时或定期地接收到所有其它节点发送的RSSI信息，同样地，根据该场景下的无线信号传播损耗模型，可以计算得到每两个终端彼此之间的距离信息。3.根据权利要求1所述的基于改进WKNN模型与终端群组间互信息的高精度定位方法，其特征在于：所述S1步骤中，在该定位场景下，周围基站或AP的位置都是已知的，同时在该场景下无线信号的传播损耗模型也是固定的或已知的，在基站或AP端能够定时地发送特定功率的导频信号，而终端侧则能够依据接收到的导频信号RSSI值以及该场景下无线信号传播损耗模型计算得到每个终端到基站或AP的距离；当所有终端都能够与其他终端保持点对点通信的条件下，该点对点通信场景下无线信号的传播损耗模型也是固定的或已知的，每个终端都能够定时地发送特定功率的导频信号且能够接收到其他终端所发送的导频信号与此同时，每个终端侧都能够依据所接收到的来自于其他所有终端导频信号的RSSI值以及该点对点通信场景下的无线信号传播损耗模型计算得到任意两个终端彼此之间的距离...

【专利技术属性】
技术研发人员：何迪，尹乃姝，高绪宁，郁文贤，
申请(专利权)人：上海西虹桥导航技术有限公司，
类型：发明
国别省市：