定位方法、装置、设备及存储介质制造方法及图纸

本申请涉及一种定位方法、装置、设备及存储介质，涉及定位技术领域。该方法包括：获取信号接收设备接收到的多个信号的信道状态信息，并对多个信号的CSI进行预处理，得到目标信号的目标CSI。多个信号的CSI为信号发送设备发射的，CSI包括信号幅度、信号时延以及信号相位。将目标CSI输入预先训练好的BP神经网络模型，输出信号参数。信号参数包括信号到达角。基于信号接收设备的位置、信号发送设备的位置以及信号到达角，确定目标对象的位置。从而降低定位的成本。位的成本。位的成本。

【技术实现步骤摘要】
定位方法、装置、设备及存储介质


[0001]本申请涉及定位
，尤其涉及一种定位方法、装置、设备及存储介质。

技术介绍

[0002]由于毫米波具有波长短、传播损耗大以及时延分辨率高的特点，并且毫米波技术的成本显著低于激光雷达技术或红外技术，使得利用毫米波实现室内定位的技术被广泛应用。
[0003]当前，利用毫米波技术定位是基于角度定位的方法。由于基于角度定位方法需要联合多台无线接入点(access point，AP)进行定位，且成熟的角度估计算法依赖信号子空间和噪声子空间的正交性，需要采用专用的大规模阵列天线才能准确地估计出角度信息，以实现定位。如此，导致定位的成本较高。

技术实现思路

[0004]本申请提供一种定位方法、装置、设备及存储介质，以降低定位的成本。本申请的技术方案如下：
[0005]根据本申请的第一方面，提供一种定位方法，方法包括：获取信号接收设备接收到的多个信号的信道状态信息(channel state information，CSI)，并对多个信号的CSI进行预处理，得到目标信号的目标CSI。多个信号的CSI为信号发送设备发射的，CSI包括信号幅度、信号时延以及信号相位；将目标CSI输入预先训练好的BP神经网络模型，输出信号参数。信号参数包括信号到达角。基于信号接收设备的位置、信号发送设备的位置以及信号到达角，确定目标对象的位置。
[0006]在一种可能的实施方式中，上述“对多个信号的CSI进行预处理，得到目标信号的CSI”，包括：根据最小二乘线性拟合算法对每个CSI中的信号相位进行校正，并根据预设的仿射传播聚类算法对校正后的每个CSI进行聚类，得到目标信号的CSI。
[0007]在一种可能的实施方式中，信号参数还包括信号传播时长以及多普勒频移值，方法还包括：基于信号传播时长以及多普勒频移值，得到目标对象的移动速度。
[0008]在一种可能的实施方式中，方法还包括：初始化样本训练参数以及预设的麻雀搜索算法SSA参数；样本训练参数包括多个样本CSI以及样本对象对应的多个样本信号参数，每个样本信号参数包括信号传播时长、多普勒频移值以及信号到达角。将样本训练参数输入预设的BP神经网络模型，进行模型训练，并通过SSA算法计算每个麻雀初始的适应度值。根据适应度值和SSA参数进行麻雀位置的更新，并获取位置更新后的个体适应度值。将个体适应度值与当前最优适应度值进行比较，得到局部最优解，并迭代训练。若迭代次数达到了预设次数，则确定全局最优解，并基于全局最优解得到BP神经网络模型。
[0009]在一种可能的实施方式中，信号发送设备发射的信号为毫米波信号。
[0010]第二方面，提供一种定位装置，装置包括：获取单元、处理单元、输出单元和确定单元；获取单元，用于获取信号接收设备接收到的多个信号的信道状态信息CSI；多个信号的
CSI为信号发送设备发射的，CSI包括信号幅度、信号时延以及信号相位。处理单元，用于对多个信号的CSI进行预处理，得到目标信号的目标CSI。输出单元，用于将目标CSI输入预先训练好的BP神经网络模型，输出信号参数；信号参数包括信号到达角。确定单元，用于基于信号接收设备的位置、信号发送设备的位置以及信号到达角，确定目标对象的位置。
[0011]在一种可能的实施方式中，处理单元，具体用于：根据最小二乘线性拟合算法对每个CSI中的信号相位进行校正，并根据预设的仿射传播聚类算法对校正后的每个CSI进行聚类，得到目标信号的CSI。
[0012]在一种可能的实施方式中，信号参数还包括信号传播时长以及多普勒频移值，处理单元，还用于基于信号传播时长以及多普勒频移值，得到目标对象的移动速度。
[0013]在一种可能的实施方式中，处理单元，还用于：初始化样本训练参数以及预设的麻雀搜索算法SSA参数。样本训练参数包括多个样本CSI以及样本对象对应的多个样本信号参数，每个样本信号参数包括信号传播时长、多普勒频移值以及信号到达角。将样本训练参数输入预设的BP神经网络模型，进行模型训练，并通过SSA算法计算每个麻雀初始的适应度值。根据适应度值和SSA参数进行麻雀位置的更新，并获取位置更新后的个体适应度值。将个体适应度值与当前最优适应度值进行比较，得到局部最优解，并迭代训练。若迭代次数达到了预设次数，则确定全局最优解，并基于全局最优解得到BP神经网络模型。
[0014]在一种可能的实施方式中，信号发送设备发射的信号为毫米波信号。
[0015]第三方面，提供一种电子设备，包括：处理器和通信接口；通信接口和处理器耦合，处理器用于运行计算机程序或指令，以实现第一方面的定位方法。
[0016]第四方面，提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当计算机执行该指令时，该计算机执行第一方面的定位方法。
[0017]第五方面，提供一种计算机程序产品，计算机程序产品包括计算机指令，当计算机指令在电子设备上运行时，电子设备执行如第一方面的定位方法。
[0018]本申请提供了一种定位方法，带来以下有益效果：获取信号接收设备接收到的多个信号的信道状态信息CSI，并对多个信号的CSI进行预处理，得到目标信号的目标CSI。多个信号的CSI为信号发送设备发射的，CSI包括信号幅度、信号时延以及信号相位；将目标CSI输入预先训练好的BP神经网络模型，输出信号参数。信号参数包括信号到达角。基于信号接收设备的位置、信号发送设备的位置以及信号到达角，确定目标对象的位置。如此，根据目标信号的信道状态信息CSI，确定信号到达角，并根据信号接收设备的位置、信号发送设备的位置以及信号到达角实现对目标对象的定位，无需大规模阵列天线，降低了定位成本。
[0019]需要说明的是，第二方面至第五方面中的任一种实现方式所带来的技术效果可参见第一方面中对应实现方式所带来的技术效果，此处不再赘述。
[0020]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0021]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理，并不构成对本申请的不当限定。
[0022]图1为本申请实施例提供的一种定位系统的结构示意图；
[0023]图2为本申请实施例提供的一种定位方法的流程图之一；
[0024]图3为本申请实施例提供的一种信号传输路径的示意图；
[0025]图4为本申请实施例提供的一种定位方法的流程图之二；
[0026]图5为本申请实施例提供的一种信号到达角的示意图；
[0027]图6为本申请实施例提供的一种多普勒频移的示意图；
[0028]图7为本申请实施例提供的一种定位装置的结构示意图；
[0029]图8为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0030]为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种定位方法，其特征在于，所述方法包括：获取信号接收设备接收到的多个信号的信道状态信息CSI，并对所述多个信号的CSI进行预处理，得到目标信号的目标CSI；所述多个信号的CSI为信号发送设备发射的，CSI包括信号幅度、信号时延以及信号相位；将所述目标CSI输入预先训练好的BP神经网络模型，输出信号参数；所述信号参数包括信号到达角；基于所述信号接收设备的位置、所述信号发送设备的位置以及所述信号到达角，确定目标对象的位置。2.根据权利要求1所述的定位方法，其特征在于，所述对所述多个信号的CSI进行预处理，得到目标信号的CSI，包括：根据最小二乘线性拟合算法对每个CSI中的信号相位进行校正，并根据预设的仿射传播聚类算法对校正后的每个CSI进行聚类，得到目标信号的CSI。3.根据权利要求1所述的定位方法，其特征在于，所述信号参数还包括信号传播时长以及多普勒频移值，所述方法还包括：基于所述信号传播时长以及所述多普勒频移值，得到所述目标对象的移动速度。4.根据权利要求1
‑
3中任一项所述的定位方法，其特征在于，所述方法还包括：初始化样本训练参数以及预设的麻雀搜索算法SSA参数；所述样本训练参数包括多个样本CSI以及样本对象对应的多个样本信号参数，每个样本信号参数包括信号传播时长、多普勒频移值以及信号到达角；将所述样本训练参数输入预设的BP神经网络模型，进行模型训练，并通过SSA算法计算每个麻雀初始的适应度值；根据所述适应度值和所述SSA参数进行麻雀位置的更新，并获取位置更新后的个体适应度值；将所述个体适应度值与当前最优适应度值进行比较，得到局部最优解，并迭代训练；若迭代次数达到了预设次数，则确定全局最优解，并基于所述全局最优解得到所...

【专利技术属性】
技术研发人员：张千坤，尚海波，陈任翔，李莉，王亚，刘西西，索小新，朱悦，解宁宇，时鹏，
申请(专利权)人：中讯邮电咨询设计院有限公司，
类型：发明
国别省市：