一种室内定位方法、装置、系统以及存储介质制造方法及图纸

本发明专利技术提供一种室内定位方法、装置、系统以及存储介质，属于导航定位领域，方法包括：S1：从预先布置的蓝牙基站中获得原始角度数据，并根据原始角度数据构建目标节点特征矩阵和目标邻接矩阵；S2：构建训练模型，根据目标节点特征矩阵和目标邻接矩阵对训练模型进行训练得到预测坐标矩阵；S3：分析预测坐标矩阵与实际坐标数据的损失函数得到定位模型；S4：通过定位模型对待定位角度数据进行定位得到室内定位结果。本发明专利技术抑制了NLOS对定位的影响，也抑制因了非视距产生的噪声，同时具有定位精度高的优点。度高的优点。度高的优点。

【技术实现步骤摘要】
一种室内定位方法、装置、系统以及存储介质


[0001]本专利技术主要涉及导航定位
，具体涉及一种室内定位方法、装置、系统以及存储介质。

技术介绍

[0002]室内定位是在室内的环境下获取设备或用户位置的过程，室内环境下，卫星定位的定位精度严重受损。并且现代社会，人们每天有很多的时间是在室内度过，为了满足人们对学习、工作和生活的需求，提高室内定位的定位性能是很有必要的；目前常用的室内定位技术有蓝牙、UWB、WIF I等多种无线电通信技术，其中蓝牙定位分为传统蓝牙定位和蓝牙AOA定位，传统蓝牙定位包含RSSI和指纹定位法，它们的缺点是定位精度低；WIFI定位的方法也存在着定位精度低的缺点；而UWB定位的精度高，但成本较高，且UWB设备部署起来比较复杂；使用蓝牙AOA的室内定位除了成本和精度外，在可用性、能源效率、信号接受范围、延迟和可扩展性方面具有很大的优势，目前的蓝牙AOA方法在理想状态下的精度是非常高的，但在实际室内进行定位时，由于障碍物(桌椅、行人等)的阻挡，基站与待测节点之间为非视距状态(NLOS)，NLOS会严重影响定位的精度。

技术实现思路

[0003]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种室内定位方法、装置、系统以及存储介质。
[0004]本专利技术解决上述技术问题的技术方案如下：一种室内定位方法，包括如下步骤：
[0005]S1：从预先布置的蓝牙基站中获得原始角度数据，并根据所述原始角度数据构建目标节点特征矩阵和目标邻接矩阵；
[0006]S2：构建训练模型，根据所述目标节点特征矩阵和所述目标邻接矩阵对所述训练模型进行训练，得到预测坐标矩阵；
[0007]S3：导入实际坐标数据，并分析所述预测坐标矩阵与所述实际坐标数据的损失函数，得到定位模型；
[0008]S4：导入待定位角度数据，通过所述定位模型对所述待定位角度数据进行定位，得到室内定位结果。
[0009]本专利技术解决上述技术问题的另一技术方案如下：一种室内定位装置，包括：
[0010]矩阵构建模块，用于从预先布置的蓝牙基站中获得原始角度数据，并根据所述原始角度数据构建目标节点特征矩阵和目标邻接矩阵；
[0011]训练模块，用于构建训练模型，根据所述目标节点特征矩阵和所述目标邻接矩阵对所述训练模型进行训练，得到预测坐标矩阵；
[0012]分析模块，用于导入实际坐标数据，并分析所述预测坐标矩阵与所述实际坐标数据的损失函数，得到定位模型；
[0013]室内定位结果获得模块，用于导入待定位角度数据，通过所述定位模型对所述待
定位角度数据进行定位，得到室内定位结果。
[0014]基于上述一种室内定位方法，本专利技术还提供一种室内定位系统。
[0015]本专利技术解决上述技术问题的另一技术方案如下：一种室内定位系统，包括存储器、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，当所述处理器执行所述计算机程序时，实现如上所述的室内定位方法。
[0016]基于上述一种室内定位方法，本专利技术还提供一种计算机可读存储介质。
[0017]本专利技术解决上述技术问题的另一技术方案如下：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，当所述计算机程序被处理器执行时，实现如上所述的室内定位方法。
[0018]本专利技术的有益效果是：通过原始角度数据构建目标节点特征矩阵和目标邻接矩阵，根据目标节点特征矩阵和目标邻接矩阵对训练模型的训练得到预测坐标矩阵，分析预测坐标矩阵与实际坐标数据的损失函数得到定位模型，通过定位模型对待定位角度数据的定位得到室内定位结果，抑制了NLOS对定位的影响，也抑制因了非视距产生的噪声，同时具有定位精度高的优点。
附图说明
[0019]图1为本专利技术实施例提供的一种室内定位方法的流程示意图；
[0020]图2为本专利技术实施例提供的蓝牙AOA系统中天线阵列的示意图；
[0021]图3为本专利技术实施例提供的到达角测量的原理图；
[0022]图4为本专利技术实施例提供的一种室内定位装置的模块框图。
具体实施方式
[0023]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0024]图1为本专利技术实施例提供的一种室内定位方法的流程示意图。
[0025]如图1所示，一种室内定位方法，包括如下步骤：
[0026]S1：从预先布置的蓝牙基站中获得原始角度数据，并根据所述原始角度数据构建目标节点特征矩阵和目标邻接矩阵；
[0027]S2：构建训练模型，根据所述目标节点特征矩阵和所述目标邻接矩阵对所述训练模型进行训练，得到预测坐标矩阵；
[0028]S3：导入实际坐标数据，并分析所述预测坐标矩阵与所述实际坐标数据的损失函数，得到定位模型；
[0029]S4：导入待定位角度数据，通过所述定位模型对所述待定位角度数据进行定位，得到室内定位结果。
[0030]应理解地，在室内的环境下布置一个蓝牙基站(即预先布置的蓝牙基站)，采集并记录大量的角度数据(即所述原始角度数据)与所述实际坐标数据作为训练样本。
[0031]应理解地，收集的坐标数据(即所述实际坐标数据)包含N个节点相对于该基站的节点坐标(x1，y1)、(x2，y2)、
…
、(x
N
，y
N
)，其中，节点的真实坐标是人为记录下来的。
[0032]上述实施例中，通过原始角度数据构建目标节点特征矩阵和目标邻接矩阵，根据
目标节点特征矩阵和目标邻接矩阵对训练模型的训练得到预测坐标矩阵，分析预测坐标矩阵与实际坐标数据的损失函数得到定位模型，通过定位模型对待定位角度数据的定位得到室内定位结果，抑制了NLOS对定位的影响，也抑制因了非视距产生的噪声，同时具有定位精度高的优点。
[0033]可选地，作为本专利技术的一个实施例，所述原始角度数据包括多个节点、与各个所述节点对应的原始俯仰角以及原始方位角，所述S1的过程包括：
[0034]从预先布置的蓝牙基站中获得原始角度数据，并根据所有所述原始俯仰角和所有所述原始方位角构建原始节点特征矩阵；
[0035]对所述原始节点特征矩阵进行归一化处理，得到目标节点特征矩阵，所述目标节点特征矩阵包括与各个所述节点对应的节点特征俯仰角以及节点特征方位角；
[0036]计算各个所述节点对应的节点特征俯仰角以及节点特征方位角与剩下的节点中任一节点对应的节点特征俯仰角以及节点特征方位角的角度之和，得到与各个所述节点对应的目标角度，并根据所有所述目标角度构建原始邻接矩阵；
[0037]对所述原始邻接矩阵进行转换处理，得到多个邻接角度，并根据所有所述邻接角度构建目标邻接矩阵。
[0038]应理解地，收集的角度数据(即所述原始角度数据)包含N个节点相对于该基站的俯仰角(即所述原始俯仰角)θ1、θ2、
…...

【技术保护点】

【技术特征摘要】
1.一种室内定位方法，其特征在于，包括如下步骤：S1：从预先布置的蓝牙基站中获得原始角度数据，并根据所述原始角度数据构建目标节点特征矩阵和目标邻接矩阵；S2：构建训练模型，根据所述目标节点特征矩阵和所述目标邻接矩阵对所述训练模型进行训练，得到预测坐标矩阵；S3：导入实际坐标数据，并分析所述预测坐标矩阵与所述实际坐标数据的损失函数，得到定位模型；S4：导入待定位角度数据，通过所述定位模型对所述待定位角度数据进行定位，得到室内定位结果。2.根据权利要求1所述的室内定位方法，其特征在于，所述原始角度数据包括多个节点、与各个所述节点对应的原始俯仰角以及原始方位角，所述S1的过程包括：从预先布置的蓝牙基站中获得原始角度数据，并根据所有所述原始俯仰角和所有所述原始方位角构建原始节点特征矩阵；对所述原始节点特征矩阵进行归一化处理，得到目标节点特征矩阵，所述目标节点特征矩阵包括与各个所述节点对应的节点特征俯仰角以及节点特征方位角；计算各个所述节点对应的节点特征俯仰角以及节点特征方位角与剩下的节点中任一节点对应的节点特征俯仰角以及节点特征方位角的角度之和，得到与各个所述节点对应的目标角度，并根据所有所述目标角度构建原始邻接矩阵；对所述原始邻接矩阵进行转换处理，得到多个邻接角度，并根据所有所述邻接角度构建目标邻接矩阵。3.根据权利要求2所述的室内定位方法，其特征在于，所述计算各个所述节点对应的节点特征俯仰角以及节点特征方位角与剩下的节点中任一节点对应的节点特征俯仰角以及节点特征方位角的角度之和，得到与各个所述节点对应的目标角度的过程包括：通过第一式计算各个所述节点对应的节点特征俯仰角以及节点特征方位角与剩下的节点中任一节点对应的节点特征俯仰角以及节点特征方位角的角度之和，得到与各个所述节点对应的目标角度，所述第一式为：其中，Δθ
ij
为第i个节点与第j个节点的目标角度，θ
i
为第i个节点对应的节点特征俯仰角，θ
j
为第j个节点对应的节点特征俯仰角，为第i个节点对应的节点特征方位角，为第j个节点对应的节点特征方位角。4.根据权利要求2所述的室内定位方法，其特征在于，所述对所述原始邻接矩阵进行转换处理，得到多个邻接角度的过程包括：通过第二式对所述原始邻接矩阵进行转换处理，得到多个邻接角度，所述第二式为：其中，A'
ab
为原始邻接矩阵中第a行第b列对应的邻接角度，A
ab
为原始邻接矩阵中第a行第b列的角度差，TH为预设转换阈值。5.根据权利要求2所述的室内定位方法，其特征在于，所述训练模型包括图卷积神经网
络，所述S2的过程包括：构建所述图...

【专利技术属性】
技术研发人员：蔡晓雯，文志，陈洋卓，徐玲林，涂腾辉，曹则栋，李震宇，杨四海，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：