一种基于非负矩阵分解多视图聚类算法的制造技术

本发明专利技术属于矿下定位应用技术领域，尤其涉及一种基于非负矩阵分解多视图聚类算法的

【技术实现步骤摘要】
一种基于非负矩阵分解多视图聚类算法的5G矿井下定位方法


[0001]本专利技术属于矿下定位应用
，尤其涉及一种基于非负矩阵分解多视图聚类算法的
5G
矿井下定位方法
。

技术介绍

[0002]矿山作业人员井下定位及动态监管系统能跟踪干部跟班下井情况
、
每个矿工入井
、
出井时间及运动轨迹，以便于企业进行更加合理的调度和管理，但是传统
WIFI
通讯中存在切换路由器信号中断的问题
。
[0003]目前，基于非负矩阵分解聚类算法的矿下定位方法，其构造数据库时，使用
RSSI(Received Signal Strength Indication
，接收信号强度指示
)
作为信号强度的参数，然后将
5G
无线接入点
(AP)
的位置信息和信号强度进行组合得到高维数据点，再对其进行非负矩阵分解聚类算法最终得到聚类结果
。
这一过程中，忽视了
5G
信号的其他信息，常用的信号强度参数除了
RSSI
之外，还有
RSRP(Reference Signal Receiving Power
，参考信号接收功率
)
和
RSRQ(Reference Signal Receiving Quality
，参考信号接收质量
)。
由此可能会导致定位结果的误差值较大
。
导致无法准确的得出目标点的准确位置，从而影响整个井下人员定位系统的准确度
。

技术实现思路

[0004]本专利技术针对上述矿井下定位所存在的技术问题，提出一种设计合理
、
方法简单
、
理论性强且能够实现误差小
、
定位可靠
、
无信号中断的一种基于非负矩阵分解多视图聚类算法的
5G
矿井下定位方法
。
[0005]为了达到上述目的，本专利技术采用的技术方案为：一种基于非负矩阵分解多视图聚类算法的
5G
矿井下定位方法，包括以下步骤：
[0006]S1、
采样点的位置信息为
(x1,y1),(x2,y2)
，
(x3,y3).....(x
n
,y
n
)
，其中，
n
为采样点的个数；
[0007]S2、
单个采样点的信号强度参数
RSSI
表示为
RSRP
表示为
RSRQ
表示为其中，
d
为第
i
个
5G
无线接入点的信号的个数；
[0008]S3、
将每个采样点的位置信号分别和信号强度参数信息
RSSI、RSRP
以及
RSRQ
进行组合得到三个
d+2
维的高维数据维的高维数据
[0009]S4、
将
n
个采样点的三个
d+2
维的高维数据组合，得到三个维度为
(d+2)
×
n
的组合矩阵；
[0010]S5、
构建非负矩阵分解多视图聚类算法，其目标函数为：
[0011][0012]s.t U∈R
d
×
k
,V∈R
k
×
n
[0013]其中，
n
为采样点的个数，
U
是一个基矩阵，
V
是一个系数矩阵，
U
(v)
和
V
(v)
表示第
v
个视图的基矩阵和系数矩阵，数据矩阵
X
(v)
是
U
(v)
和
V
(v)
的差值，
L
(v)
是第
v
个视图的数据构成的拉普拉斯矩阵，
Tr(
·
)
表示矩阵的迹，表示矩阵
F
范数的平方，是对矩阵所有元素求平方再求和的结果，迭代规则为使用交替迭代求解的方法，利用梯度下降法，可以得到局部最优解：
[0014][0015][0016]其中，
i、j
是迭代的步长参数，
X
为
d
×
n
的数据矩阵，然后使用
k
‑
means
算法，得到最终的聚类结果；
[0017]S6、
对
S4
步骤得到的三个组合矩阵采用非负矩阵分解多视图聚类算法进行聚类得到
k
个类别的集合
C
＝
{c1,c2,...,c
k
}
，将
n
个数据点分为
k
个类别；
[0018]S7、
对于每一个类别，求这些类别中的数据点的信号强度均值，得到
k
个均值点
r
k
＝
{r
k1
,r
k2
,...,r
kd
}
；
[0019]S8、
分别求这
k
个均值点和检测到的信号点的信号强度向量的欧氏距离，然后得到其中最小值对应的类别，再对这一类别中的所有向量的位置信息部分求均值，得出检测点的位置
。
[0020]作为优选，所述非负矩阵分解满足：
[0021]X≈U
×
V,s.t U∈R
d
×
k
,V∈R
k
×
n
[0022]其中，
U
是一个基矩阵，
V
是一个系数矩阵，
X
为
d
×
n
的数据矩阵，
k
为聚类的簇的个数，
n
为采样点的个数
。
[0023]与现有技术相比，本专利技术的优点和积极效果在于：
[0024]本专利技术将采样点处的
RSSI、RSRP
以及
RSRQ
三个信号强度参数以及位置信息保存起来形成三个视图的数据库，并使用非负矩阵分解多视图聚类算法对数据库进行聚类从而得到每一类的标签信息，加入拉普拉斯矩阵秩的约束，使得聚类的效果更好，这样得到的聚类标签会更加地可靠，误差小，
5G
终端根据实时测得的
AP
信号强度，与数据库中的聚类标签信息进行比较，并采用欧几里得距离公式计算出终端的位置，采用矿下
5G
通讯的方案，解决了传统...

【技术保护点】

【技术特征摘要】
1.
一种基于非负矩阵分解多视图聚类算法的
5G
矿井下定位方法，其特征在于，包括以下步骤：
S1、
采样点的位置信息为
(x1,y1),(x2,y2)
，
(x3,y3).....(x
n
,y
n
)
，其中，
n
为采样点的个数；
S2、
单个采样点的信号强度参数
RSSI
表示为
r
i(1)
＝
{r
i1(1)
,r
i2(1)
,...,r
id(1)
}
，
RSRP
表示为
r
i(2)
＝
{r
i1(2)
,r
i2(2)
,...,r
id(2)
}
，
RSRQ
表示为
r
i(3)
＝
{r
i1(3)
,r
i2(3)
,...,r
id(3)
}
，其中，
d
为第
i
个
5G
无线接入点的信号的个数；
S3、
将每个采样点的位置信号分别和信号强度参数信息
RSSI、RSRP
以及
RSRQ
进行组合得到三个
d+2
维的高维数据维的高维数据
S4、
将
n
个采样点的三个
d+2
维的高维数据组合，得到三个维度为
(d+2)
×
n
的组合矩阵；
S5、
构建非负矩阵分解多视图聚类算法，其目标函数为：
s.t U∈R
d
×
k
,V∈R
k
×
n
其中，
n
为采样点的个数，
U
是一个基矩阵，
V
是一个系数矩阵，
U
(v)
和
V
(v)
表示第
v
个视图的基矩阵和系数矩阵，数据矩阵...

【专利技术属性】
技术研发人员：康新雨，王文娟，田乐，汤英，王周，
申请(专利权)人：陕西建材科技集团股份有限公司，
类型：发明
国别省市：