【技术实现步骤摘要】
本专利技术属于无线定位，特别涉及一种基于非线性框架字典学习的超表面定位方法及装置。
技术介绍
1、随着科技水平的不断提高，无线定位技术成为我们生活中不可或缺的一种新兴科学技术，例如，人们能够利用地图导航app内置的无线定位技术知道自己所处的位置，便于规划出行路线和寻找目的地。在一些特殊情境下，如防止入室盗窃、侵入者检测、户外紧急搜救，目标对象轨迹追踪等，不能要求目标携带固定或是特殊的设备，传统的无线定位技术无法适用，因此免携带设备无线定位技术应运而生。
2、由于超表面材料能够将空间中无处不在的“无用”噪声或干扰信号转化成为“有用”信号，也就是说，在待定位目标区域建模时，能够帮助用户获得更多更有意义的信号数据。基于此，现有技术通过使用稀疏编码算法作为免携带设备无线定位技术，稀疏编码是人工智能/机器学习领域中的一个重要方法，它的本质是用一个过完备“字典”和一个稀疏向量来高效地表示数据。稀疏编码算法通过将分类器和字典相联合一并训练，能够做到准确地将样本进行分类。
3、现有技术存在以下技术问题：
4、1.稀疏表示及字典学习问题是基于线性建模，而定位问题用线性建模不能最高效的拟合，导致定位精度的下降。
技术实现思路
1、本专利技术提供了一种基于非线性框架字典学习的超表面定位方法及装置，旨在解决上述现有技术中存在的稀疏表示及字典学习问题是基于线性建模，而定位问题用线性建模不能最高效的拟合，导致定位精度的下降的技术问题。
2、本专利技术解决上述技术
3、s1：获取带有标签矩阵的目标区域内的训练目标的定位数据；
4、s2：结合标签矩阵方法和字典学习方法构建字典学习模型和目标分类模型，并基于所述字典学习模型和所述目标分类模型的结合加入非线性函数，计算出所述定位数据的判别字典和目标区域内的分类参数；
5、s3：基于所述判别字典，运用稀疏编码方法获取定位区域中待定位目标的稀疏系数；
6、s4：基于所述稀疏系数，结合所述分类参数，得到待定位目标的位置信息。
7、本专利技术的有益效果是：本专利技术首先基于训练目标周围设置的信号发射装置、信号接收装置和超表面装置，获取训练目标在目标区域内的定位数据，然后通过非线性框架字典学习的方式实现信号的分析处理，通过非线性建模能够实现高效的拟合，最终得到待定位目标的精确定位信息。
8、在上述技术方案的基础上，本专利技术还可以做如下改进。
9、进一步，上述所述超表面定位方法基于超表面装置、多个信号接收装置以及多个信号发射装置实现；在所述s1之前还包括：
10、s0：将所述信号接收装置、信号发射装置和超表面装置设置在目标区域周围，通过依次开启每个信号发射装置调整超表面装置的反射角度，得到超表面装置相对于每个信号发射装置的反射角度数据。
11、采用上述进一步方案的有益效果是：本专利技术通过调整超表面装置的反射角度，使得信号接收装置接收的信号强度(rss)最大；最后，所有信号发射装置关于超表面装置的最优反射角度都被记录。所述反射角度数据为所有信号接收装置捕获的信号信息最多(根据需求可以选择信号强度(rss)最大、到达时间(toa)最快等)，记录此时的角度。
12、进一步，上述s0具体为：
13、s0.1：将所述信号接收装置、信号发射装置和超表面装置设置在目标区域周围，控制一个信号发射装置开启，调制当前开启的信号发射装置与所有信号接收装置的信号通信，调制完成后关闭当前开启的信号发射装置，并控制下一个信号发射装置开启，直至每一个信号发射装置均与所有信号接收装置完成信号通信的调制；
14、s0.2：控制一个信号发射装置开启，通过调整超表面装置的反射角度，得到超表面装置相对于当前开启的信号发射装置的反射角度数据；
15、s0.3：控制当前开启的信号发射装置关闭并控制下一个信号发射装置开启，重复步骤s0.2，直至得到超表面装置相对于每个信号发射装置的反射角度数据。
16、采用上述进一步方案的有益效果是：本申请先将目标区域划分为带有标签的矩形网格，然后确定信号接收装置、信号发射装置和超表面装置的位置，用于后续训练训练目标在目标区域移动时，方便获取训练目标的定位数据。
17、进一步，上述s1具体为：
18、s1.1：将所述目标区域划分为多个大小相同的矩形网格，并对每一个矩形网格赋予标签，得到用于表示目标区域位置的标签矩阵，并使训练目标遍历标签矩阵中的每一个标签；
19、s1.2：将超表面装置的透射率调整到无反射阈值，以使超表面装置不会反射信号发射装置发射的发射信号；
20、s1.3：控制一个信号发射装置开启，并利用所有信号接收装置获取当前开启的信号发射装置基于训练目标在标签矩阵中遍历每一个标签时发射的发射信号；
21、s1.4：关闭当前开启的信号发射装置，并控制下一个信号发射装置开启且重复s1.3，直至利用所有信号接收装置获取到每一个信号发射装置基于训练目标在标签矩阵中遍历每一个标签时发射的发射信号；
22、s1.5：将超表面装置的透射率调整到叠加阈值，以使超表面装置对信号发射装置发射的发射信号进行反射，生成反射信号；
23、s1.6：控制一个信号发射装置开启，基于当前开启的信号发射装置，根据对应的反射角度数据调整超表面装置的反射角度，并利用所有信号接收装置获取当前开启的信号发射装置与超表面装置生成的叠加信号；其中所述叠加信号为当前开启的信号发射装置基于训练目标在标签矩阵中遍历每一个标签时发射的发射信号与超表面装置生成的反射信号的叠加；
24、s1.7：关闭当前开启的信号发射装置，并控制下一个信号发射装置开启且重复s1.6，直至利用所有信号接收装置获取到每一个信号发射装置与超表面装置生成的叠加信号；
25、s1.8：将超表面装置的透射率调整到无反射阈值时信号接收装置接收的发射信号和所述叠加信号分别进行复数傅里叶变换，对应得到发射频谱和叠加频谱，将所述叠加频谱减去所述发射频谱，得到反射信号的反射频谱；
26、s1.9：分别提取发射频谱和反射频谱中的一次谐波的峰值和二次谐波的峰值并保存，以及保存提取一次谐波的峰值和二次谐波的峰值时训练目标对应的标签；所述一次谐波的峰值、二次谐波的峰值和训练目标对应的标签为所述训练目标的定位数据，所述一次谐波的峰值、二次谐波的峰值为所述定位数据中的信号数据。
27、采用上述进一步方案的有益效果是：本申请在接收信号时，先将超表面装置的透射率调到最大，此时超表面装置几乎不反射信号，信号接收装置接收的是没经过超表面反射的信号，再将超表面的透射率调到最小，此时信号接收装置接收的是叠加信号，然后通过复数傅里叶变换方法获取反射信号的频谱。
28、进一步，上述s2具体为：
29、s2.1：构建字典学习本文档来自技高网...
【技术保护点】
1.一种基于非线性框架字典学习的超表面定位方法,其特征在于，包括：
2.根据权利要求1所述的一种基于非线性框架字典学习的超表面定位方法，其特征在于，所述超表面定位方法基于超表面装置、多个信号接收装置以及多个信号发射装置实现；在所述S1之前还包括：
3.根据权利要求2所述的一种基于非线性框架字典学习的超表面定位方法，其特征在于，S0具体为：
4.根据权利要求2或3所述的一种基于非线性框架字典学习的超表面定位方法，其特征在于，S1具体为：
5.根据权利要求4所述的一种基于非线性框架字典学习的超表面定位方法，其特征在于，S2具体为：
6.根据权利要求1所述的一种基于非线性框架字典学习的超表面定位方法，其特征在于，S3中，所述稀疏编码方法包括OMP算法或BP算法，利用OMP算法或BP算法，计算待定位目标的稀疏系数；其中，计算待定位目标的稀疏系数如第九式(9)所示：
7.根据权利要求1所述的一种基于非线性框架字典学习的超表面定位方法，其特征在于，S4中，计算待定位目标的位置信息如第十式(10)所示：
8.一
9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种基于非线性框架字典学习的超表面定位方法,其特征在于，包括：
2.根据权利要求1所述的一种基于非线性框架字典学习的超表面定位方法，其特征在于，所述超表面定位方法基于超表面装置、多个信号接收装置以及多个信号发射装置实现；在所述s1之前还包括：
3.根据权利要求2所述的一种基于非线性框架字典学习的超表面定位方法，其特征在于，s0具体为：
4.根据权利要求2或3所述的一种基于非线性框架字典学习的超表面定位方法，其特征在于，s1具体为：
5.根据权利要求4所述的一种基于非线性框架字典学习的超表面定位方法，其特征在于，s2具体为：
6.根据权利要求1所述的一种基于非线性框架字典学习的超表面定位方法，其特征在于，s3中，所述稀疏编码方法...
【专利技术属性】
技术研发人员：丁数学，冯天耀，谭本英，赵彬，李沐阳，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。