基于深度学习的双人室内无设备定位算法制造技术

本发明专利技术公开了一种基于深度学习的双人室内无设备定位方法，采用深度学习技术强大的拟合能力，从ZigBee信号强度值数据包中挖掘有用特征，实现双人定位的功能。包括步骤：开发采集ZigBee信号强度值的传感网络；对数据进行预处理，将异常值替换为平均值，并将每个周期的数据转换成N*N的矩阵，其中N为路由器节点的个数，本发明专利技术中N为10，将矩阵转入DataLoader中供模型训练使用；将ZigBee数据输入包含有Transformer编码器的神经网络中，仿照自然语言处理中的文本多标签分类任务对模型进行训练；利用训练好的模型对测试数据进行预测，定义了一种专用于双人定位的误差距离公式用来评估双人定位的性能，经验证，模型达到了较高的定位精度，且该方法在双入场景下的性能要优于其它算法。

【技术实现步骤摘要】

本专利技术涉及一种基于深度学习的双人室内无设备定位方法。

技术介绍

1、在定位领域使用最多的信号为卫星信号，如北斗、gps等，在室外利用卫星信号定位能达到很高的精度，可以满足商业化的需求，但是在室内环境中卫星信号几乎不可用，因为它们会受到墙体的阻隔和反射，无法进入室内，因此室内定位通常会在室内布置信号源以满足人们对位置服务的需求，常见的室内定位信号有zigbee、wi-fi、蓝牙等。室内定位又可分为有设备定位和无设备定位，二者区别在于测试者是否需要携带通信设备。当前室内定位技术的研究多为有设备定位，该方法通过对人体携带通信设备的定位来实现对人体位置的估计。有设备定位的优点是定位精度高，但是需要定位目标主动佩戴通信设备，且存在设备造价昂贵，携带的设备可能给用户带来不便的体验等缺点。无设备定位主要通过关注人体位于不同菲涅尔区导致的信号强度变化来感知人体的位置。菲涅耳区是在收发天线之间，由电波的直射路径与反射路径的行程差为整数倍的反射点形成的、以收发天线位置为焦点，以直射路径为轴的一系列椭球面，第n菲涅尔区的定义即为电波的直射路径与反射路径的行程差为的椭球面。接本文档来自技高网...

【技术保护点】

1.一种基于深度学习的双人室内无设备定位方法，其特征在于，利用Transformer神经网络建立接收到的ZigBee信号强度值与两个人员位置的映射关系，实现双人场景下的无设备定位，包括以下步骤：

2.如权利要求1所述的基于深度学习的双人室内无设备定位方法，其特征在于，将双人定位问题转化为文本多标签分类问题，并以神经网络作为接收的ZigBee信号强度值与双人人员位置之间的非线性回归映射函数。

3.如权利要求1所述的基于深度学习的双人室内无设备定位方法，其特征在于，通过构造Transformer神经网络，采用大量具有差异性的数据对网络进行训练，完成对双人位置的估计，达...

【技术特征摘要】

1.一种基于深度学习的双人室内无设备定位方法，其特征在于，利用transformer神经网络建立接收到的zigbee信号强度值与两个人员位置的映射关系，实现双人场景下的无设备定位，包括以下步骤：

2.如权利要求1所述的基于深度学习的双人室内无设备定位方法，其特征在于，将双人定位问题转化为文本多标签分类问题，并以神经网络作为接收的zigbee信号强度值与双人人员位置之间的非线性回归映射函数。

3.如权利要求1所述的基于深度学习的双人室内无设备定位方法，其特征在于，通过构造transformer神经网络，采用大量具...

【专利技术属性】
技术研发人员：吴虹，刘天蒙，李旋，
申请(专利权)人：南开大学，
类型：发明
国别省市：