一种基于CSI图像融合的图神经网络定位方法技术

本发明专利技术公开了一种基于CSI图像融合的图神经网络定位方法，包括：数据预处理，对相位信息进行解卷绕和线性变换，对幅度信息进行滤波降噪；在二维平面将预处理得到的幅度值和相位值映射到平面上的具体点上；对目标进行定位，CSI图像由左右子图共同构成；左子图按照子载波获取的先后顺序，将映射得到的点连接成一条曲线，形成CSI测量值的包络图，右子图根据CSI的幅度和相位大小进行离散映射，建立起数据空间维度的平面映射关系；提取CSI图像的邻接矩阵和特征矩阵；利用GraphSAGE网络进行离线训练，得到定位模型。本发明专利技术提供的基于CSI图像融合的图神经网络定位方法具有定位精度高，实现简单等优点。

【技术实现步骤摘要】

本专利技术属于定位导航与深度学习应用领域，具体涉及一种基于csi图像融合的图神经网络定位方法。

技术介绍

1、网络信息技术的快速发展，基于室内位置服务的需求大幅增加。准确的位置信息可以用于定位、跟踪和目标监测。由于附加噪声、信号的衰减、多径效应、软件不适配等原因，传统的室外定位设施，如gps，不能有效地在室内工作，其精确度和稳定性都无法满足实际需求。为解决智能机器人、商场导航导购、应急疏导等定位需求，更多的室内定位技术提了出来。

2、基于wi-fi定位技术利用接收信号强度(rssi)或信道状态信息(csi)进行定位，是一种既经济又非侵入式的技术。和rssi相比，csi是一种细粒度的信息，它对于环境变动更加敏感，作为位置指纹来分辨位置特征更加有效，具有更好的细节感知能力和更强的抗干扰能力。

3、传统的机器学习定位系统包括k-最近邻(knn)和支持向量机(svm)，而深度学习系统包括长短期记忆网络(lstm)，卷积神经网络(cnn)，图神经网络(gnn)等。haidarabdulrahman提出将rssi点与knn和wknn(加权k最近本文档来自技高网...

【技术保护点】

1.一种基于CSI图像融合的图神经网络定位方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于CSI图像融合的图神经网络定位方法，其特征在于，所述步骤2包括：

3.根据权利要求1所述的一种基于CSI图像融合的图神经网络定位方法，其特征在于，所述步骤3包括：

4.根据权利要求3所述的一种基于CSI图像融合的图神经网络定位方法，其特征在于，所述步骤3-2中，将曲线像素设为0，其他像素置为0，得到CSI包络图像。

5.根据权利要求3所述的一种基于CSI图像融合的图神经网络定位方法，其特征在于，所述步骤3-3-1中，{A1，...，A...

【技术特征摘要】

1.一种基于csi图像融合的图神经网络定位方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于csi图像融合的图神经网络定位方法，其特征在于，所述步骤2包括：

3.根据权利要求1所述的一种基于csi图像融合的图神经网络定位方法，其特征在于，所述步骤3包括：

4.根据权利要求3所述的一种基于csi图像融合的图神经网络定位方法，其特征在于，所述步骤3-2中，将曲线像素设为0，其他像素置为0，得到csi包络图像。

5.根据权利要求3所述的一种基于csi图像融合的图神经网络定位方法，其特征在于，所述步骤3-3-1中，{a1，...，as}和{p1，...，ps}都是递增序列。

6.根据权利要求3所述的一种基于csi图像融合的图...

【专利技术属性】
技术研发人员：汤雪廷，胡宸晗，颜俊，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：