[发明专利]一种非视距场景下的距离校准方法、装置及设备

说明书

本发明实施例提供一种非视距场景下的距离校准方法、装置及设备。所述方法包括：获取第一目标点与第二目标点之间超宽带射频测距的第一原始距离及第一信道冲击响应波形；将所述第一原始距离及第一信道冲击响应波形，输入训练好的深度学习模型，获得所述第一目标点与第二目标点之间的距离校准结果和置信度；其中，所述训练好的深度学习模型为变分自编码机和概率神经网络组成的深度学习框架。本发明实施例通过深度学习模型进行测距结果校准并给出校准结果的置信度，对难以正确校准的距离给出较低的置信度，降低了不可靠预测结果导致系统严重误差的概率。

技术领域

本发明实施例涉及深度学习和模式识别领域，尤其涉及一种非视距场景下的距离校准方法、装置及设备。

背景技术

由于室内环境复杂，存在非视距传输和多径传输的影响，基于电磁波传播时间的测距算法不够准确。

目前，已经有一些使用传统机器学习算法进行室内测距矫正的工作。但是，这些传统的机器学习算法效果不好，首先，它们缺乏足够的模型容量和泛化能力，无法提供足够准确的基于环境信息预测真实距离；其次，由于模型自身的限制，无法给出该预测的置信度。在很多对精度要求高、鲁棒性要求高的室内定位应用中，传统的机器学习算法既不能满足其精度要求，而且输出结果也缺乏足够的可靠性。室内复杂的环境，使得采集足够的在各种可能的环境下的数据是几乎不可能的，这就导致传统机器学习模型必须在各种从未见过的场景下给出预测，当这种新场景的统计分布与模型训练数据的统计分布不同时，模型会给出非常不合理的预测结果。

如何克服非视距传输和多径传输的影响，准确的进行测距是目前亟待解决的问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种非视距场景下的距离校准方法、装置及设备。

第一方面，本发明实施例提供一种非视距场景下的距离校准方法，包括：

获取第一目标点与第二目标点之间超宽带射频测距的第一原始距离及第一信道冲击响应波形；

将所述第一原始距离及第一信道冲击响应波形，输入训练好的深度学习模型，获得所述第一目标点与第二目标点之间的距离校准结果和置信度；

其中，所述训练好的深度学习模型为变分自编码机和概率神经网络组成的深度学习框架。

第二方面，本发明实施例提供一种非视距场景下的距离校准装置，包括：

参数获取模块，用于获取第一目标点与第二目标点之间超宽带射频测距的第一原始距离及第一信道冲击响应波形；以及

距离校准模块，用于将所述第一原始距离及第一信道冲击响应波形，输入训练好的深度学习模型，获得所述第一目标点与第二目标点之间的距离校准结果和置信度；

其中，所述训练好的深度学习模型为变分自编码机和概率神经网络组成的深度学习框架。

第三方面，本发明实施例提供了一种电子设备，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行本发明实施例第一方面所述非视距场景下的距离校准方法及其任一可选实施例所述的方法。

第四方面，提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令执行本发明实施例第一方面所述非视距场景下的距离校准方法及其任一可选实施例的方法。