[发明专利]非直达超宽带信号识别与误差消除方法及装置、存储介质

说明书

本发明实施例公开一种非直达超宽带信号识别与误差消除方法及装置、存储介质，其中方法包括如下步骤：采集超宽带样本信号，根据样本信号和样本信号的特征参数进行模型训练得到信号识别模型和误差消除模型，再基于训练所得的模型识别待检测信号是直达信号还是非直达信号，然后对非直达信号进行误差消除。采用本发明，可以提高超宽带信号定位的效率和定位精度，在模型训练过程中，通过参数调整，可以使模型适应两类训练数据不平衡的情况，同时算法具有良好的扩展性和适应能力，可以解决大规模数据集的训练预测问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种非直达超宽带信号识别与误差消除方法及装置、存储介质。

背景技术

位置信息在当今社会扮演着越来越重要的基石作用。对于无人系统，精准的位置信息扮演着“眼睛”的角色，确保无人系统的可靠性和安全性；对于万物互联的今天，越来越多的数据信息可以借助传感器，物联网等手段获得，如果失去了位置信息这个重要的标签，某些数据将失去意义。在过去的几十年间，卫星导航取得了广泛的应用，在许多领域起着至关重要的作用。但是，不可避免的是，当处于诸如山谷，森林，或是商场等非开阔环境时，卫星导航等可靠性和可用性大大下降，难以有效定位。超宽带(Ultra-wide Bandwidth,UWB)信号以其优越的抗干扰性能、极高的多径分辨率以及高测量精度，越来越受到人们的关注，是一种对卫星导航系统的有力补充。

利用卫星进行定位时，由卫星发出的导航信号基本不受阻挡而直达用户接收机，通过对导航信号的传播时延进行测量和计算，得到的距离就是用户接收机与发出导航信号的卫星之间的实际直线距离。但是在超宽带定位中，受到应用环境的影响(如室内)，信标发射点与目标接收点可能会存在阻挡(如室内墙壁阻挡)。因此，当信标发射点发出的超宽带信号因受阻挡不能直达目标接收点时，超宽带信号的传播特性发生了改变。例如，该信号经过墙壁的传播时延特性与在空气中传播的时延特性明显不同。这里，将这种信号称之为非直达超宽带信号，而由信标发射点到目标接收点传播不受阻挡的超宽带信号称之为直达超宽带信号。显然，在超宽带定位中，在直达超宽带信号与非直达超宽带信号共存的情况下，如果不加辨别而直接利用非直达超宽带信号进行距离计算和定位，显然会造成明显的定位误差，直接影响定位精度。

在非直达超宽带信号识别方面，传统方法需要对信道特征进行建模，这种方法难度较大且普适性不强。随着机器学习技术的发展，使用机器学习技术进行识别和误差消除成为了一种新的思路和发展趋势，并且已经展现出了良好的优越性。由于现实环境复杂多变，因此需要提出一种通用性强，易于实现的可靠方法，无论是针对平衡数据集还是不平衡数据集，都能具有良好的表现。

发明内容

本发明实施例提供一种非直达超宽带信号识别与误差消除方法及装置、存储介质，通过识别直达和非直达信息，并对非直达信息的误差进行修正，可以提高超宽带信号定位的精度。

本发明实施例第一方面提供了一种非直达超宽带信号识别与误差消除方法，可包括：

基于预设多个信标点和测试目标点采集超宽带样本信号，超宽带样本信号包括直达超宽带样本信号和非直达超宽带样本信号；

采用超宽带样本信号的信号特征参数构建训练数据集；

基于训练数据集训练信号分类模型和误差消除模型；

根据信号分类模型识别所输入的待检测信号的信号类型，并基于误差消除模型对识别出的非直达超宽带信号进行误差消除。

进一步的，上述方法还包括：

对超宽带样本信号的进行标签标定，标签标定包括基于信号类型的类型标定和基于测试点与目标点之间的实际距离的距离标定。

进一步的，上述基于训练数据集训练信号分类模型和误差消除模型，包括：

采用类型标定的类型标签和信号特征参数作为分类训练数据，训练信号分类模型；