[发明专利]基于CSI的双循环神经网络的船载环境室内定位方法

说明书

一种基于CSI的双循环神经网络的船载环境室内定位方法，包括以下步骤：分别在船舶室内环境和普通室内环境中，采集人行走时的CSI数据；将船舶室内环境CSI数据输入CSI去噪循环神经网络，之后，输入到CSI清洗模块，消除采样时间偏移、载波频率偏移和静态多径的影响，并输入到CSI参数估计模型，得到各路径信道参数；将各路径信道参数输入到基于LSTM的参数匹配循环神经网络中，得到由人反射的信号的路径信道参数，并输入到定位算法模型，得到人的实时位置；在船舶室内环境下，人在行走时，采集CSI数据，将CSI数据按上述步骤处理即可得到人的实时位置。本设计不仅降低了成本，而且提高了定位精度、减少了定位计算量。

技术领域

本发明涉及智能交通的船舶环境室内定位领域，尤其涉及一种基于CSI的双循环神经网络的船载环境室内定位方法，主要适用于在高噪声的船舶动态钢铁环境中，利用低成本的商业WIFI网卡，进行高精度、计算量小的室内人员定位。

背景技术

船舶作为一种重要的水上交通运输工具，其自身安全保障和信息的捕获受到越来越多的关注，人们积极利用各种各样的手段提高船舶自身信息精细化程度，但是舱室众多、结构复杂、金属干扰严重的船载环境给传统位置信息监测手段带来了一系列困境和约束。2020年2月，轰动一时的钻石公主号事件，更是对船舶上人员的定位跟踪、位置管理提出了迫切的要求。目前，无线室内定位方法众多，根据无线信号在室内定位中的应用方式，可将现有定位方法分为基于模型计算的室内定位和基于特征库匹配的室内定位方法。

基于模型计算的室内定位方法主要是根据无线信号传输模型，利用无线链路信号强度，结合部署设备的物理空间信息，构建目标与部署设备之间的测距、测向以及测速模型，进而实现目标位置计算。这类定位方式通常依赖于多径效应较小的理想室内环境，无线信号受噪声影响较大，一般用软件无线电等专用设备获取无线信号，以保证信号的精确性。此外，当应用于船舶室内，往往面临巨大的精度下降，无法在大规模船舶环境下部署使用。

基于特征库匹配的无线室内定位方法核心思想是利用无线信号在不同位置上的空间差异性，将无线信号作为物理位置的特征(或称为“位置指纹”)，通过构建一个目标位置与信号特征关系的定位特征库，以特征识别和匹配的方式实现对目标位置的估计。特征库匹配定位方法所需定位的参考测量节点少，可在非视距路径下工作，降低了定位硬件成本且可保证较高定位精度，但其问题是定位特征库会随环境变化而失效，人工采集定位特征的部署成本和特征库定期更新的维护成本过高，每次采集更新特征库需要耗费巨大的时间、人力，限制了其普适化和规模化应用。

综上所述，尽管目前一些普通室内定位算法已经相当成熟，但是较为复杂的船载环境对这些算法产生了极大的约束作用。

发明内容

本发明的目的是克服现有技术中存在的成本高、定位精度低、定位计算量大的缺陷与问题，提供一种成本低、定位精度高、定位计算量小的基于CSI的双循环神经网络的船载环境室内定位方法。

为实现以上目的，本发明的技术解决方案是：一种基于CSI的双循环神经网络的船载环境室内定位方法，该方法包括离线训练阶段与在线定位阶段；

离线训练阶段包括以下步骤：

A、分别在船舶室内环境和普通室内环境中，在设备部署和人行走路线相同的情况下，采集人行走时的CSI数据；

B、将船舶室内环境下采集的CSI数据输入到基于LSTM的CSI去噪循环神经网络；

C、将去噪后的船舶室内环境CSI数据输入到CSI清洗模块，利用共轭相乘法消除数据中存在的采样时间偏移和载波频率偏移，并使用一个带通滤波器消除静态多径的影响；

D、将步骤C处理后的CSI数据输入到CSI参数估计模型，得到各路径信道参数；

E、将各路径信道参数输入到基于LSTM的参数匹配循环神经网络中；