[发明专利]一种基于PQ和CNN的快速指纹定位方法

说明书

本发明公开了一种基于PQ和CNN的快速指纹定位方法，首先，设计出用于后续指纹匹配的ADCPM指纹矩阵。当指纹数据库规模较小时，采用基于PQ的快速定位算法计算指纹对应的物理位置。当指纹数据库规模较大时，采用基于CNN的快速定位算法得到的输出即为待定位向量的二维坐标。本发明既有利于提高大规模指纹数据库下的在线定位速度，又能保持较高的定位精度。

技术领域

本发明涉及一种基于PQ和CNN的快速指纹定位方法，属于信号与信息处理技术领域。

背景技术

随着城市化水平的提高以及人类活动范围的不断加大，基于位置的服务(Location-Based Service,LBS)应用越来越广泛。特别是近年来，移动互联网和物联网应用的高速发展，生活中，人们习惯性的通过LBS来寻找餐厅、旅游景点、公交站点等等；在生命救援、交通等领域LBS也发挥着至关重要的作用。较为成熟的LBS技术是以军事应用为目的而起源的全球定位系统(Clobal Positioning System,GPS)技术，但是GPS受到环境噪声、多径干扰、非视距路径等影响，不仅定位精度低且消耗功率大。基于无线网络的传统定位方式通常假设无线信号沿着视距(Line-of-Sight,LOS)传播，然后通过接收信号能量(Receiving Signal Strength,RSS)，到达角度(Angle ofArrival,AOA)和到达时间(TimeofArrival,TOA)的测量值由多个基站(Base Station,BS)进行定位。但随着城市化的迅速发展，高楼林立，人们日常所处的环境大多较为复杂，无线信号的传播路径是非视距(NoneLine-of-Sight,NLOS)的，定位性能大大降低，而多个基站的协作将带来额外的负载和延时，影响定位性能。

为了克服传统的无线定位技术的局限性，指纹定位技术因其算法简单而且可以有效利用多径信息，得到了广泛的研究。通常采用的指纹类型有两种，一种是将接收信号的强度RSS作为指纹，另一种是将移动终端到BS之间的多径特征作为指纹，如AOA、信道冲激响应CIR、信道状态信息CSI和功率延迟分布PDP。目前，基于移动终端的指纹定位方法的研究主要集中在定位准确性的改进方面，然而在目标定位区域变大、网格划分更密集的情况下，指纹数据库规模将急剧扩大，在线定位的时间成本过大，对这一问题的研究还较为有限。

发明内容

发明目的：为了克服现有指纹定位方法中存在的在线定位时间复杂度过高的问题，本发明提供了一种基于PQ和CNN的快速指纹定位方法，根据指纹库规模选择PQ算法或者CNN算法进行快速定位，从而实现更加高效快速的在线阶段指纹定位。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于PQ和CNN的快速指纹定位方法，首先，设计出用于后续指纹匹配的ADCPM指纹矩阵。当指纹数据库规模较小时，采用基于PQ的快速定位算法：将高维的ADCPM指纹划分多个子向量，用不同的量化器对子向量进行量化，建立基于ADCPM指纹的码本；对于待定位的指纹向量，根据建立好的码本搜索并计算指纹对应的物理位置。当指纹数据库规模较大时，采用基于CNN的快速定位算法：将ADCPM指纹重塑为三维形式输入给CAP层，同时对输入矩阵通过零填充的方式保持卷积操作后的矩阵维度与输入矩阵维度一致；再经过变换处理得到中间向量，将中间向量重塑后输入全连接层，得到的输出即为待定位向量的二维坐标。使用本发明提供的方法，相比于传统的指纹定位方法，既有利于提高大规模指纹数据库下的在线定位速度，又能保持较高的定位精度，具体包括以下步骤：

步骤1，构建ADCPM指纹矩阵：第k个用户到基站BS之间的ADCPM指纹矩阵其中，E表示期望，⊙表示哈达玛积，Z_k^*表示角度时延信道响应矩阵，Z_k为第k个用户到BS之间的信道响应矩阵，V∈N_t×N_t为DFT相移PS-DFT矩阵，U∈N_L×N_g为DFT酉矩阵，表示对中的每个元素取共轭后的矩阵，

DFT相移PS-DFT矩阵V满足：