[发明专利]一种基于神经网络的电磁场分布定位方法

说明书

本发明提出一种基于神经网络的电磁场分布定位方法：在待定位区域依据实际电磁环境中数据采集点的有效电磁场的覆盖半径构建定位神经网络模型，其中该定位神经网络模型包括卷积神经网络和GRNN神经网络两个部分；对数据采集点发出的电磁信号进行数据采样和预处理；利用小波变换对采样数据进行时频特征提取并图像化，然后利用卷积层神经网络和GRNN神经网络对二维图像进行位置基因特征提取，并构造一个基于位置基因的数据库。在线阶段，将采集到的电磁信号数据预处理、小波变换和图像化，把转换后的图像数据输入定位神经网络模型，根据所述定位神经网络模型计算得出与数据库中最接近的电磁信号位置基因信息，将其输入计算程序而判断其位置。

技术领域

本发明属于电磁场检测技术领域，特别涉及一种基于神经网络的电磁场分布定位方法。

背景技术

随着GPS与北斗导航定位系统的广泛应用，在城区和野外的人员车辆定位技术已经相当成熟。但是在GPS与北斗导航定位系统受到干扰、屏蔽的区域或需要定位的人员位于室内且难以接收卫星定位时，确定本身的具体位置是一个新的课题，对这种需要确定位置的研究具有重大的现实意义和应用价值。

已有学者提出了一系列的经典定位方案。其中，《Initial position estimationusing RFID tags：A least-squares approach》中借鉴RFID技术研制了一种标签定位系统，其主要原理为通过部署读卡器读取人员所携带的标签来估计人员的位置，该系统架构原理简单易行，目前相关技术也较为成熟，但是依靠读卡器的位置来估计人员位置为精度较低的区域定位，难以满足在意外事故中的营救对定位精度的要求。

近年来，将人工智能网络引入通过采样和训练实现定位逐步被人们利用，以实现空间内的定位，但现有技术中普遍仅使用单一的卷积神经网络实现定位，例如《一种基于卷积神经元网络的室内定位算法》一文中通过卷积神经网络实现室内定位，然而，卷积神经网络中模型中的BP神经网络结构过于简单，且需要多次迭代以及大量的训练样本，同时，BP神经网络采用降梯度训练方式，导致模型收敛速度慢且易陷入局部最优，影响最终的识别结果。

发明内容

为解决上述技术问题，本发明提出了一种基于电磁场分布的定位方法，该定位方法所在的定位区域原来有一种或多种主动电磁通信系统存在，所述的主动电磁通信系统包含多个具备收发功能的中继站点，这些中继站点能够和地面监控中心无线通信连接；所述的定位方法包括以下步骤：

步骤一、建立定位区域的电磁场分布数据库；

步骤1.1，在定位区域中部署多个数据采样点，相邻数据采集点之间的距离根据待定位区域中的电磁环境、中继站点和数据采集点的有效电磁场的覆盖半径共同确定；每个数据采集点均具有信号收发功能，能够持续发送所收集的电磁信号给地面监控中心；

步骤1.2，完成数据采集点的部署后，各数据采集点对所述的待定位区域中电磁信号执行数据采集，将所采集的数据发送到地面监控中心执行预处理；

步骤1.3，地面监控中心处理接收来自从多个数据采样点接收的定位区域的多点电磁信号分布场，构建定位神经网络模型；所述的定位神经网络包括卷积神经网络和GRNN神经网络两个部分；

步骤1.4，重复步骤1.3，对样本电磁信号数据进行多次采样；

步骤1.5，地面监控中心对回传的电磁场数据执行预处理、小波变换和图像化，在转换后得到的图像数据之间进行线性插值，利用得到的二维图像对所构建定位神经网络中的卷积层神经网络进行训练和初步特征提取，再利用GRNN神经网络进一步提取基于位置基因的特征，并构造一个基于位置基因的数据库；

步骤二、根据电磁信号数据进行在线定位：

步骤2.1、待定位人员携带的电磁场检测终端先对所在位置的电磁场进行采集，把采集的电磁场数据回传到地面监控中心，