[发明专利]基于双层字典学习的CSI指纹定位方法、装置及设备

权利要求书

1.一种基于双层字典学习的CSI指纹定位方法，其特征在于，所述方法包括：

在获取到对目标进行定位的指令时，采集所述目标的信道状态信息，作为目标信道状态信息CSI数据；

基于预先训练得到的第一字典学习模型，获取所述目标CSI数据的第一稀疏编码以及区域标签；所述第一字典学习模型，为：

其中，D⁽¹⁾为聚合了子字典的第一字典，Z⁽¹⁾为所述目标CSI数据的第一稀疏编码，n为所述第一字典对应的各区域的个数，D_l为第一字典中属于区域l的子字典，X_l为在区域l中采集的CSI数据Y_l在对应子字典D_l上的稀疏编码，α,τ为常量参数，为字典原子约束项，f(D_l)为非相干促进项，用于增强属于不同区域的CSI数据之间的区分度；

其中，所述第一字典学习模型用于基于最小化重构误差原则进行CSI数据所属区域的判别，且为利用多个样本CSI数据和每个样本CSI数据的位置标签训练得到的稀疏编码模型；

基于预先训练得到的第二字典学习模型和所述区域标签，获取所述第一稀疏编码的第二稀疏编码，并利用所述第二字典学习模型中的分类器，获取所述第二稀疏编码的位置标签，作为所述目标的位置标签；所述第二字典学习模型，为：

其中，Z⁽²⁾为CSI数据的第二稀疏编码，U,b均为分类器参数，λ₁和λ₂是两个常量参数，为字典原子局部约束项，D⁽²⁾为第二字典，为支持向量判别项，用于区分属于不同位置标签的稀疏编码，u_c是与所述支持向量判别项所代表的支持向量的第c类超平面相关联的法向量，b_c是与所述支持向量对应的偏差；

其中，所述第二字典学习模型用于基于字典原子局部约束项增强所述第二稀疏编码的区分度，且为利用多个样本CSI数据的第一稀疏编码和每个样本CSI数据的位置标签训练得到的稀疏编码模型；所述分类器用于按照稀疏编码的位置标签的不同进行分类。

2.根据权利要求1所述的方法，其特征在于，所述第一字典学习模型，采用如下步骤训练得到：

基于所述多个样本CSI数据以及每个样本CSI数据的位置标签，获取样本数据；

将所述样本数据，字典学习模型的规格，以及字典学习模型的初始参数，输入第一字典学习模型的目标函数，对所述第一字典学习模型的目标函数进行迭代训练：

当所述第一字典学习模型的目标函数收敛时，将所训练的第一字典学习模型的目标函数，作为所述第一字典学习模型；所述收敛包括：迭代次数达到第一迭代阈值，或当前迭代的目标函数与上一次迭代的目标函数之间，输出结果的差异小于第一差异阈值；

当所述第一字典学习模型的目标函数不收敛时，利用所述样本数据，获取更新的第一稀疏编码，并利用所述更新的第一稀疏编码对所训练的第一字典学习模型的目标函数进行更新。

3.根据权利要求1所述的方法，其特征在于，所述第二字典学习模型，采用如下步骤训练得到：

基于所述多个样本CSI数据以及每个样本CSI数据的位置标签，获取样本数据；

将所述样本数据的第一稀疏编码，字典学习模型的规格，以及字典学习模型的初始参数，输入第一字典学习模型的目标函数，对所述第一字典学习模型的目标函数进行迭代训练：

当所述第二字典学习模型的目标函数收敛时，将所训练的第二字典学习模型的目标函数，作为所述第二字典学习模型；所述收敛包括：迭代次数达到第二迭代阈值，或当前迭代的目标函数与上一次迭代的目标函数之间，输出结果的差异小于第二差异阈值；

当所述第二字典学习模型的目标函数不收敛时，利用所述多个样本CSI数据，以及每个样本CSI数据的位置标签的图拉普拉斯矩阵，获取更新的第二稀疏编码，并利用所述更新的第二稀疏编码对所训练的第二字典学习模型的目标函数进行更新。