[发明专利]一种基于CIR峰值偏移和复值深层神经网络的无线定位方法

权利要求书

1.一种基于CIR峰值偏移和复值深层神经网络的无线定位方法，其特征在于，包括如下步骤：

S1，采用MonteCarlo方法模拟WIFI信号的反射和折射，生成CSI数据集；

S2，通过傅立叶逆变换将生成的CSI转换为CIR；

S3，将CIR的幅度和相位归一化；

S4，将归一化的训练集用于cvDNN训练，获取离线状态下深度神经网络(DNN)的模型、权重和偏置；

S5，采用WIFI信号探测器检测目标设备与WIFI设备通信的数据包；

S6，从数据包中提取目标设备的CSI信息；

S7，将目标设备的CSI转换为CIR；

S8，计算底板噪声，对CIR进行滤波处理，并对CIR峰值位置标记为索引；

S9，以CIR峰值中心点分别提取CIR峰值包络的两个旁瓣，将低于CIR峰值中心点幅度值的1％的数据点置0；

S10，对滤波后的CIR进行幅度和相位归一化，将峰值中心点偏移到索引位置；

S11，将归一化的CIR作为训练后的cvDNN网络的输入，通过DNN预测目标设备的TOA；

S12，基于未知目标设备到达多个探测器的到时差，获取目标设备的位置，实现目标设备的定位。

2.根据权利要求1所述的一种基于CIR峰值偏移和复值深层神经网络的无线定位方法，其特征在于，所述步骤S2中，将CSI转换为CIR的傅立叶逆变换函数为：

CIR＝IFFT(CFR*W)

其中，W是采样宽度，CFR为接收端的信道频率响应，IFFT表示傅里叶逆变换。

3.根据权利要求1所述的一种基于CIR峰值偏移和复值深层神经网络的无线定位方法，其特征在于，所述步骤S3中，CIR的幅度和相位归一化函数为：

CIR_norm[N]＝CIR[N]/max(CIR[N])

式中，CIR_norm[N]为第N个CIR点的归一化值，CIR[N]表示第N个CIR点的值，max(CIR[N])表示整个CIR序列的最大值。

4.根据权利要求1所述的一种基于CIR峰值偏移和复值深层神经网络的无线定位方法，其特征在于，所述步骤S4中，权重与偏置的关系式为：

y＝f(x；W，b)＝f⁽¹⁾(f⁽²⁾(f⁽³⁾(…f^(L)(x))))

其中，L，W和b分别代表神经网络的层数、权重和偏移值。

5.根据权利要求1所述的一种基于CIR峰值偏移和复值深层神经网络的无线定位方法，其特征在于，所述步骤S8中，噪声底板阈值的计算函数为：

式中，Anoise表示噪声底板的阈值，Asignal_max表示CIR的最大值。

6.根据权利要求1所述的一种基于CIR峰值偏移和复值深层神经网络的无线定位方法，其特征在于，所述步骤S4中，所述cvDNN的网络结构含有6个隐含层，6个所述隐含层由复值层和实数层构成，其中复值层的数量为3个，且每一层有256个神经元。

7.一种用于执行如权利要求1所述无线定位方法的无线定位系统，其特征在于，该无线定位系统运行与WASP系统中，包括：

无线接入点，包括多个用于发射和接收WIFI信号的天线，实现WIFI信号的传输和接收；

若干无线探测器，用于监控WiFi网络流量和设备通信；

目标设备，目标设备向AP发送WiFi数据包；

无线定位终端，计算目标设备的TDOA，从而解算目标设备的位置。