[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

说明书

该发明涉及无线通信领域技术领域，尤其涉及一种基于CIR峰值偏移和复值深层神经网络的无线定位方法。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；本技术方案用以解决现有无线定位技术在无线定位的过程中，使用存在较大局限性的问题，以及定位精度较低的问题。

技术领域

该发明涉及无线通信领域技术领域，尤其涉及一种基于CIR峰值偏移和复值深层神经网络的无线定位方法。

背景技术

常用的卫星的定位系统(如GPS)，因传播环境限制了定位系统的覆盖范围和精度。基于无处不在的无线信号(如蓝牙、雷达、射频识别(RFID)、超宽带(UWB)、红外、可见光、声音、地磁场等)，室外和室内无线定位已广泛应用于室外和室内导航、地下采矿、工厂自动化、无线传感器网络等。由于WiFi系统的普及和广泛应用，已经有相关的发明提供了基于WIFI的定位方案。但是，较多的研究是基于测距的定位协议和接收信号强度(RSS)实现定位，或者通过位置指纹技术(fingerprintingsystem)计算测量目标设备和参考点的欧几里德距离来实现定位。

中国专利CN113015093A公开了《一种基于三维深度残差神经网络的室内无线定位方法》，在离线阶段构建室内无线信道状态信息(ChannelStateInformation,CSI)地图，通过构建三维深度残差神经网络模型提取出CSI特征，实现在线的室内无线定位。

中国专利CN113207089A公开了《基于CSI与众包迁移自校准更新的位置指纹定位方法》，利用一种众包系统，包括众包参与者、中央服务器和用户。众包参与者将各自的位置信息和CSI数据发送到中央服务器，频繁地更新有位置标签的位置指纹；中央服务器通过基于深度迁移学习的算法重建指纹与位置之间的关系，更新位置指纹库和定位模型，于在线测试阶段向中央服务器发送包括当前的CSI测量值作为网络输入训练，实现位置定位。

中国专利CN112911500A公开了《一种基于多源数据融合的高精度室内定位方法》，对定位基站进行天线延迟校正，使用UWB定位测距数据接收设备采集TOF报文数据；通过信道估计将测距数据进行NLOS特征识别，采用EKF算法进行重构处理；将处理后的TOF测距数据与信号强度进行融合，获得一级融合数据，再通过相应的数据融合规则与通过估计器获取二级融合数据，从而解算出最佳匹配坐标信息。

中国专利CN112867021A公开了《基于改进型TrAdaBoost的迁移学习室内定位方法》，将原始场景作为源域，将新场景定义为目标域，利用One-Hot算法对CSI幅度进行编码、One-vs-Rest算法对幅度进行交叉匹配、TrAdaBoost算法调整源域和目标域数据的权值，训练出最终的多分类器，通过置信回归估计测试点的位置。

无线信号传输过程中的多路径效应和无处不在的噪声降低了无线定位方法的精度和稳定性。现有技术在无线定位的过程中，需要事先采集位置区域的相关数据(比如位置指纹、场景模型等)，当应用场景发生变化，又需重复采集位置区域的数据进行训练，运行效率较低，技术本身也存在较大的局限性。

发明内容

针对上述技术的不足，本发明的目的在于提供一种基于CIR峰值偏移和复值深层神经网络的无线定位方法，用以解决现有无线定位技术在无线定位的过程中，使用存在较大局限性的问题，以及定位精度较低的问题。

为了达到上述目的，本发明采取的技术方案如下：

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，包括如下步骤：