本技術(shù)涉及盲源分離信號(hào)處理，更具體地，涉及一種基于盲源信號(hào)分離技術(shù)的定位方法及系統(tǒng)。

背景技術(shù)：

1、我國(guó)現(xiàn)代化供應(yīng)鏈產(chǎn)業(yè)發(fā)展迅速，物流倉(cāng)儲(chǔ)技術(shù)逐步向自動(dòng)化、智能化方向快速發(fā)展，如何高效地對(duì)海量的倉(cāng)儲(chǔ)物品物理位置進(jìn)行快速查找和精確定位，就成為了影響倉(cāng)儲(chǔ)庫房效率的重要因素之一。隨著新型電力系統(tǒng)建設(shè)的推進(jìn)，電力公司對(duì)海量電能表、采集終端、集中器等貼加rfid標(biāo)簽，并通過rfid讀寫識(shí)別技術(shù)，對(duì)出入庫的電力物資進(jìn)行身份識(shí)別和管理，解決了電力物資的資產(chǎn)盤點(diǎn)及校核管理難題。但該技術(shù)不具備物資的甄別和精確定位能力，無法解決電力物資在出入庫時(shí)的精確揀選要求，限制了自動(dòng)化倉(cāng)儲(chǔ)的應(yīng)用效能。uwb等技術(shù)也通常應(yīng)用于室內(nèi)定位，但該類技術(shù)有源終端且需主站支持，成本較高，不利于大規(guī)模應(yīng)用。

2、在現(xiàn)代科技的發(fā)展中，對(duì)三維空間中目標(biāo)的定位精度和可靠性要求越來越高。例如，在室內(nèi)定位、虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、無人機(jī)導(dǎo)航、機(jī)器人自主定位等領(lǐng)域，準(zhǔn)確獲取目標(biāo)在三維空間中的位置信息至關(guān)重要。傳統(tǒng)的定位方法可能受到多種因素的限制，如信號(hào)干擾、多徑傳播、環(huán)境復(fù)雜性等，因此需要新的技術(shù)手段來提高定位性能。

3、現(xiàn)有技術(shù)如專利號(hào)為“cn109143164a”的中國(guó)專利公開了基于高斯過程回歸的無線信號(hào)源定位方法。該發(fā)明包括部署無線信號(hào)探測(cè)器，所有無線信號(hào)探測(cè)器的位置信息形成矩陣x；各無線信號(hào)探測(cè)器采集得到接收信號(hào)強(qiáng)度信息，并互相交換信息，所有接收信號(hào)強(qiáng)度信息形成向量r；矩陣x和向量r形成訓(xùn)練集，建立高斯過程回歸模型，并根據(jù)訓(xùn)練集求解高斯過程回歸模型中的超參數(shù)，得到建立好的高斯過程回歸模型；采用建立好的高斯過程回歸模型對(duì)新的位置處的接收信號(hào)強(qiáng)度信息進(jìn)行預(yù)測(cè)，完成整個(gè)關(guān)注區(qū)域的接收信號(hào)強(qiáng)度分布的預(yù)測(cè)，得到信號(hào)發(fā)射源位置。本發(fā)明適用于定位信號(hào)發(fā)射源位置。

4、上述現(xiàn)有技術(shù)存在的問題是，高斯過程回歸基于一些特定的假設(shè)，如信號(hào)強(qiáng)度與位置之間的關(guān)系符合特定的概率分布。然而，在實(shí)際環(huán)境中，這種假設(shè)可能并不完全成立，尤其是在復(fù)雜的室內(nèi)或多徑傳播嚴(yán)重的環(huán)境中，信號(hào)的傳播特性可能更加復(fù)雜多變，導(dǎo)致模型的預(yù)測(cè)能力下降。并且隨著無線信號(hào)探測(cè)器數(shù)量的增加或關(guān)注區(qū)域的擴(kuò)大，模型的復(fù)雜度會(huì)進(jìn)一步增加，可能導(dǎo)致計(jì)算資源和存儲(chǔ)需求的急劇上升，限制了方法在大規(guī)模場(chǎng)景中的應(yīng)用。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明提出了一種基于盲源信號(hào)分離技術(shù)的定位方法及系統(tǒng)。

2、本發(fā)明技術(shù)方案如下：

3、本發(fā)明提出一種基于盲源信號(hào)分離技術(shù)的定位方法，包括以下步驟：

4、步驟s1，采集各測(cè)量點(diǎn)盲源信號(hào)，構(gòu)建檢測(cè)矩陣；

5、步驟s2，對(duì)檢測(cè)矩陣進(jìn)行預(yù)處理，包括中心化和白化處理；

6、步驟s3，對(duì)經(jīng)過預(yù)處理的檢測(cè)矩陣進(jìn)行自然梯度下降操作，計(jì)算梯度矩陣，并通過梯度矩陣實(shí)現(xiàn)射頻分離；

7、步驟s4，利用射頻空間衰減模型計(jì)算射頻分離后的盲源信號(hào)節(jié)點(diǎn)與測(cè)量點(diǎn)的距離；

8、步驟s5，根據(jù)空間分布概率模型及盲源信號(hào)節(jié)點(diǎn)與測(cè)量點(diǎn)的距離計(jì)算出盲源信號(hào)空間坐標(biāo)。

9、作為優(yōu)選實(shí)施方式，所述采集各測(cè)量點(diǎn)盲源信號(hào)，構(gòu)建檢測(cè)矩陣的步驟中，檢測(cè)矩陣具體表示為：

10、

11、式中：為第m個(gè)測(cè)量點(diǎn)檢測(cè)到的信號(hào)；xm，n第m個(gè)測(cè)量點(diǎn)檢測(cè)到的第n個(gè)信號(hào)。

12、作為優(yōu)選實(shí)施方式，所述對(duì)檢測(cè)矩陣進(jìn)行預(yù)處理，包括中心化和白化處理；具體包含以下過程：

13、中心化檢測(cè)矩陣具體公式如下：

14、

15、式中：xi，j表示第i行第j列的元素；xc為中心化處理后的檢測(cè)矩陣；

16、對(duì)中心化后的檢測(cè)矩陣進(jìn)行白化處理，具體公式如下：

17、xw＝wwhitening*xc

18、式中：wwhitening為白化矩陣。

19、作為優(yōu)選實(shí)施方式，所述對(duì)經(jīng)過預(yù)處理的檢測(cè)矩陣進(jìn)行自然梯度下降操作，計(jì)算梯度矩陣，并通過梯度矩陣實(shí)現(xiàn)射頻分離，具體包含以下步驟：

20、初始化梯度矩陣，具體公式如下：

21、w＝rand()

22、式中，rand()為生成隨機(jī)矩陣；

23、對(duì)初始化梯度矩陣進(jìn)行去相關(guān)操作，具體公式如下：

24、

25、根據(jù)預(yù)處理后的檢測(cè)矩陣更新梯度矩陣，具體公式如下：

26、

27、式中：s＝w*xw；xw為預(yù)處理后的檢測(cè)矩陣；為xw的轉(zhuǎn)置矩陣；g(s)＝tanh(s)為求s的雙曲正切函數(shù)；g′(s)＝1-g2(s)為一階導(dǎo)數(shù)函數(shù)；

28、wnew為更新后的梯度矩陣；

29、對(duì)更新后的梯度矩陣進(jìn)行去相關(guān)操作，具體公式如下：

30、

31、檢查梯度矩陣差范數(shù)是否收斂，具體公式如下：

32、

33、式中，p，q為w矩陣元素，w為h×h階矩陣，q，p∈h；若梯度矩陣差范數(shù)不趨近于0，表示不收斂，則重復(fù)更新梯度矩陣步驟；若梯度矩陣差范數(shù)趨近于0，表示為收斂則退出循環(huán)；

34、射頻信號(hào)分離環(huán)節(jié)，通過梯度矩陣差范數(shù)已收斂的梯度矩陣進(jìn)行射頻分離，分離后的信號(hào)矩陣具體計(jì)算公式如下：

35、

36、式中，y為分離后的信號(hào)矩陣；為梯度矩陣的轉(zhuǎn)置矩陣。

37、作為優(yōu)選實(shí)施方式，所述利用射頻空間衰減模型計(jì)算射頻分離后的盲源信號(hào)節(jié)點(diǎn)與測(cè)量點(diǎn)的距離，具體計(jì)算公式如下：

38、

39、其中：

40、rm，n＝coefm*ym,n

41、式中，rm,n為測(cè)量點(diǎn)m接收到信號(hào)源n的信號(hào)傳輸損耗；ym,n為測(cè)量點(diǎn)m射頻信號(hào)分離出的信號(hào)源n的信號(hào)傳輸損耗；coefm為測(cè)量點(diǎn)m的信號(hào)量化系數(shù)；mn為信號(hào)源n的射頻頻率。

42、作為優(yōu)選實(shí)施方式，所述根據(jù)空間分布概率模型及盲源信號(hào)節(jié)點(diǎn)與測(cè)量點(diǎn)的距離計(jì)算出盲源信號(hào)空間坐標(biāo)；包含以下步驟：

43、計(jì)算以測(cè)量點(diǎn)m為球心，半徑為dm,n+delta的分布空間函數(shù)：

44、spm(delta)＝sphere(posm，dm，n+delta)

45、式中，sphere(posm，dm，n+delta)為求以posm中心、dm，n+delta為半徑的空間球體坐標(biāo)；posm為測(cè)量點(diǎn)m空間坐標(biāo)；delta為位移變化量；

46、計(jì)算m個(gè)分布空間的空間重疊數(shù)函數(shù)：

47、s(delta)＝mutex(sp1，…，spm)

48、式中，mutex(sp1，…，spm)為求sp1，…，spm空間重疊數(shù)量；delta為位移變化量；

49、求解分布空間損失函數(shù)最小值：

50、

51、式中，為分布空間損失函數(shù)；

52、計(jì)算盲源信號(hào)定位坐標(biāo)：

53、tarpos＝crd(posm，dm，n+deltamin)

54、式中，crd(posm，dm，n+delta)為根據(jù)m個(gè)測(cè)量點(diǎn)坐標(biāo)和與對(duì)應(yīng)信號(hào)源n的距離dm,n+deltamin，計(jì)算盲源信號(hào)的空間坐標(biāo)。

55、另一方面，本發(fā)明還提供一種基于盲源信號(hào)分離技術(shù)的定位系統(tǒng)，包括：

56、檢測(cè)矩陣構(gòu)建模塊，采集各測(cè)量點(diǎn)盲源信號(hào)，構(gòu)建檢測(cè)矩陣；

57、預(yù)處理模塊，對(duì)檢測(cè)矩陣進(jìn)行預(yù)處理，包括中心化和白化處理；

58、射頻分離模塊，對(duì)經(jīng)過預(yù)處理的檢測(cè)矩陣進(jìn)行自然梯度下降操作，計(jì)算梯度矩陣，并通過梯度矩陣實(shí)現(xiàn)射頻分離；

59、距離計(jì)算模塊，利用射頻空間衰減模型計(jì)算射頻分離后的盲源信號(hào)節(jié)點(diǎn)與測(cè)量點(diǎn)的距離；

60、三維定位模塊，根據(jù)空間分布概率模型及盲源信號(hào)節(jié)點(diǎn)與測(cè)量點(diǎn)的距離計(jì)算出盲源信號(hào)空間坐標(biāo)。

61、作為優(yōu)選實(shí)施方式，所述檢測(cè)矩陣構(gòu)建模塊，采集各測(cè)量點(diǎn)盲源信號(hào)，構(gòu)建檢測(cè)矩陣：檢測(cè)矩陣具體表示為：

62、

63、式中：為第m個(gè)測(cè)量點(diǎn)檢測(cè)到的信號(hào)；xm,n第m個(gè)測(cè)量點(diǎn)檢測(cè)到的第n個(gè)信號(hào)。

64、再一方面，本發(fā)明還提供一種電子設(shè)備，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明任一實(shí)施例所述的一種基于盲源信號(hào)分離技術(shù)的定位方法。

65、再一方面，本發(fā)明還提供一種計(jì)算機(jī)可讀介質(zhì)，用于存儲(chǔ)一個(gè)或者多個(gè)程序，當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)如本發(fā)明任一實(shí)施例所述的一種基于盲源信號(hào)分離技術(shù)的定位方法。

66、本發(fā)明具有如下有益效果：

67、1.測(cè)量點(diǎn)布置簡(jiǎn)單方便，布置多個(gè)測(cè)量點(diǎn)，提供了更豐富的信號(hào)特征來源。通過構(gòu)建檢測(cè)矩陣，可以綜合考慮不同位置的信號(hào)特性，為后續(xù)的處理和分析提供更全面的基礎(chǔ)，適合大規(guī)模推廣應(yīng)用。

68、2.在射頻分離問題中，信號(hào)往往具有高維度和復(fù)雜的相關(guān)性，自然梯度下降算法可以更有效地找到最優(yōu)解，實(shí)現(xiàn)更準(zhǔn)確的射頻分離；通過結(jié)合射頻分離后的信號(hào)，可以排除其他干擾信號(hào)的影響，更準(zhǔn)確地確定盲源信號(hào)節(jié)點(diǎn)的位置。

69、3.射頻空間衰減模型考慮了信號(hào)在空間中的傳播特性，能夠更準(zhǔn)確地估計(jì)信號(hào)源與測(cè)量點(diǎn)之間的距離。

70、4.空間分布概率模型考慮了信號(hào)在空間中的分布規(guī)律，能夠更準(zhǔn)確地估計(jì)信號(hào)源的位置。相比一些基于幾何方法的定位技術(shù)，該模型能夠更好地適應(yīng)信號(hào)的不確定性和復(fù)雜性，提高坐標(biāo)計(jì)算的精度。