本發(fā)明屬于復(fù)雜室內(nèi)場(chǎng)景定位、無(wú)線通信，具體為一種自適應(yīng)立體陣列室內(nèi)定位方法及系統(tǒng)。

背景技術(shù)：

1、在6g通信環(huán)境下，高精度室內(nèi)定位的需求愈加顯著。ar/vr應(yīng)用中，用戶需要精準(zhǔn)的位置和環(huán)境信息以實(shí)現(xiàn)無(wú)縫互動(dòng)；工業(yè)環(huán)境里，設(shè)備的精確定位可提升生產(chǎn)效率和安全性；智能家居系統(tǒng)則依賴準(zhǔn)確的用戶定位以提供個(gè)性化服務(wù)。目前基于衛(wèi)星的定位服務(wù)可以完成對(duì)室外環(huán)境的高精度定位，但由于缺乏衛(wèi)星定位系統(tǒng)信號(hào)，室內(nèi)定位的精度仍需進(jìn)一步提高。指紋定位最近因其良好的性能而受到關(guān)注，如射頻識(shí)別、zigbee、藍(lán)牙、wifi等。由于wifi指紋基礎(chǔ)設(shè)施和用戶設(shè)備的成本相對(duì)較低已成為室內(nèi)定位研究的熱點(diǎn)，但wifi指紋定位受復(fù)雜室內(nèi)環(huán)境干擾定位精度仍需提高。

技術(shù)實(shí)現(xiàn)思路

1、發(fā)明目的：為解決現(xiàn)有室內(nèi)定位方法受復(fù)雜室內(nèi)環(huán)境干擾導(dǎo)致的定位精度低的問(wèn)題，本發(fā)明提出了一種自適應(yīng)立體陣列室內(nèi)定位方法及系統(tǒng)，充分考慮室內(nèi)環(huán)境的變化和定位環(huán)境的適配性，有效解決了高頻人員流動(dòng)和多重區(qū)域相似性帶來(lái)的定位難題。

2、技術(shù)方案：一種自適應(yīng)立體陣列室內(nèi)定位方法，包括以下步驟：

3、將待定位室內(nèi)區(qū)域劃分成若干正方形子區(qū)域，采集每個(gè)正方形子區(qū)域的環(huán)境數(shù)據(jù)；所述環(huán)境數(shù)據(jù)包括信號(hào)強(qiáng)度rssi數(shù)據(jù)和光強(qiáng)數(shù)據(jù)；

4、對(duì)采集到的環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，并構(gòu)建訓(xùn)練集、驗(yàn)證集和測(cè)試集；

5、采用訓(xùn)練集對(duì)搭建的lo_res網(wǎng)絡(luò)進(jìn)行訓(xùn)練，每次訓(xùn)練結(jié)束后，采用驗(yàn)證集檢測(cè)此次訓(xùn)練后lo_res網(wǎng)絡(luò)的定位精度，采用測(cè)試集對(duì)定位精度達(dá)標(biāo)的訓(xùn)練后的lo_res網(wǎng)絡(luò)進(jìn)行測(cè)試，最終得到室內(nèi)定位網(wǎng)絡(luò)；

6、室內(nèi)定位網(wǎng)絡(luò)通過(guò)獲取環(huán)境數(shù)據(jù)，確定自身所在的正方形子區(qū)域；

7、所述lo_res網(wǎng)絡(luò)包括：第一卷積層、第一殘差網(wǎng)絡(luò)塊、第二殘差網(wǎng)絡(luò)塊、第三殘差網(wǎng)絡(luò)塊和全連接層；所述第一卷積層的輸出輸入至第一殘差網(wǎng)絡(luò)塊，第一殘差網(wǎng)絡(luò)塊的輸入與其輸出進(jìn)行通道上的相加輸入至第二殘差網(wǎng)絡(luò)塊，第二殘差網(wǎng)絡(luò)塊的輸入與其輸出進(jìn)行通道上的相加輸入至第三殘差網(wǎng)絡(luò)塊，第三殘差網(wǎng)絡(luò)塊的輸出經(jīng)過(guò)一個(gè)全局平均池化后連接全連接層，由全連接層輸出所在的正方形子區(qū)域的對(duì)應(yīng)概率值，取概率值最大的正方形子區(qū)域的中心坐標(biāo)作為最終推測(cè)的位置信息；

8、每個(gè)殘差網(wǎng)絡(luò)塊均由依次連接的第二卷積層、第一批量規(guī)范化層、激活層、第三卷積層和第二批量規(guī)范化層構(gòu)成。

9、進(jìn)一步的，所述的將待定位室內(nèi)區(qū)域劃分成若干正方形子區(qū)域，采集每個(gè)正方形子區(qū)域的環(huán)境數(shù)據(jù)；所述環(huán)境數(shù)據(jù)包括信號(hào)強(qiáng)度rssi數(shù)據(jù)和光強(qiáng)數(shù)據(jù)，能替換為以下步驟：

10、將待定位室內(nèi)區(qū)域劃分成若干正方形子區(qū)域，將全天24小時(shí)劃分成多個(gè)采集時(shí)段；在每個(gè)采集時(shí)段，采集每個(gè)正方形子區(qū)域?qū)?yīng)的環(huán)境數(shù)據(jù)。

11、進(jìn)一步的，所述的在每個(gè)采集時(shí)段，采集每個(gè)正方形子區(qū)域?qū)?yīng)的環(huán)境數(shù)據(jù)，具體包括：

12、根據(jù)每個(gè)采集時(shí)段的環(huán)境特征，調(diào)整信號(hào)強(qiáng)度rssi數(shù)據(jù)和光強(qiáng)數(shù)據(jù)在環(huán)境數(shù)據(jù)中的參與比例，得到每個(gè)正方形子區(qū)域?qū)?yīng)的環(huán)境數(shù)據(jù)。

13、進(jìn)一步的，所述的對(duì)采集到的環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，具體操作包括：

14、將信號(hào)強(qiáng)度rssi數(shù)據(jù)組合成一圖像數(shù)據(jù)，并對(duì)該圖像數(shù)據(jù)進(jìn)行歸一化處理；

15、將光強(qiáng)數(shù)據(jù)組合成另一圖像數(shù)據(jù)，并對(duì)該圖像數(shù)據(jù)進(jìn)行歸一化處理。

16、進(jìn)一步的，在lo_res網(wǎng)絡(luò)中，第一卷積層的輸入數(shù)據(jù)表示為：，其中，表示輸入的圖像數(shù)據(jù)，2表示輸入的圖像數(shù)據(jù)的通道數(shù)，1表示圖片格式為灰度的格式。

17、進(jìn)一步的，所述第一卷積層為卷積核的大小為2×2、卷積核個(gè)數(shù)為6、步幅為1、填充為0的卷積層。

18、進(jìn)一步的，所述第二卷積層和第三卷積層均為卷積核大小1×1、卷積核個(gè)數(shù)為24、步幅為0，填充為0的卷積層。

19、本發(fā)明還公開(kāi)了一種自適應(yīng)立體陣列室內(nèi)定位系統(tǒng)，包括：

20、立體陣列，用于獲取環(huán)境數(shù)據(jù)，將環(huán)境數(shù)據(jù)輸入至室內(nèi)定位網(wǎng)絡(luò)，得到自身所在的位置信息；

21、所述室內(nèi)定位網(wǎng)絡(luò)按照以下步驟訓(xùn)練得到：

22、將待定位室內(nèi)區(qū)域劃分成若干正方形子區(qū)域，采集每個(gè)正方形子區(qū)域的環(huán)境數(shù)據(jù)；所述環(huán)境數(shù)據(jù)包括信號(hào)強(qiáng)度rssi數(shù)據(jù)和光強(qiáng)數(shù)據(jù)；

23、對(duì)采集到的環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，并構(gòu)建訓(xùn)練集、驗(yàn)證集和測(cè)試集；

24、采用訓(xùn)練集對(duì)搭建的lo_res網(wǎng)絡(luò)進(jìn)行訓(xùn)練，每次訓(xùn)練結(jié)束后，采用驗(yàn)證集檢測(cè)此次訓(xùn)練后lo_res網(wǎng)絡(luò)的定位精度，采用測(cè)試集對(duì)定位精度達(dá)標(biāo)的訓(xùn)練后的lo_res網(wǎng)絡(luò)進(jìn)行測(cè)試，最終得到室內(nèi)定位網(wǎng)絡(luò)；

25、其中，所述lo_res網(wǎng)絡(luò)包括：第一卷積層、第一殘差網(wǎng)絡(luò)塊、第二殘差網(wǎng)絡(luò)塊、第三殘差網(wǎng)絡(luò)塊和全連接層；所述第一卷積層的輸出輸入至第一殘差網(wǎng)絡(luò)塊，第一殘差網(wǎng)絡(luò)塊的輸入與其輸出進(jìn)行通道上的相加輸入至第二殘差網(wǎng)絡(luò)塊，第二殘差網(wǎng)絡(luò)塊的輸入與其輸出進(jìn)行通道上的相加輸入至第三殘差網(wǎng)絡(luò)塊，第三殘差網(wǎng)絡(luò)塊的輸出經(jīng)過(guò)一個(gè)全局平均池化后連接全連接層，由全連接層輸出所在的正方形子區(qū)域的對(duì)應(yīng)概率值，取概率值最大的正方形子區(qū)域的中心坐標(biāo)作為最終推測(cè)的位置信息；

26、每個(gè)殘差網(wǎng)絡(luò)塊均由依次連接的第二卷積層、第一批量規(guī)范化層、激活層、第三卷積層和第二批量規(guī)范化層構(gòu)成。

27、進(jìn)一步的，所述立體陣列包括：

28、wifi信號(hào)接收器模塊，用于采集環(huán)境數(shù)據(jù)中的信號(hào)強(qiáng)度rssi數(shù)據(jù)；

29、光強(qiáng)測(cè)試器模塊，用于采集環(huán)境數(shù)據(jù)中的光強(qiáng)數(shù)據(jù)；

30、計(jì)算模塊，內(nèi)存儲(chǔ)有室內(nèi)定位網(wǎng)絡(luò)，利用wifi信號(hào)接收器模塊采集到的信號(hào)強(qiáng)度rssi數(shù)據(jù)和光強(qiáng)測(cè)試器模塊采集到的光強(qiáng)數(shù)據(jù)，得到自身所在的位置信息。

31、進(jìn)一步的，所述的將待定位室內(nèi)區(qū)域劃分成若干正方形子區(qū)域，采集每個(gè)正方形子區(qū)域的環(huán)境數(shù)據(jù)；所述環(huán)境數(shù)據(jù)包括信號(hào)強(qiáng)度rssi數(shù)據(jù)和光強(qiáng)數(shù)據(jù)，能替換為以下步驟：

32、將待定位室內(nèi)區(qū)域劃分成若干正方形子區(qū)域，將全天24小時(shí)劃分成多個(gè)采集時(shí)段；

33、根據(jù)每個(gè)采集時(shí)段的環(huán)境特征，調(diào)整信號(hào)強(qiáng)度rssi數(shù)據(jù)和光強(qiáng)數(shù)據(jù)在環(huán)境數(shù)據(jù)中的參與比例，得到每個(gè)正方形子區(qū)域?qū)?yīng)的環(huán)境數(shù)據(jù)；

34、所述的對(duì)采集到的環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，具體操作包括：將信號(hào)強(qiáng)度rssi數(shù)據(jù)組合成一圖像數(shù)據(jù)，并對(duì)該圖像數(shù)據(jù)進(jìn)行歸一化處理；將光強(qiáng)數(shù)據(jù)組合成另一圖像數(shù)據(jù)，并對(duì)該圖像數(shù)據(jù)進(jìn)行歸一化處理；

35、在lo_res網(wǎng)絡(luò)中，第一卷積層的輸入數(shù)據(jù)表示為：，其中，表示輸入的圖像數(shù)據(jù)，2表示輸入的圖像數(shù)據(jù)的通道數(shù)，1表示圖片格式為灰度的格式。

36、有益效果：本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn)：

37、（1）與傳統(tǒng)的單一信息定位系統(tǒng)不同，本發(fā)明采用自適應(yīng)、高魯棒性的雙重信號(hào)源定位，充分考慮室內(nèi)環(huán)境的變化和定位環(huán)境的適配性，有效解決了高頻人員流動(dòng)和多重區(qū)域相似性帶來(lái)的定位難題，適用于gnss拒絕場(chǎng)景下的定位；

38、（2）本發(fā)明使用機(jī)器學(xué)習(xí)算法，通過(guò)對(duì)網(wǎng)絡(luò)參數(shù)的調(diào)整不斷優(yōu)化網(wǎng)絡(luò)，分時(shí)段提取復(fù)雜室內(nèi)環(huán)境數(shù)據(jù)的特征，采用光強(qiáng)與信號(hào)強(qiáng)度rssi數(shù)據(jù)聯(lián)合協(xié)同定位，提高了室內(nèi)定位技術(shù)的自適應(yīng)以及神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，從而提高復(fù)雜室內(nèi)定位的精度；

39、（3）由于室內(nèi)人員流動(dòng)對(duì)于信號(hào)強(qiáng)度rssi數(shù)據(jù)影響較大，以及室內(nèi)物體的遮擋反射等現(xiàn)象會(huì)導(dǎo)致出現(xiàn)不同區(qū)域信號(hào)強(qiáng)度rssi數(shù)據(jù)大小相似的情況，因此本發(fā)明方法輔以光強(qiáng)信息可以有利于分辨室內(nèi)的具體位置，光強(qiáng)數(shù)據(jù)和信號(hào)強(qiáng)度rssi數(shù)據(jù)作為兩種獨(dú)立的不會(huì)互相影響的特征配合使用可以更利于室內(nèi)不同方位的分辨，有效解決了高頻人員流動(dòng)和多重區(qū)域相似性帶來(lái)的定位難題；其他的csi信道特征等與信號(hào)強(qiáng)度rssi數(shù)據(jù)在一定程度上有特征的冗余，此外信道特征的采集相較于室內(nèi)的光強(qiáng)信息測(cè)量的物力人力成本增加。