【技術(shù)實現(xiàn)步驟摘要】
本公開涉及人工智能領(lǐng)域，尤其是涉及一種室內(nèi)定位方法、裝置、電子設(shè)備、存儲介質(zhì)和程序產(chǎn)品。
技術(shù)介紹
1、伴隨著城市的建設(shè)和發(fā)展，基于位置的服務(wù)逐漸成為人們關(guān)注的熱點。目前，基于超寬帶(ultra?wide?band，簡稱：uwb)的技術(shù)通過發(fā)送納秒級的極窄脈沖來傳輸數(shù)據(jù)，擁有g(shù)hz量級的帶寬，具有傳輸功耗低、穿透力強、定位精度高等特點，成為室內(nèi)定位技術(shù)的研究重點。
2、現(xiàn)有技術(shù)基于三角定位算法，計算靶點與錨點之間的距離，利用幾何方法根據(jù)計算定位結(jié)果，以實現(xiàn)靶點的精確定位。三角定位法雖然理論上精度較高，但在實際使用時，由于信號傳播過程中會受到障礙物等的遮擋而造成折射、散射等信號干擾情況，按照傳統(tǒng)三角定位算法，因為信號干擾而使得距離測量的準(zhǔn)確性降低，導(dǎo)致靶點定位精度差。
技術(shù)實現(xiàn)思路
1、鑒于上述問題而提出了本公開。本公開提供了一種室內(nèi)定位方法、裝置、電子設(shè)備、存儲介質(zhì)和程序產(chǎn)品。
2、根據(jù)本公開的一個方面，提供了一種室內(nèi)定位方法，應(yīng)用于設(shè)置有多個錨點的室內(nèi)定位場景，所述方法包括：
3、獲取待定位靶點的距離測量數(shù)據(jù)，所述待定位靶點的距離測量數(shù)據(jù)包含基于超寬帶信號確認(rèn)的所述待定位靶點與各個錨點之間的距離信息；
4、在所述待定位靶點的距離測量數(shù)據(jù)屬于有信號干擾數(shù)據(jù)的情況下，根據(jù)所述待定位靶點的距離測量數(shù)據(jù)，預(yù)估所述待定位靶點的初步位置坐標(biāo)，以及，根據(jù)所述待定位靶點的初步位置坐標(biāo)和有干擾定位模型，確定所述待定位靶點的靶點位置坐標(biāo)，其中，所述有干
5、此外，根據(jù)本公開一個方面的一種室內(nèi)定位方法，所述方法還包括：在所述待定位靶點的距離測量數(shù)據(jù)屬于無信號干擾數(shù)據(jù)的情況下，根據(jù)所述待定位靶點的距離測量數(shù)據(jù)以及無干擾定位模型，確定所述待定位靶點的靶點位置坐標(biāo)，其中，所述無干擾定位模型用于利用距離測量數(shù)據(jù)輸出靶點位置坐標(biāo)。
6、此外，根據(jù)本公開一個方面的一種室內(nèi)定位方法，根據(jù)所述待定位靶點的距離測量數(shù)據(jù)以及信號分類模型，確定所述待定位靶點的距離測量數(shù)據(jù)屬于有信號干擾數(shù)據(jù)還是屬于無信號干擾數(shù)據(jù)；其中，所述信號分類模型用于利用所述距離測量數(shù)據(jù)判斷所述距離測量數(shù)據(jù)屬于有信號干擾數(shù)據(jù)還是屬于無信號干擾數(shù)據(jù)。
7、此外，根據(jù)本公開一個方面的一種室內(nèi)定位方法，所述有干擾定位模型利用第一訓(xùn)練樣本訓(xùn)練bp神經(jīng)網(wǎng)絡(luò)模型得到，其中，所述第一訓(xùn)練樣本包括樣本靶點的初始位置坐標(biāo)及所述樣本靶點的實際位置坐標(biāo)，所述樣本靶點的初始位置坐標(biāo)根據(jù)屬于有信號干擾數(shù)據(jù)的所述樣本靶點的距離測量數(shù)據(jù)預(yù)估得到。
8、此外，根據(jù)本公開一個方面的一種室內(nèi)定位方法，所述第一訓(xùn)練樣本的獲取步驟，包括：
9、獲取若干數(shù)據(jù)集，每個所述數(shù)據(jù)集包含多個樣本點，每個所述樣本點包括一組屬于有信號干擾數(shù)據(jù)的所述樣本靶點的距離測量數(shù)據(jù)，每組所述樣本靶點的距離測量數(shù)據(jù)包含所述樣本靶點與各個錨點之間的距離信息；
10、確定所述數(shù)據(jù)集中的一個樣本點作為代表點；
11、基于所述數(shù)據(jù)集包含的所述多個樣本點，構(gòu)建德洛(delaunay)內(nèi)三角網(wǎng)；
12、以各個所述代表點作為始點，基于所述德洛內(nèi)三角網(wǎng)搜索所述代表點的相鄰樣本點，并將與所述代表點的距離大于預(yù)設(shè)閾值的相鄰樣本點作為代表點，直至所有所述樣本點被搜索；
13、對每個所述數(shù)據(jù)集中的代表點進行層次聚類，以得到所述第一訓(xùn)練樣本。
14、此外，根據(jù)本公開一個方面的一種室內(nèi)定位方法，所述bp神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值的尋優(yōu)步驟，包括：
15、初始化沙貓種群，其中，所述沙貓種群的位置代表所述bp神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值；
16、在沙貓搜索獵物階段，基于沙貓最優(yōu)位置、沙貓當(dāng)前位置和沙貓靈敏度，更新沙貓位置；
17、在沙貓攻擊獵物階段，基于沙貓最優(yōu)位置、沙貓當(dāng)前位置、沙貓隨機位置、沙貓靈敏度以及沙貓攻擊方向角，更新沙貓位置；其中，所述沙貓攻擊方向角基于目標(biāo)區(qū)間隨機確定，所述目標(biāo)區(qū)間基于所述沙貓當(dāng)前位置與所述沙貓最優(yōu)位置的差值確定。
18、此外，根據(jù)本公開一個方面的一種室內(nèi)定位方法，所述bp神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值的尋優(yōu)步驟，還包括：
19、在沙貓搜索獵物階段，基于聚集度半徑，約束所述沙貓位置的搜索范圍，其中，所述聚集度半徑基于聚集度值確定，所述聚集度值為基于迭代次數(shù)的分段函數(shù)，以使所述聚集度半徑隨迭代次數(shù)的增加而分段縮小。
20、此外，根據(jù)本公開一個方面的一種室內(nèi)定位方法，所述bp神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值的尋優(yōu)步驟，還包括：
21、基于目標(biāo)差值更新沙貓位置，所述目標(biāo)差值基于第一目標(biāo)值與第二目標(biāo)值的差值確定，所述第一目標(biāo)值基于沙貓當(dāng)前位置確定，所述第二目標(biāo)值基于第一隨機數(shù)的正弦值以及沙貓當(dāng)前位置與沙貓最優(yōu)位置之間的黃金加權(quán)距離確定。
22、此外，根據(jù)本公開一個方面的一種室內(nèi)定位方法，利用殘差加權(quán)誤差抑制算法根據(jù)所述距離測量數(shù)據(jù)預(yù)估所述初步位置坐標(biāo)。
23、此外，根據(jù)本公開一個方面的一種室內(nèi)定位方法，所述無干擾定位模型利用第二訓(xùn)練樣本訓(xùn)練單隱層前饋神經(jīng)網(wǎng)絡(luò)模型得到，其中，所述第二訓(xùn)練樣本包括樣本靶點的屬于無信號干擾數(shù)據(jù)的距離測量數(shù)據(jù)及所述樣本靶點的坐標(biāo)位置標(biāo)簽。
24、根據(jù)本公開的另一個方面，提供了一種超寬帶室內(nèi)定位裝置，應(yīng)用于設(shè)置有多個錨點的室內(nèi)定位場景，所述裝置包括：
25、數(shù)據(jù)獲取模塊，用于獲取待定位靶點的距離測量數(shù)據(jù)，所述待定位靶點的距離測量數(shù)據(jù)包含基于超寬帶信號確認(rèn)的所述待定位靶點與各個錨點之間的距離信息；
26、定位模塊，在所述待定位靶點的距離測量數(shù)據(jù)屬于有信號干擾數(shù)據(jù)的情況下，根據(jù)所述待定位靶點的距離測量數(shù)據(jù)，預(yù)估所述待定位靶點的初步位置坐標(biāo)，以及，根據(jù)所述待定位靶點的初步位置坐標(biāo)和有干擾定位模型，確定所述待定位靶點的靶點位置坐標(biāo)，其中，所述有干擾定位模型用于利用初步位置坐標(biāo)輸出靶點位置坐標(biāo)。
27、根據(jù)本公開的又一個方面，提供了一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上的計算機程序，所述處理器執(zhí)行所述計算機程序以實現(xiàn)上述任一所述方法的步驟。
28、根據(jù)本公開的又一個方面，提供了其上存儲有計算機程序/指令，該計算機程序/指令被處理器執(zhí)行時實現(xiàn)上述任一所述方法的步驟。
29、根據(jù)本公開的又一個方面，提供了一種計算機程序產(chǎn)品，包括計算機程序/指令，該計算機程序/指令被處理器執(zhí)行時實現(xiàn)上述任一所述方法的步驟。
30、如以下將詳細(xì)描述的，根據(jù)公開實施例的一種室內(nèi)定位方法、裝置、電子設(shè)備、存儲介質(zhì)和程序產(chǎn)品，在待定位靶點的距離測量數(shù)據(jù)屬于有信號干擾數(shù)據(jù)的情況下，根據(jù)待定位靶點的距離測量數(shù)據(jù)，預(yù)估待定位靶點的初步位置坐標(biāo)，根據(jù)待定位靶點的初步位置坐標(biāo)和有干擾定位模型，確定待定位靶點的靶點位置坐標(biāo)，使得信號受到環(huán)境干擾的情況下，依舊可以準(zhǔn)確定位待定位靶點，提升靶點的定本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種室內(nèi)定位方法，應(yīng)用于設(shè)置有多個錨點的室內(nèi)定位場景，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)所述待定位靶點的距離測量數(shù)據(jù)以及信號分類模型，確定所述待定位靶點的距離測量數(shù)據(jù)屬于有信號干擾數(shù)據(jù)還是屬于無信號干擾數(shù)據(jù)；其中，所述信號分類模型用于利用所述距離測量數(shù)據(jù)判斷所述距離測量數(shù)據(jù)屬于有信號干擾數(shù)據(jù)還是屬于無信號干擾數(shù)據(jù)。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述有干擾定位模型利用第一訓(xùn)練樣本訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型得到，其中，所述第一訓(xùn)練樣本包括樣本靶點的初始位置坐標(biāo)及所述樣本靶點的實際位置坐標(biāo)，所述樣本靶點的初始位置坐標(biāo)根據(jù)屬于有信號干擾數(shù)據(jù)的所述樣本靶點的距離測量數(shù)據(jù)預(yù)估得到。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述第一訓(xùn)練樣本的獲取步驟，包括：
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值的尋優(yōu)步驟，包括：
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)模
8.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值的尋優(yōu)步驟，還包括：
9.根據(jù)權(quán)利要求1～8任一所述的方法，其特征在于，利用殘差加權(quán)誤差抑制算法根據(jù)所述距離測量數(shù)據(jù)預(yù)估所述初步位置坐標(biāo)。
10.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述無干擾定位模型利用第二訓(xùn)練樣本訓(xùn)練單隱層前饋神經(jīng)網(wǎng)絡(luò)模型得到，其中，所述第二訓(xùn)練樣本包括樣本靶點的屬于無信號干擾數(shù)據(jù)的距離測量數(shù)據(jù)及所述樣本靶點的坐標(biāo)位置標(biāo)簽。
11.一種超寬帶室內(nèi)定位裝置，應(yīng)用于設(shè)置有多個錨點的室內(nèi)定位場景，其特征在于，所述裝置包括：
12.一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序以實現(xiàn)權(quán)利要求1～10任一所述方法的步驟。
13.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序/指令，其特征在于，該計算機程序/指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1～10任一所述方法的步驟。
14.一種計算機程序產(chǎn)品，包括計算機程序/指令，其特征在于，該計算機程序/指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1～10任一所述方法的步驟。
...【技術(shù)特征摘要】
1.一種室內(nèi)定位方法，應(yīng)用于設(shè)置有多個錨點的室內(nèi)定位場景，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)所述待定位靶點的距離測量數(shù)據(jù)以及信號分類模型，確定所述待定位靶點的距離測量數(shù)據(jù)屬于有信號干擾數(shù)據(jù)還是屬于無信號干擾數(shù)據(jù)；其中，所述信號分類模型用于利用所述距離測量數(shù)據(jù)判斷所述距離測量數(shù)據(jù)屬于有信號干擾數(shù)據(jù)還是屬于無信號干擾數(shù)據(jù)。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述有干擾定位模型利用第一訓(xùn)練樣本訓(xùn)練bp神經(jīng)網(wǎng)絡(luò)模型得到，其中，所述第一訓(xùn)練樣本包括樣本靶點的初始位置坐標(biāo)及所述樣本靶點的實際位置坐標(biāo)，所述樣本靶點的初始位置坐標(biāo)根據(jù)屬于有信號干擾數(shù)據(jù)的所述樣本靶點的距離測量數(shù)據(jù)預(yù)估得到。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述第一訓(xùn)練樣本的獲取步驟，包括：
6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述bp神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值的尋優(yōu)步驟，包括：
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述bp神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值的尋優(yōu)步驟，還包括：<...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王柳，李慰然，歐陽兆琨，
申請(專利權(quán))人：中移上海信息通信科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。