申请/专利权人：四川到达角科技有限公司

申请日：2024-04-10

公开（公告）日：2024-06-28

公开（公告）号：CN118265138A

主分类号：H04W64/00

分类号：H04W64/00;H04W4/33

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明涉及对多场景室内环境中的无线信号源进行精准定位的方法，具体而言是一种面向多模态数据的元学习室内定位技术。本发明的目的是挖掘不同模态、不同粒度数据之间的定位信息，从而提供一种面向多模态数据的元学习室内定位方法。该方法先提取不同模态数据的特征向量，在学习特征到现实坐标映射关系的同时，通过元学习中的MAML算法增强定位模型的泛化性，使其能快速适应相似场景中的定位数据。对于大型场景室内定位场景而言，采集大量的带标签数据的成本高昂。本发明中结合元学习算法，由于定位模型泛化性增强，使得对带标签数据的需求量大大降低。因此，本发明是一种能充分利用不同模态数据在多场景室内环境中实现准确定位的方法。

主权项：1.一种面向多模态数据的元学习室内定位方法，包括以下步骤：S1、在M1个训练环境和M2个测试环境中将各环境划分出等大小的Nd个格点，格点坐标即标签表示为：Y＝{yk|k＝1,2,…,Nd}1S2、制作离线指纹库：S21、采集RSS数据。用移动设备在各格点处多次采样，记录下RSS数据，第i个RP处采集到的R条数据表示为： 其中表示在第i个RP处采集到的第k条RSS样本值。每个格点上一条RSS数据中包含的AP数为A，则每条RSS样本值表示为： 所有RSS样本可以表示为： S22、采集CSI数据。在每个环境中相同位置设置好发射机后，用接收机在各格点处收集来自发射机的CSI数据包。假设发射天线数为NT，接收天线数为NR，子载波数为K，每条CSI样本维度为NT×NR×K。假设在每个格点处采集C条CSI数据，则所有CSI样本可以表示为： 其中表示在第i个格点处的第k条CSI样本值。S23、处理RSS数据。对于同一个格点上在同一个AP处采集的RSS值，可能有部分数据丢失。利用采集到的有效值可以对丢失数据进行填充。并且后续RSS值的数量需要与CSI对齐，因此计算有效值的均值和方差并随机生成C-R条符合正态分布的RSS数据，确保其总数达到R+C-R＝C。S24、处理CSI数据。利用中值滤波对采集的CSI数据进行处理，以抑制噪声和消除离群值。S25、将步骤2-3和步骤2-4中得到的各格点的RSS值和CSI值及其格点坐标存储下来。其中训练环境中采集的数据集记为测试环境中采集的数据集记为S3、离线训练S31、训练数据集中各格点上每20条数据划分为一个任务其中5条数据为支持集15条数据为查询集其中，为任务分布。S32、分别用两个CNN网络对CSI和RSS数据进行特征提取，各自输出维度为14的特征向量ZA,ZB。S33、融合定位：将ZA,ZB两个特征向量进行拼接，将融合后的特征送入后续的三层全连接定位估计器中对坐标进行回归拟合。特征提取器和定位估计器构成多模态融合定位网络f。定位损失函数记为用均方根误差RMSE进行度量；定位误差用欧式距离进行度量，记为E。假设归一化后的预测坐标为实际坐标为x′,y′，逆归一化后的预测坐标为实际坐标为x,y，则： 其中b为一个批次batch中的训练样本数量。S34、内层参数更新公式如下： 其中α为内层参数更新的学习率；为第i个任务中，由支持集数据计算得到的损失对参数求得的梯度。S35、外层参数更新时，优化目标函数如下： 外层参数更新公式如下： 其中β为外层参数更新的学习率。此时的损失函数为一个batch内，各任务之中的查询集计算得到的损失之和。值得注意的是，计算查询集损失时，虽然使用的是支持集更新得到的参数θ′i，但是更新的参数为支持集更新前的参数θ。S36、利用训练数据集训练出元模型fmeta，再从测试数据中抽取finetune_spt条数据进行微调。具体来说，微调就是将finetune_spt条数据测试数据输入到fmeta中，进行update_step个梯度下降步骤。本发明中分别抽取了5、10、20条数据进行微调，并比较了不同finetune_spt微调后平均定位误差的差异。S37、保存微调后的模型ffinal。S4、在线测试S41、将未参与微调的测试数据送入最终的定位模型ffinal中，并得到各格点的位置估计。其中，S1-S3为离线阶段，即定位前的准备工作，S4为在线阶段，即实际定位阶段。

全文数据：

权利要求：

百度查询： 四川到达角科技有限公司 一种面向多模态数据的元学习室内定位方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD