买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中南大学

摘要：本发明公开了一种基于域对抗学习的UWB非视距多分类识别方法及系统，其通过采集多个非视距场景下的源域环境和目标域环境CIR数据，并提取用于区分相似非视距场景的第一特征，将其共同用于对模型进行对抗训练，使得模型中的域分类器无法判断CIR数据来自于源域环境或者目标域环境、而标签预测器可以准确判断出源域环境CIR数据的非视距场景类型，实现了跨场景UWB定位网络中的非视距信号多分类识别，无论应用场景如何变化或者源域环境和目标域环境之间存在差异，仍可准确地识别出非视距信号类型，提高了模型的鲁棒性，并且结合第一特征可以准确地辨别出具有相似特征的非视距场景，提高了非视距多分类识别结果的准确性。

主权项：1.一种基于域对抗学习的UWB非视距多分类识别方法，其特征在于，包括以下内容：在具有多个非视距场景的源域环境和目标域环境中分别采集CIR数据，并从源域环境的CIR数据中提取出用于区分相似非视距场景的第一特征，基于源域环境的CIR数据、目标域环境的CIR数据和第一特征构建训练数据集；所述第一特征包括接收到的第一路径信号强度指示差，基于下式计算接收到的第一路径信号强度指示差： ；其中，RFPSD表示接收到的第一路径信号强度指示差，FP表示第一路信号强度指示，RX表示接受到的总信号强度指示，F1、F2和F3分别表示第一路信号幅值的一次、二次和三次谐波，A表示常数，PAC表示前导码累加计数值，CIP表示通道脉冲响应功率值；构建域对抗网络模型，所述域对抗网络模型包括特征提取器、域分类器和标签预测器，其中，特征提取器用于从CIR数据中提取出第二特征，域分类器用于根据提取的第二特征判断CIR数据来自于源域环境或者目标域环境，标签预测器用于对源域环境的第一特征和第二特征进行融合，并基于融合后的特征判断源域环境CIR数据的非视距场景类型；利用训练数据集对域对抗网络模型进行对抗训练，直至域分类器无法判断特征提取器提取的第二特征来自于源域环境或者目标域环境，且标签预测器判断出融合后特征的非视距场景类型，则训练结束；获取待识别CIR数据并提取出待识别CIR数据的第一特征，将待识别CIR数据及其第一特征输入至训练好的域对抗网络模型的特征提取器和标签预测器中，通过标签预测器输出待识别CIR数据的非视距场景类型。

全文数据：

权利要求：

百度查询： 中南大学 一种基于域对抗学习的UWB非视距多分类识别方法及系统