[发明专利]基于孪生网络的指纹室内定位方法

权利要求书

1.一种基于孪生网络的指纹室内定位方法，其特征在于，包括有如下步骤：

(1)构建指纹室内定位系统：

构建包括均配置有intel 5300网卡的终端设备的接收端R和发射端S的指纹室内定位系统；所述接收端R还配置有r根接收天线，该接收端R固定在室内定位区域Q的中心位置；所述发射端S还配置有s根发射天线，该发射端S可以在室内定位区域Q中移动,其中s≥1,r≥1；

(2)对室内定位区域Q进行划分：

将室内定位区域Q划分为n个面积相等的栅格，并将每个栅格的中心作为参考点，得到由n个参考点组成的参考点集合G＝{G₁,G₂,...，G_i,...,G_n}，其中G_i表示第i个参考点，n≥30；

(3)估计每个参考点G_i的信道状态信息：

(3a)发射端S在每个参考点G_i上分别向接收端R发送M组数据包后，通过接收端R所接收到的n个数据包组中的每组数据包对传输n个数据包组的信道分别进行估计，得到参考点G_i的M个信道幅值矩阵，该信道幅值矩阵的维度为k*s*r，k表示在无线传输标准协议IEEE802.11n下，利用Intel 5300网卡能从信道中获取的子载波个数，M≥k；

(3b)对每个参考点G_i的M个信道幅值矩阵进行合并，得到维度为M*k*s*r的信道状态信息矩阵D_i，并以第1个维度为基础将D_i连续无重复地划分为P个子矩阵,构成参考点G_i的信道状态信息子矩阵集合C_i＝{C_i1,C_i2,...,C_ij,...,C_iP}，再将所有参考点的信道状态信息子矩阵集合组合成信道状态信息集合C＝C₁∪C₂∪...∪C_i...∪...C_n，其中，为向下取整符号，C_ij为参考点G_i的第j个信道状态信息子矩阵，维度为k*k*s*r；

(4)计算每个参考点G_i的指纹F_i：

计算C中每个参考点G_i的信道状态信息子矩阵集合C_i所包含的P个子矩阵的平均矩阵，并将计算结果作为参考点G_i的指纹F_i，所有n个参考点的指纹即组成参考点指纹集合F＝{F₁,F₂,...,F_i,...,F_n}；

(5)构造训练集和验证集：

(5a)将信道状态信息集合C中的每个元素与参考点指纹集合F中的每个元素进行配对，得到包含n*n*P个有序对的笛卡尔积V，V＝{(C_1,1,F₁),(C_1,2,F₁),...(C_1P,F₁),...(C_lj,F_i),...(C_nP,F_n)}，其中1≤l≤n，(C_lj,F_i)为由C_lj与F_i构造的有序对，C_lj为参考点G_l的第j个信道状态信息子矩阵；

(5b)判断每个有序对(C_lj,F_i)中i是否与l相等,若是，则该有序对为配对组，并将配对组标识为1，否则，则该有序对为不匹配组，并将不匹配组标识为0；

(5c)将笛卡尔积V中所有有序对及其标签组合成训练样本集，并将训练样本集中半数以上的样本作为训练集，其余样本作为验证集；

(6)对孪生网络模型进行训练：

(6a)初始化包括两个并行且共享权值的子网络N₁和N₂的孪生网络模型，N₁和N₂都含有一个输入层、多个隐藏层和一个输出层，隐藏层包括三个卷积层和三个池化层；初始化训练集的损失函数loss和验证集的损失函数loss'均为：

c＝yd²+(1-y)*max(margin-d,0)²

其中，c表示loss或loss'，y、d和margin分别表示输入孪生网络模型的有序对的标签、孪生网络模型的输出和超参数；设迭代次数为t，最大迭代次数为iter，iter≥1000，并令t＝0；

(6b)将训练集作为孪生网络模型的输入进行迭代训练，并判断t＝iter是否成立，若是，得到训练好的孪生网络模型；否则，执行步骤(6c)；

(6c)利用格点搜索方法选择孪生网络模型的超参数margin，并采用小批量梯度下降算法，通过训练集的损失函数loss对孪生网络模型的权重参数进行更新，并令t＝t+1，判断t＞1是否成立，若是，执行步骤(6d)，否则，执行步骤(6b)；

(6d)将验证集作为权重参数更新后的孪生网络模型的输入，判断t＝t+1时验证集的损失函数loss'大于t时的验证集的损失函数值是否成立，若是，得到训练好的孪生网络模型；否则，执行步骤(6b)；

(7)构造待定位点的信道状态信息样本对集合K：

(7a)发射端S在室内定位区域Q内任意一个参考点G_x上分别向接收端R发送A组数据包后，A≥k，通过接收端R所接收到的每组数据包对传输A组数据包的信道进行估计，得到由参考点G_x的L个信道幅值子矩阵组成的信道幅值子矩阵集T＝{T₁,T₂,...,T_m,...,T_L}，并将T作为待定位点的信道幅值子矩阵集，其中T_m为待定位点的第m个信道幅值子矩阵，其维度为k*k*s*r；

(7b)将待定位点的信道幅值子矩阵集T中的每个元素与参考点指纹集合F中的每个元素进行配对，得到包含n*L个有序对的笛卡尔积K＝K₁∪K₂∪...K_i...∪K_n，并将K作为信道状态信息样本对集合，且K_i作为参考点G_i的信道状态信息样本对子集，其中K_i＝{K_i1,K_i2,...,K_im,...,K_iL}，K_im＝(F_i,T_m)为参考点G_i的第m个信道状态信息样本对；

(8)获取待定位点的位置：

(8a)将参考点G_i的信道状态信息样本对子集K_i中的样本对逐一输入训练好的孪生网络模型，得到由L个输出值组成的参考点G_i的输出子集O_i＝{O_i,1,O_i,2,...,O_im,...,O_iL}；

(8b)计算O_i中所有元素的平均值E_i，所有n个参考点的输出子集的平均值即组成平均值集合E＝{E₁,E₂,...,E_i,...,E_n}，E中最小值对应的参考点作为待定位点的位置。