[发明专利]一种密度峰值异常检测方法及智能无源室内定位方法

权利要求书

1.一种参数自适应快速密度峰值异常检测方法，其特征在于：包括以下步骤：

步骤1：利用信道状态信息测量值的幅值构建样本数据集X＝(x₁，x₂，...，x_n)；数据集中任意样本的K个最近邻定义为：

式中，d(x_i，x_j)为任意样本x_i与其他样本的欧式距离，表示当d(x_i，x_j)按升序排列时任意样本x_i所对应的第k个距离的样本；

样本间局部密度定义为：

式中，exp()为指数函数，d_c是截止距离参数；

步骤2：通过求解最优化问题确定最优截止距离参数将最优截止距离参数代入样本间局部密度公式，获得最优局部密度最优化问题为最小化样本间局部密度的信息熵，表示为：

样本间局部密度的信息熵的最小值为最优截止距离参数的值；

步骤3：基于最优局部密度和K最近邻域内最大距离可得到基于K最近邻的参数自适应快速密度峰值异常检测算法的振幅异常值判决规则：

式中，ρ_τ为局部密度阈值，d_τ为距离阈值；

步骤4：基于振幅异常值判决规则对信道状态信息测量值的幅值进行振幅异常值检测。

2.根据权利要求1所述的一种参数自适应快速密度峰值异常检测方法，其特征在于：对于满足式(7)振幅异常值判决规则的样本x_i，根据式(10)进行更新，对不满足式(7)振幅异常值判决规则的样本不做任何处理；

式中，x_j为样本数据集X中的样本。

3.根据权利要求1所述的一种参数自适应快速密度峰值异常检测方法，其特征在于：步骤2中，样本间局部密度的信息熵定义为：

4.根据权利要求3所述的一种参数自适应快速密度峰值异常检测方法，其特征在于：步骤2中，所述的将最优截止距离参数代入样本间局部密度公式，获得最优局部密度具体步骤包括：

使用替换局部密度中的d_c：

得到最优的局部密度：

5.根据权利要求1所述的一种参数自适应快速密度峰值异常检测方法，其特征在于：所述局部密度阈值ρ_τ定义为：

所述距离阈值d_τ定义为：

式中，θ_ρ和θ_d为经验参数。

6.一种基于信道状态信息的智能无源室内定位方法，其特征在于：包括以下步骤：

S00：获取信道状态信息测量值，提取信道状态信息测量值的幅度以构建一个n*m测量值幅度矩阵：

式中，|H|是信道状态信息测量值幅度，t是所用网卡的天线索引，n是信道状态信息含有的子载波的数量，m是在每个参考点测量信道状态信息的次数；

S10：采用权利要求1至5任意一项所述的一种参数自适应快速密度峰值异常检测方法对S00构建得到幅度矩阵进行振幅异常值检测，得到可用幅度矩阵；

S20：将可用幅度矩阵以RGB图像的形式构造位置图像，将其作为训练集，将训练集输入构建的卷积神经网络并输出训练好的卷积神经网络模型；

S30：将待定位用户的位置图像输入训练好的卷积神经网络模型中，输出待定位用户的位置信息。