[发明专利]一种基于AI深度学习算法的蓝牙定位方法及系统

说明书

本申请提供了一种基于AI深度学习的蓝牙定位方法：AOA定位基站获取AOA信号源发送的第一信号的相位数据，AOA定位基站向AI服务器发送获取的该相位数据，AI服务器根据训练好的神经网络模型和获取的相位数据，确定发射所述第一信号的AOA信号源的位置。本申请通过引入AI技术到AOA定位领域中，通过对多天线接收到定位信号源的原始相位值采样，进一步抽象出相位差，然后转换成角度，通过不同天线的角度组合来把相关的相位数据训练到已知网格式的空间坐标上。这种可以通过深度学习网络来实现相位数据到空间坐标的快速映射关系，比传统数学计算提高了精度，并加快了定位速率，从而实现精准定位。

技术领域

本申请涉及定位技术领域，尤其涉及一种基于AI深度学习算法的蓝牙定位方法及系统。

背景技术

利用无线技术定位已经成为定位研究领域的一种趋势。蓝牙传输作为一种通用通信技术，最主要的功能就是取代了数据电缆的传输，用于便携式设备及其应用的，比如手机与手机、手机与其他蓝牙设备的连接与传输。从1.0到5版本，蓝牙为越来越多的电子设备赋予了简便、安全、低成本的连接方案。

目前，最新的蓝牙5.1标准引入了到达角/发送角(Arrival of Angle,AOA/Arrival of Departure,AOD)技术。其中，AOA技术以接收器和发射器为基础，计算接收节点和发射节点之间的相对方位和角度，然后利用三角测量法或者其他的方法计算出未知节点的位置。这种定位系统可以运用于仓库的物流追踪或商场顾客位置追踪，人们可以将其用于定位寻路。

蓝牙AOA技术因为利用相位差估算的到达角度去定位AOA发射源位置，导致定位结果不够精准，并且还面临着信号反射干扰，天线开关时间延迟和室内环境下各种遮挡物，反射物等带来的多径效应等困扰。

发明内容

本申请提供了一种基于AI深度学习算法的蓝牙定位方法及系统，提高了计算精度，加快了定位速率。

第一方面，提供了一种基于AI深度学习算法的蓝牙定位方法，包括：

AOA定位基站获取AOA信号源发送的第一信号的相位数据，AOA定位基站将AI服务器发送该相位数据，AI服务器根据训练好的神经网络模型和该相位数据，确定发射第一信号的AOA信号源的位置。其中，第一信号是指通过AOA信号源发送的任一信号。

本发明的实施例通过采用AOA定位基站的AI算法，引入AI技术到AOA定位领域中，通过对底层多天线接收到定位信号源的原始采样值I和Q的相位值，进一步抽象出相位差，然后转换成角度，通过不同天线的角度组合来把相关的相位数据训练到已知网格式的空间坐标上(0.1～0.3m精度)。这种可以通过深度学习网络来实现相位数据到空间坐标的快速映射关系，比传统数学计算提高了精度，并加快了定位速率。可以显著改善基站覆盖边缘区域的定位精度。从而实现最终的位置定位。

在第一方面一种可能的实现方式中，AOA定位基站通过不同的天线接收AOA信号源发送的同一信号，不同天线上接收到的信号的相位不同；AOA定位基站向AI服务器发送不同天线上接收到的同一信号的多个不同的相位数据；AI服务器根据多个不同的相位数据，训练得到神经网络模型。本发明通过机器仿真大脑神经元架构，从下到上依次抽象样本特征，并通过大量学习样本来完善该神经网络模型，最终达到准确定位的效果。

在第一方面一种可能的实现方式中，当AOA定位基站是单基站时，神经网络模型包括输入层、第一训练层、第二训练层、输出层。

AI服务器将采集的多个不同的相位数据输入至输入层，输入层根据多个不同的相位数据，得到不同的相位值。第一训练层的输入为不同的相位值，第一训练层根据不同的相位值，得到多个相位差。第二训练层的输入为多个相位差，第二训练层根据多个相位差，得到多个角度值。输出层的输入为第二层得到的多个角度值，输出层根据多个角度值和不同的天线间相对位置，将多个角度值组合训练到目标空间立方体内，得到神经网络模型。目标空间立方体方是指方框边长约等于最小误差(通常取100mm长宽高)。