[发明专利]一种基于生成式对抗网络的毫米波室内定位方法及系统

说明书

本发明公开了一种基于生成式对抗网络的毫米波室内定位方法及系统，获取若干终端随机位置角度观测数据产生真实样本；将真实样本和生成样本同时输入到判别器，训练判别器神经网络；采用误差BP算法计算目标函数关于各层网络参数的梯度并优化；将生成样本输入优化后的判别器，通过优化生成器使生成样本经过判别器的输出为1；反复迭代训练判别器和生成器，达到判别器获得真实数据与生成数据最优区分能力，使生成数据具有与真实数据相同的分布特征；将最优生成器的参数作为估计的AP位置，完成毫米波室内定位。本发明在室内环境未知的情况下仅利用单AP实现了对AP位置的估计以及对终端位置的估计，所需信息量少，定位精度高。

技术领域

本发明属于室内定位技术领域，具体涉及一种基于生成式对抗网络的毫米波室内定位方法及系统。

背景技术

室内定位方法大致分为两类：基于距离模型和基于指纹信息的定位方法。

(1)基于距离模型的定位方法

基于距离模型的定位方法是利用三角形的几何性质计算出目标点位置，包括三边测量定位法和三角测量定位法等。其中三边测量定位法是根据待测终端到己知无线接入点(AP,access point)的距离实现对终端位置的估计。而三角测量定位法是根据待测终端与AP之间的角度关系实现对终端位置的估计。当待测终端周围存在至少三个AP时，就可以根据三边或三角定位公式计算出终端的位置。

常见的定位算法有：信号到达时间(TOA，time of arrival)、信号到达时间差(TDOA,Time Difference Of Arrival)、信号到达角(AOA,angle of arrival)和接收信号强度(RSSI,received signal strength indication)等定位算法。

基于距离模型的定位方法虽然可以实现较好的定位精度，但是缺点在于：

1、需要知道AP的位置。2、需要部署3个及以上AP。3、室内环境复杂，信号传播过程中会出现多径效应，基于距离模型的算法容易受到多径影响，稳健性较差。

(2)基于指纹信息的定位方法

基于指纹信息的定位方法主要是通过对指纹数据进行采集，并构建相应指纹数据库，最后应用相关算法进行指纹匹配，最终得到待测终端的位置估计。

基于指纹信息的方案降低了对物理测量的要求，提高了可重复性，但是缺点在于：

1、指纹与位置之间的函数关系不明确，指纹特征稳健性较差。2、定位精度受限于指纹采样点的疏密程度。3、在指纹匹配阶段，需要将当前采集到的数据与数据库中的数据进行比对以找到匹配程度最高的指纹，计算开销大。

现有的室内定位方法分很多种，比如基于红外传感器(Infrared Sensor)、超声波(Ultrasonic Wave)、超带宽(Ultra Wide Bandwidth)、RFID(Radio FrequencyIdentification)等。这些方法虽然具有较高的定位精度，但是都需要安装特殊硬件设备，而且有的硬件昂贵不适合大量部署，这限制了它们的普及。

基于距离模型的定位方法主要问题是定位精度的问题。在传统的2.4GHz和5GHz频段下，信号带宽只有20MHz，由于带宽小，时间分辨率低，导致距离估计值的精确度低。另外基于物理层的信道信息，如CSI(Channel state information),CFR(Channel frequencyresponse)等的定位方法，受到多径效应的影响，所获得的信息是多径的叠加，对DOA，TDOA，AOA等特征的提取带来了一定的挑战。另外基于距离模型的定位方法需要部署3个及以上的AP，在大多数实际室内环境(如家庭环境)中并不适用，此外还需要知道AP的具体位置。

发明内容