[发明专利]基于前端融合的信道状态信息深度学习定位方法在审

专利信息
申请号: 202110544012.0 申请日: 2021-05-19
公开(公告)号: CN113283490A 公开(公告)日: 2021-08-20
发明(设计)人: 颜俊;方文杰;曹艳华 申请(专利权)人: 南京邮电大学
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08;G01C21/20
代理公司: 南京苏科专利代理有限责任公司 32102 代理人: 姚姣阳
地址: 210012 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 前端 融合 信道 状态 信息 深度 学习 定位 方法
【权利要求书】:

1.一种基于前端融合的信道状态信息深度学习定位方法,包含按序执行的离线训练和在线定位两个阶段,其特征在于:

离线训练阶段,方法包括如下步骤,

S11、按X轴和Y轴方向将定位区域划分为若干参考点,在各参考点上利用接收端获取路由器发射信号的CSI训练测量值;

S12、提取CSI训练测量值的幅度值和相位值,分别构建CSI训练幅度差图像和CSI训练相位差图像;

S13、对CSI训练幅度差图像和CSI训练相位差图像进行前端融合、形成CSI训练融合图像并将其作为位置指纹;

S14、利用CNN学习CSI训练融合图像和参考点中X轴坐标位置之间的非线性关系、得到基于X轴坐标位置的回归模型;

S15、利用CNN学习CSI训练融合图像和参考点中Y轴坐标位置之间的非线性关系、得到基于Y轴坐标位置的回归模型;

在线定位阶段,方法包括如下步骤:

S21、利用接收端获取目标所在参考点上路由器发射信号的CSI实际测量值,提取CSI实际测量值的幅度值和相位值,分别构建CSI实际幅度差图像和CSI实际相位差图像;

S22、对CSI实际幅度差图像和CSI实际相位差图像进行前端融合、得到CSI实际融合图像;

S23、将CSI实际融合图像分别带入基于X轴坐标位置的回归模型和基于Y轴坐标位置的回归模型中、得到位置估计值。

2.根据权利要求1所述的基于前端融合的信道状态信息深度学习定位方法,其特征在于,S12中所述分别构建CSI训练幅度差图像和CSI训练相位差图像,包括如下步骤:

S121、构建CSI训练幅度差矩阵和CSI训练相位差矩阵;

S122、利用线性映射方法将CSI训练幅度差矩阵和CSI训练相位差矩阵中各元素转化图像像素值、分别得到CSI训练幅度差图像和CSI训练相位差图像。

3.根据权利要求2所述的基于前端融合的信道状态信息深度学习定位方法,其特征在于,S121中所述构建CSI训练幅度差矩阵和CSI训练相位差矩阵,包括如下步骤:

S1211、定义NT为发射端天线数量、NR为接收端天线数量、Nk为CSI训练测量值的子载波数量、Np为CSI训练测量值数据包数量;

S1212、对于每个CSI训练测量值数据包,以每根接收端天线提取的CSI训练测量值的幅度值作为矩阵的每一行,构建单个发射端天线对应接收端天线的训练幅度矩阵、其维数为NR×Nk,再以第一根接收端天线的CSI训练测量值的幅度值作为参考,将训练幅度矩阵的每一行均减去作为参考的幅度值并删除训练幅度矩阵中的全零行、得到维数为(NR-1)×Nk的训练幅度差子矩阵;

S1213、对剩余发射端天线执行S1212中的操作、得到NT个维数为(NR-1)×Nk的训练幅度差子矩阵,对全部训练幅度差子矩阵进行基于行的矩阵合并操作、得到维数为[(NR-1)×NT]×Nk的CSI训练幅度差矩阵;

S1214、对Np个CSI训练测量值数据包执行S1212~S1213中的操作,得到Np个维数为[(NR-1)×NT]×Nk的CSI训练幅度差矩阵,对全部训练幅度差矩阵进行基于行的矩阵合并操作、得到维数为[(NR-1)×NT×Np]×Nk的CSI训练幅度差矩阵;

S1215、针对接收端天线提取的CSI训练测量值的相位值执行S1212~S1214中的操作、得到CSI训练相位差矩阵。

4.根据权利要求1所述的基于前端融合的信道状态信息深度学习定位方法,其特征在于,S13中所述对CSI训练幅度差图像和CSI训练相位差图像进行前端融合,包括如下步骤:

S131、对CSI训练幅度差图像和CSI训练相位差图像分别进行拉普拉斯金字塔分解、建立各自图像的拉普拉斯金字塔;

S132、对CSl训练幅度差图像和CSI训练相位差图像各自对应的拉普拉斯金字塔的各分解层分别进行融合处理;

S133、对融合后的拉普拉斯金字塔进行图像重构、得到CSI训练融合图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110544012.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top