[发明专利]一种基于机器学习的UWB TOF定位测距方法及系统

权利要求书

1.一种基于机器学习的UWB TOF定位测距方法，其特征在于，包括：

对养殖户区域进行划分以及编号，得到养殖划分集；养殖划分集包括若干个养殖平原区域；

对养殖划分集中不同的养殖平原区域进行模块化处理，得到养殖平原模块集；

对养殖平原模块集进行监测，获取养殖平原模块集中不同区域的野生动物流量信息、养殖动物流量信息和养殖动物距离信息；

其中，对野生动物流量信息进行特征提取，得到第一提取集；分别对养殖动物流量信息进行特征提取，得到第二提取集，对养殖动物距离信息进行特征提取，得到第三提取集；

对第一提取集、第二提取集和第三提取集进行训练计算，得到第一训练集、第二训练集和第三训练集；

根据第一训练集、第二训练集和第三训练集对不同区域的野生动物流量信息、养殖动物流量信息及养殖动物距离信息进行预警。

2.根据权利要求1所述的一种基于机器学习的UWB TOF定位测距方法，其特征在于，获取养殖平原模块集的具体步骤包括：

获取养殖平原区域，并建立UWB养殖基站，且根据UWB养殖基站的距离，将养殖平原区域附近划分成危险区域和安全区域。

3.根据权利要求2所述的一种基于机器学习的UWB TOF定位测距方法，其特征在于，对野生动物流量信息和养殖动物流量信息进行特征提取的具体步骤包括：

获取预设的监测时间段内对出现在安全区域以及危险区域中的野生动物的数量；

获取预设的监测时间段内对出现在安全区域以及危险区域中的养殖动物的数量。

4.根据权利要求3所述的一种基于机器学习的UWB TOF定位测距方法，其特征在于，对养殖动物距离信息进行特征提取的具体步骤包括：

并逐一对养殖动物上安装TOF定位器，并获取安全区域及危险区域的养殖动物与UWB养殖基站的距离信息。

5.根据权利要求4所述的一种基于机器学习的UWB TOF定位测距方法，其特征在于，获取第二提取集的各项数据并进行归一化处理并通过流量监测函数获取养殖平原中野生动物的流量值；将流量值与预设的流量范围进行处理，得到第一流量信号和第二流量信号，并将流量信号进行分析。

6.根据权利要求5所述的一种基于机器学习的UWB TOF定位测距方法，其特征在于，获取第三提取集的各项数据并进行归一化处理并通过距离监测函数获取养殖平原中养殖动物与UWB基站的距离值；将距离值与预设的距离范围进行处理，得到第一距离信号和第二距离信号，并将距离信号进行分析。

7.根据权利要求6所述的一种基于机器学习的UWB TOF定位测距方法，其特征在于，获取养殖动物的流量监测函数为其中LQ为养殖动物在安全区域以及危险区域的流量值，为比例因子且均大于零；T为监测时间段的时长；将若干个养殖平原区域的养殖动物数量设定为Bn，n＝1，2，3，...，n；其中，n为养殖平原区域的个数。

8.根据权利要求7所述的一种基于机器学习的UWB TOF定位测距方法，其特征在于，获取养殖动物的距离监测函数为其中LW为养殖动物在安全区域以及危险区域的距离值，α为比例因子且均大于零；T为TOF定位器与UWB基站之间的飞行时长。

9.一种基于机器学习的UWB TOF定位测距系统，应用于权利要求1至8中任意一项所述的基于机器学习的UWB TOF定位测距方法，其特征在于，包括划分模块；对养殖户区域进行划分以及编号，得到养殖划分集；养殖划分集包括若干个养殖平原区域；

监测模块：用于对养殖平原模块集进行监测，获取养殖平原模块集中不同区域的动物流量信息及野生动物流量信息；

处理模块：用于分别对野生动物流量信息及养殖动物流量信息进行特征提取，得到第一提取集和第二提取集；分别对第一提取集和第二提取集进行训练计算，得到第一训练集和第二训练集。