发明内容
本发明实施例提供一种基于5G信号的终端定位及定位模型构建的方法和装置,以解决现有技术中的以下问题:基于信道状态信息的定位方法,由于易受环境因素等问题影响,使得该定位方法不能提供很好的定位精度。
为解决上述技术问题,本发明实施例采用的第一技术方案如下:
一种基于5G信号的神经网络定位模型的构建方法,用于对位于指定区域且处于移动状态的移动终端进行定位,其包括:采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息,并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息,其中所述移动轨迹信息预存于第一指定地址;采用5G信号将所述移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的所述坐标信息输入预设神经网络进行训练,并输出所述移动终端在Tk时刻对应的预测位置信息,其中k为大于或等于1的自然数;重复上述的全部步骤直至达到预定目标,之后记录并保存此时的所述预设神经网络的网络结构与参数数值,并将其作为所述神经网络定位模型的网络结构与参数数值,得到所述神经网络定位模型。
可选地,所述采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息之前,包括:采用5G信号获取位置与信号地图,所述位置与信号地图包括所述指定区域的每个所述指定位置的坐标信息,且包括每个所述指定位置与各个通讯基站之间全部的所述大尺度信道信息,其中所述位置与信号地图预存于第二指定地址。
可选地,所述重复上述的全部步骤,直至达到预定目标,包括:重复上述的全部步骤,直至相关的所述指定位置对应的所述预测位置信息与实际位置信息的误差小于预设阈值,其中所述实际位置信息为所述位置与信号地图中相关的所述指定位置的坐标信息。
可选地,每个所述指定位置对应的坐标信息为二维坐标信息,每个所述指定位置对应的所述大尺度信道信息为该所述指定位置与各个相关的通讯基站之间的大尺度信道增益。
可选地,所述Tk时刻与所述Tk-1时刻之间的时间间隔设为1秒,但不限为1秒。
为解决上述技术问题,本发明实施例采用的第二技术方案如下:
一种基于5G信号的神经网络定位模型的构建装置,其包括:信息获取模块,用于采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息,并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息,其中所述移动轨迹信息预存于第一指定地址;模型训练模块,用于采用5G信号将所述移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的所述坐标信息输入预设神经网络进行训练,并输出所述移动终端在Tk时刻对应的预测位置信息,其中k为大于或等于1的自然数;模型确定模块,用于重复上述的全部步骤直至达到预定目标,之后记录并保存此时的所述预设神经网络的网络结构与参数数值,并将其作为所述神经网络定位模型的网络结构与参数数值,得到所述神经网络定位模型。
为解决上述技术问题,本发明实施例采用的第三技术方案如下:
一种基于5G信号的移动终端的定位方法,用于对位于指定区域且处于移动状态的移动终端进行定位,所述定位方法基于上述任一项所述的神经网络定位模型来实现,其包括:采用5G信号获取所述移动终端在指定区域上的移动轨迹信息,并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息;采用5G信号将所述移动终端在Tk时刻对应的大尺度信道信息和在Tk-1时刻对应的坐标信息输入所述神经网络定位模型,并输出预测位置信息;将从所述神经网络定位模型输出的所述预测位置信息作为所述移动终端在Tk时刻对应的目标位置信息。
为解决上述技术问题,本发明实施例采用的第四技术方案如下:
一种基于5G信号的移动终端的定位装置,用于对位于指定区域且处于移动状态的移动终端进行定位,所述定位方法基于上述任一项所述的神经网络定位模型来实现,其包括:轨迹获取模块,用于采用5G信号获取所述移动终端在指定区域上的移动轨迹信息,并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息;信息处理模块,用于采用5G信号将所述移动终端在Tk时刻对应的大尺度信道信息和在Tk-1时刻对应的坐标信息输入所述神经网络定位模型,并输出预测位置信息;位置确认模块,用于将从所述神经网络定位模型输出的所述预测位置信息作为所述移动终端在Tk时刻对应的目标位置信息。
为解决上述技术问题,本发明实施例采用的第五技术方案如下:
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现上述的基于5G信号的神经网络定位模型的构建方法,或实现上述的基于5G信号的移动终端的定位方法。
为解决上述技术问题,本发明实施例采用的第六技术方案如下:
一种计算机设备,其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的基于5G信号的神经网络定位模型的构建方法,或实现上述的基于5G信号的移动终端的定位方法。
本发明实施例的有益效果是:区别于现有技术的情况,本发明实施例通过采用5G信号获取移动终端在所述指定区域内的移动轨迹信息,并采用5G信号获取移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息,采用5G信号将移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的坐标信息输入预设神经网络进行训练,并输出移动终端在Tk时刻对应的预测位置信息,最后得到神经网络定位模型,再使用该神经网络定位模型对位于指定区域移动的移动终端进行定位,解决了现有技术中的以下问题:基于信道状态信息的定位方法,由于易受环境因素等问题影响,使得该定位方法不能提供很好的定位精度。
具体实施方式
实施例一
请参阅图1,图1是本发明实施例的基于5G信号的神经网络定位模型的构建方法的实施流程图,结合图1可以得到,本发明的基于5G信号的神经网络定位模型的构建方法,用于对位于指定区域且处于移动状态的移动终端进行定位,其包括以下步骤:
步骤S101:采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息,并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息,其中所述移动轨迹信息预存于第一指定地址。
在本步骤中,具体为,以1s为单位记录移动用户的位置,以(x
t,y
t)表示用户当前的位置,以(x
t-1,y
t-1)表示用户上一个时刻的位置,沿用户移动轨迹获取用户经过每点的坐标和每个基站的大尺度信道信息,以每个通信基站的大尺度信道信息α=[α
1,α
2,α
3,α
4]
T和用户上一时刻位置坐标(x
t-1,y
t-1),即将X=[α,x
t-1,y
t-1]
T作为神经网络的输入,以移动终端当前的位置坐标的预测值
作为神经网络的输出Y,进行神经网络的训练。
在本步骤中,需要设置神经网络的网络结构和参数数值,在本实施例中,以移动终端的坐标预测值
和用户坐标的实际值(x
t,y
t)的距离作为判断标准,通过调节神经网络的网络结构和参数数值来训练神经网络,神经网络的网络结构和参数数值通过不断的学习来确定。神经网络训练完成后,得到神经网络定位模型,并对模型进行保存。
得到神经网络定位模型后,只需要获取移动终端当前的各个通信基站对应的大尺度信道信息α和移动终端上一时刻的位置坐标(x
t-1,y
t-1),作为已训练完成的神经网络定位模型的输入,即可获得移动终端当前坐标的预测值
本发明可实现边运动边定位,将当前移动终端获取的大尺度信道信息和移动终端上一时刻的位置即X=[α,x
t-1,y
t-1]
T作为网路的输入,则用户当前位置的预测值
以用户坐标预测值
和用户坐标的实际值(x
t,y
t)的距离衡量定位误差,即
步骤S102:采用5G信号将所述移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的所述坐标信息输入预设神经网络进行训练,并输出所述移动终端在Tk时刻对应的预测位置信息,其中k为大于或等于1的自然数。
步骤S103:重复上述的全部步骤直至达到预定目标,之后记录并保存此时的所述预设神经网络的网络结构与参数数值,并将其作为所述神经网络定位模型的网络结构与参数数值,得到所述神经网络定位模型。
在本实施例中,可选地,所述采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息之前,包括:
采用5G信号获取位置与信号地图,所述位置与信号地图包括所述指定区域的每个所述指定位置的坐标信息,且包括每个所述指定位置与各个通讯基站之间全部的所述大尺度信道信息,其中所述位置与信号地图预存于第二指定地址(如指定数据库)。
其中,位置与信号地图由工作人员预先制作完成,并存储于第二指定地址,位置与信号地图的制作过程如下:
选取研究区域为100mx100m的指定矩形区域,该矩形区域包括建筑和道路,室内和室外场景,将研究区域均匀划分为一个个方格,取原点,建立二维直角坐标系,得到每点的坐标。移动用户携带移动终端测量每一方格对应的不同通讯基站的大尺度信道信息,根据接收端的信号强度,确定大尺度信道增益值进行参考计算。
本发明涉及的大尺度信道信息,是指信号通过长距离的传播到达接收端所导致的信号衰减信息,包括空间电磁波传播固然存在的路径损耗和障碍物遮挡引起的阴影衰落,按理论可以表示为路径损耗38.46+36.81g(d)dB和服从零均值高斯分布的阴影衰落的和,这里d是通信基站到移动终端之间的距离。
确定移动终端获取的信号强度和各个通信基站到移动终端的大尺度信道信息的转换关系,并记录各个通信基站到每个指定位置的大尺度信道信息,即α=[α1,α2,α3,α4]T。
在本实施例中,可选地,所述重复上述的全部步骤,直至达到预定目标,包括:
重复上述的全部步骤,直至相关的所述指定位置对应的所述预测位置信息与实际位置信息的误差小于预设阈值,其中所述实际位置信息为所述位置与信号地图中相关的所述指定位置的坐标信息。
在本实施例中,可选地,每个所述指定位置对应的坐标信息为二维坐标信息,每个所述指定位置对应的所述大尺度信道信息为该所述指定位置与各个相关的通讯基站之间的大尺度信道增益。
在本实施例中,可选地,所述Tk时刻与所述Tk-1时刻之间的时间间隔设为1秒,但不限为1秒。
目前,基于信道状态信息的方法已经被应用到室内定位中,信道状态信息反应了信号从发射端到接收端的信道状态和特征,具有较好的灵敏度和感知可靠性。由于大尺度信道信息包含了通信基站到用户(即移动终端)的距离等信息,且通过移动终端容易获取,因此在本发明中,应用通信基站到移动终端的大尺度信道信息作为定位依据。另外,随着深度学习的广泛应用,不同的神经网络被用来实现预测的功能,且不同的神经网络具有不同的特点。随着移动终端的广泛普及和大数据分析的快速发展,用户行为是可被预测的。本发明结合移动终端的运动信息和大尺度信道信息,实现了移动终端的定位。
本发明实施例通过采用5G信号获取移动终端在所述指定区域内的移动轨迹信息,并采用5G信号获取移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息,采用5G信号将移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的坐标信息输入预设神经网络进行训练,并输出移动终端在Tk时刻对应的预测位置信息,最后得到神经网络定位模型,为在指定区域上移动的移动终端的准确定位提供了模型,用户只需要将相关的位置信息和大尺度信息输入神经网络定位模型,即可输出移动终端的当前位置信息。
实施例二
请参阅图2,图2是本发明实施例的基于5G信号的构建神经网络定位模型的装置100的部分结构框架图,结合图2可以得到,本发明的一种基于5G信号的构建神经网络定位模型的装置100,包括:
信息获取模块110,用于采用5G信号获取所述移动终端在所述指定区域内的移动轨迹信息,并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息,其中所述移动轨迹信息预存于第一指定地址。
模型训练模块120,用于采用5G信号将所述移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的所述坐标信息输入预设神经网络进行训练,并输出所述移动终端在Tk时刻对应的预测位置信息,其中k为大于或等于1的自然数。
模型确定模块130,用于重复上述的全部步骤直至达到预定目标,之后记录并保存此时的所述预设神经网络的网络结构与参数数值,并将其作为所述神经网络定位模型的网络结构与参数数值,得到所述神经网络定位模型。
本发明实施例通过采用5G信号获取移动终端在所述指定区域内的移动轨迹信息,并采用5G信号获取移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息,采用5G信号将移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的坐标信息输入预设神经网络进行训练,并输出移动终端在Tk时刻对应的预测位置信息,最后得到神经网络定位模型,为在指定区域上移动的移动终端的准确定位提供了模型,用户只需要将相关的位置信息和大尺度信息输入神经网络定位模型,即可输出移动终端的当前位置信息。
实施例三
请参阅图3,图3是本发明实施例的基于5G信号的移动终端的定位方法的实施流程图,结合图3可以得到,本发明的一种基于5G信号的移动终端的定位方法,用于对位于指定区域且处于移动状态的移动终端进行定位,所述定位方法基于上述任一项所述的神经网络定位模型来实现,其包括以下步骤:
步骤S201:采用5G信号获取所述移动终端在指定区域上的移动轨迹信息,并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息。
步骤S202:采用5G信号将所述移动终端在Tk时刻对应的大尺度信道信息和在Tk-1时刻对应的坐标信息输入所述神经网络定位模型,并输出预测位置信息。
步骤S203:采用5G信号将从所述神经网络定位模型输出的所述预测位置信息作为所述移动终端在Tk时刻对应的目标位置信息。
本发明实施例通过使用实施例一所述的神经网络定位模型对位于指定区域移动的移动终端进行定位,解决了现有技术中的以下问题:基于信道状态信息的定位方法,由于易受环境因素等问题影响,使得该定位方法不能提供很好的定位精度。
实施例四
请参阅图4,图4是本发明实施例的基于5G信号的移动终端的定位装置200的部分结构框架图,结合图4可以得到,本发明的一种基于5G信号的移动终端的定位装置200,用于对位于指定区域且处于移动状态的移动终端进行定位,所述定位方法基于实施例一所述的神经网络定位模型来实现,其包括:
轨迹获取模块210,用于采用5G信号获取所述移动终端在指定区域上的移动轨迹信息,并采用5G信号获取所述移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息。
信息处理模块220,用于采用5G信号将所述移动终端在Tk时刻对应的大尺度信道信息和在Tk-1时刻对应的坐标信息输入所述神经网络定位模型,并输出预测位置信息。
位置确认模块230,用于将从所述神经网络定位模型输出的所述预测位置信息作为所述移动终端在Tk时刻对应的目标位置信息。
本发明实施例通过使用实施例一所述的神经网络定位模型对位于指定区域移动的移动终端进行定位,解决了现有技术中的以下问题:基于信道状态信息的定位方法,由于易受环境因素等问题影响,使得该定位方法不能提供很好的定位精度。
实施例五
请参阅图5,参考图5可以看到,本发明实施例的一种计算机可读存储介质10,所述的计算机可读存储介质10,如:ROM/RAM、磁碟、光盘等,其上存储有计算机程序11,所述计算机程序11被执行时实现如实施例一所述的基于5G信号的神经网络定位模型的构建方法,或实现如实施例三所述的基于5G信号的移动终端的定位方法。由于该基于5G信号的神经网络定位模型的构建方法和基于5G信号的移动终端的定位方法已经分别在实施例一和实施例三中进行了详细的说明,在此不再重复说明。
本发明实施例实现的基于5G信号的神经网络定位模型的构建方法,通过采用5G信号获取移动终端在所述指定区域内的移动轨迹信息,并采用5G信号获取移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息,采用5G信号将移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的坐标信息输入预设神经网络进行训练,并输出移动终端在Tk时刻对应的预测位置信息,最后得到神经网络定位模型,为在指定区域上移动的移动终端的准确定位提供了模型,用户只需要将相关的位置信息和大尺度信息输入神经网络定位模型,即可输出移动终端的当前位置信息。另外,本发明实现的基于5G信号的移动终端的定位方法,通过使用该神经网络定位模型对位于指定区域移动的移动终端进行定位,解决了现有技术中的以下问题:基于信道状态信息的定位方法,由于易受环境因素等问题影响,使得该定位方法不能提供很好的定位精度。
实施例六
请参阅图6,参考图6可以看到,本发明实施例的一种计算机设备20,其包括处理器21、存储器22及存储于所述存储器22上并可在所述处理器21上运行的计算机程序221,所述处理器21执行所述计算机程序221时实现如实施例一所述的基于5G信号的神经网络定位模型的构建方法,或实现如实施例三所述的基于5G信号的移动终端的定位方法。由于该基于5G信号的神经网络定位模型的构建方法和基于5G信号的移动终端的定位方法已经分别在实施例一和实施例三中进行了详细的说明,在此不再重复说明。
本发明实施例实现的基于5G信号的神经网络定位模型的构建方法,通过采用5G信号获取移动终端在所述指定区域内的移动轨迹信息,并采用5G信号获取移动轨迹信息中包含的每个指定位置所对应的坐标信息和大尺度信道信息,采用5G信号将移动终端在Tk时刻对应的所述大尺度信道信息和在Tk-1时刻对应的坐标信息输入预设神经网络进行训练,并输出移动终端在Tk时刻对应的预测位置信息,最后得到神经网络定位模型,为在指定区域上移动的移动终端的准确定位提供了模型,用户只需要将相关的位置信息和大尺度信息输入神经网络定位模型,即可输出移动终端的当前位置信息。另外,本发明实现的基于5G信号的移动终端的定位方法,通过使用该神经网络定位模型对位于指定区域移动的移动终端进行定位,解决了现有技术中的以下问题:基于信道状态信息的定位方法,由于易受环境因素等问题影响,使得该定位方法不能提供很好的定位精度。
以上所述仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。