CN114423077B - 基于智能超表面的4d内生安全室内定位方法及其定位系统 - Google Patents
基于智能超表面的4d内生安全室内定位方法及其定位系统 Download PDFInfo
- Publication number
- CN114423077B CN114423077B CN202210037793.9A CN202210037793A CN114423077B CN 114423077 B CN114423077 B CN 114423077B CN 202210037793 A CN202210037793 A CN 202210037793A CN 114423077 B CN114423077 B CN 114423077B
- Authority
- CN
- China
- Prior art keywords
- positioning
- signal
- signals
- intelligent super
- indoor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 30
- 230000004044 response Effects 0.000 claims description 23
- 230000035939 shock Effects 0.000 claims description 19
- 230000001276 controlling effect Effects 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 14
- 230000000747 cardiac effect Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000011478 gradient descent method Methods 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 5
- 238000003672 processing method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/22—Scatter propagation systems, e.g. ionospheric, tropospheric or meteor scatter
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于智能超表面的4D内生安全室内定位方法及其定位系统，所述的方法包括如下：由定位设备发射无线定位信号，利用智能超表面的电磁环境可重构特性对无线定位信号进行反射，反射为多个空间波束信号，对室内三维空间进行扫描；然后被定位终端接收到空间波束信号，并通过反向散射的方式，将被定位终端的生物特征调制在反射定位信号中发射；所述的智能超表面对接收到的反射定位信号进行分析处理，由此扩展空间定位信息维度，实现室内安全定位。本发明基于智能超表面实现室内电磁环境重构，克服室内复杂物理、电磁环境的限制，通过智能超表面的多波束控制能力，支持多流并行空间扫描，实现高精度室内安全定位。
Description
技术领域
本发明涉及室内定位技术领域，更具体的，涉及一种基于智能超表面的4D内生安全室内定位方法及其定位系统。
背景技术
得益于近年来超材料技术快速发展，由大量超材料单元构成的无源阵列——智能超表面(reconfigurable intelligent surface，RIS)被提出，能以低功耗和低成本灵活调控无线电磁波，大幅提高接收信号质量。RIS突破了无线电磁环境不可控特性，使得通信电磁环境变得“智能”、“可控”，构建了电磁世界和信息世界的有效接口。
GPS成为几乎所有定位和导航应用中最常见的参考系统。然而，它在室内场景中具有严重的局限性。随着互联网建设的不断深入，新的室内应用对定位精度和实时性要求更高。因此，新技术的引入变得愈加重要，目前现有技术采用基于WiFi、UWB、蓝牙等定位方法。
如采用邻近探测法，通过一些有范围限制的物理信号的接收，从而判断移动设备是否出现在某一个发射点附近；但是邻近探测法的操作简单，精度不高，依赖参考点分布密度。
如采用质心定位法，其要先完成多个参考节点布设，通过参考节点发送无线电磁波，移动设备接收来自多个参考节点的电磁波信号，根据接收信号强度、时间等计算质心坐标完成定位。但是其存在依赖参考点布设、定位精度低的不足与缺点。
如采用WIFI定位，利用现有的无线网络，配合WIFI标签和相关的移动终端设备比如WIFI手机，PDA,笔记本电脑等，再结合相应的定位算法，来确定相关人员和物品位置。在无线局域网覆盖的地方，由人身上的相关移动设备(WiFi标签)发出信号，无线局域网访问点(AP)接收到信号后，将信号传送给定位服务器。定位服务器根据信号的强弱或信号到达时差判断出人员的位置，并通过电子地图显示具体位置。依然存在定位误差大、易受其它同频设备干扰影响的不足之处。
如采用惯性传感器定位，在无信标环境下使用惯性测量单元感知人员在行进过程中的加速度、角速度、磁力和压力等数据，并利用这些数据对行进人员进行步长与方向的推算，从而达到对人员进行定位跟踪。该方法实现十分精准的步长检测和方向的推算十分困难，累积误差大。
综上所述，以上现有技术均能够提供一定的定位能力，但受到室内复杂环境影响，并不那么有效。目前通用通信体制缺少安全设计，用户ID等敏感信息易被破解获取。因此亟需一种能够克服室内多径、遮挡等复杂无线环境，同时具有无线内生安全的定位通信方法。
发明内容
本发明为了解决以上现有技术无法兼顾定位精度、环境变化、参考节点布设、信息安全的问题，提供了一种基于智能超表面的4D内生安全室内定位方法及其定位系统，其能大幅降低室内环境变化影响，具有连续、精确完成室内定位的能力。
为实现上述本发明目的，采用的技术方案如下：
一种基于智能超表面的4D内生安全室内定位方法，所述的方法包括如下：
由定位设备发射无线定位信号，利用智能超表面的电磁环境可重构特性对无线定位信号进行反射，反射为多个空间波束信号，对室内三维空间进行扫描；
然后被定位终端接收到空间波束信号，并通过反向散射的方式，将被定位终端的生物特征调制在反射定位信号中发射；所述的智能超表面对接收到的反射定位信号进行分析处理，由此扩展空间定位信息维度，实现室内安全定位。
优选地，所述的智能超表面包括器件阵列、阵列控制板、在器件阵列上设有若干个反射器件单元；
阵列控制板，用于控制每个反射器件单元的工作状态，从而动态或半静态地控制反射器件单元对无线信号的响应模式；其根据通信系统的需求来确定无线信号响应波束，对电磁波进行主动的智能调控；
每个反射器件单元上都具有可变的器件结构，反射器件单元上的二极管开关的状态决定反射器件单元对入射信号的不同响应模式；
不同状态的反射器件单元的无线响应信号互相叠加，从而形成特定的波束传播特征；
在不同的编码下，通过反射形成不同形状的电磁波束，从而实现动态操控电磁波的目的。
进一步地，所述的生物特征为心震信号，所述的心震信号是一类具有周期性特征的复杂生物信号。
再进一步地，所述的心震信号的表达式为：
s(t)＝s(t+kT)
其中，k＝1,2,…,N，t为时间、T为心跳周期、s(t)表示心震信号；则调制后的反射定位信号y(t)为：
y(t)＝x(t)s(t)
其中，为x(t)定位载波信号。
再进一步地，所述的智能超表面接收来自被定位终端的反射定位信号，反射定位信号经过智能超表面解调后得到心震信号采用基于人工智能信号处理方法将心震信号的提取构建为一维匹配问题，对心震信号进行分析处理，若心震信号与数据库生物信息相关度高，则识别为对应的终端标签。
再进一步地，所述的一维匹配问题的目标是最小化训练模板T和输入数据D的重复段之间的误差函数e(i)：
e(i)＝|Di-T|2
其中，Di是输入时间序列数据的第i段，其大小与T相同；
通过构建卷积神经网络，使用随机梯度下降法求解，最小化误差函数，得到训练模板T，进而完成心震图匹配识别。
再进一步地，用于解决一维匹配问题的卷积神经网络的基本参数如下：
1)一维CNN层，使用学习模板T为其卷积滤波器；
2)一维CNN层后连接有Maxpool层，并在一维CNN层的输出处找到峰值；
由于峰值在学习模板与单个心跳对齐时出现，因此峰值的数量表示心跳的数量。
再进一步地，所述的卷积神经网络的损失函数可表述为：
其中，为L-2范数，M为每个Maxpool输出元素的值，λ为调谐参数。
再进一步地，在室内设置多个智能超表面，实现并行空间扫描。
一种基于智能超表面的定位系统，所述的定位系统包括
定位设备，用于发射无线定位信号；
智能超表面，用于将无线定位信号反射为多个空间波束信号，和对反射定位信号进行分析处理；
被定位终端，用于接收到空间波束信号，并将被定位终端的生物特征调制在反射定位信号中发射。
本发明的有益效果如下：
本发明通过将生物特征信息(心震信号)调制到反向散射信号上，扩展了空间定位信息维度，实现4D内生安全定位。基于智能超表面实现室内电磁环境重构，克服室内复杂物理、电磁环境的限制，通过智能超表面的多波束控制能力，支持多流并行空间扫描，实现高精度室内安全定位。本发明定位系统可以提供安全、连续、高精度室内定位。此外，定位信号不受室内物理环境遮挡、电磁干扰等问题的限制，可以实现实时定位。将增加室内定位解决方案的灵活性，催生更多的新型应用。
由于现有定位技术和手段实现室内高精度安全定位存在很大局限，为克服依赖参考点、定位精度低、室内环境适应性、累计误差等问题，本发明采用智能电磁环境控制+无线内生安全的机制实现室内安全定位。通过该机制可实现室内电磁环境控制，并通过无线内生安全提升定位系统准确性和安全性。
附图说明
图1是本发明智能超表面的多波束空间扫描的原理图。
图2是本发明智能超表面的结构示意图。
图3是本发明引入生物特征信息的示意图。
图4是本发明多个智能超表面的空间扫描原理图。
具体实施方式
下面结合附图和具体实施方式对本发明做详细描述。
实施例1
如图1所示，一种基于智能超表面的4D内生安全室内定位方法，所述的方法包括如下：
由定位设备发射无线定位信号，利用智能超表面的电磁环境可重构特性对无线定位信号进行反射，反射为多个空间波束信号，对室内三维空间进行扫描；
然后被定位终端接收到空间波束信号，并通过反向散射的方式，将被定位终端的生物特征调制在反射定位信号中发射；所述的智能超表面对接收到的反射定位信号进行分析处理，由此扩展空间定位信息维度，实现室内安全定位。
在一个具体的实施例中，如图2所示，所述的智能超表面为室内电磁环境重构设备，所述的智能超表面包括大规模器件阵列、阵列控制板、在大规模器件阵列上设有若干个反射器件单元；
阵列控制板，用于控制每个反射器件单元的工作状态，从而动态或半静态地控制反射器件单元对无线信号的响应模式；其根据通信系统的需求来确定无线信号响应波束，对电磁波进行主动的智能调控；
每个反射器件单元上都具有可变的器件结构，反射器件单元上的二极管开关的状态决定反射器件单元单元对入射信号的不同响应模式；所述的二极管开关采用PIN二极管开关。
不同状态的反射器件单元的无线响应信号互相叠加，从而形成特定的波束传播特征；
在不同的编码下，通过反射形成不同形状的电磁波束，从而实现动态操控电磁波的目的。
阵列控制板相当于整个智能超表面的“大脑”，根据通信系统的需求来确定无线信号响应波束，对电磁波进行主动的智能调控。智能超表面突破了传统电磁波传播环境不可控的特性，使得原来静态的通信环境变得“智能”、“可控”，成为了电磁世界和信息世界的有效接口。突破无线信道被动适应限制，可以实现无线环境按需智能重构，被用来解决室内复杂物理、电磁环境下的信号覆盖问题。
在一个具体的实施例中，本实施例在空间三维位置信息外，增加了生物特征信息维度，来提升无线定位的安全性。所述的生物特征为心震信号，所述的心震信号是一类具有周期性特征的复杂生物信号。所述的心震信号的表达式为：
s(t)＝s(t+kT)
其中，k＝1,2,…,N，t为时间、T为心跳周期、s(t)表示心震信号；
则调制后的反射定位信号y(t)为：
y(t)＝x(t)s(t)
其中，为x(t)定位载波信号。
在一个具体的实施例中，所述的智能超表面接收来自被定位终端的反射定位信号，反射定位信号经过智能超表面解调后得到心震信号采用基于人工智能信号处理方法将心震信号的提取构建为一维匹配问题，对心震信号进行分析处理，若心震信号与数据库生物信息相关度高，则识别为对应的终端标签。
在一个具体的实施例中，所述的一维匹配问题的目标是最小化训练模板T和输入数据D的重复段之间的误差函数e(i)：
e(i)＝|Di-T|2
其中，Di是输入时间序列数据的第i段，其大小与T相同；
通过构建卷积神经网络，使用随机梯度下降法求解，最小化误差函数，得到训练模板T，进而完成心震图匹配识别。
在一个具体的实施例中，用于解决一维匹配问题的卷积神经网络的基本参数如下：
1)一维CNN层，使用学习模板T为其卷积滤波器；
2)一维CNN层后连接有Maxpool层，并在一维CNN层的输出处找到峰值；
由于峰值在学习模板与单个心跳对齐时出现，因此峰值的数量表示心跳的数量。
在一个具体的实施例中，所述的卷积神经网络的损失函数可表述为：
其中，为L-2范数，M为每个Maxpool输出元素的值，λ为调谐参数。
实施例2
如图1所示，一种基于智能超表面的4D内生安全室内定位方法，所述的方法包括如下：
由定位设备发射无线定位信号，利用智能超表面的电磁环境可重构特性对无线定位信号进行反射，反射为多个空间波束信号，对室内三维空间进行扫描；
然后被定位终端接收到空间波束信号，并通过反向散射的方式，将被定位终端的生物特征调制在反射定位信号中发射；所述的智能超表面对接收到的反射定位信号进行分析处理，由此扩展空间定位信息维度，实现室内安全定位。
在一个具体的实施例中，如图2所示，所述的智能超表面为室内电磁环境重构设备，所述的智能超表面包括大规模器件阵列、阵列控制板、在大规模器件阵列上设有若干个反射器件单元；
阵列控制板，用于控制每个反射器件单元的工作状态，从而动态或半静态地控制反射器件单元对无线信号的响应模式；其根据通信系统的需求来确定无线信号响应波束，对电磁波进行主动的智能调控；
每个反射器件单元上都具有可变的器件结构，反射器件单元上的PIN二极管开关的状态决定反射器件单元对入射信号的不同响应模式；
不同状态的反射器件单元的无线响应信号互相叠加，从而形成特定的波束传播特征；
在不同的编码下，通过反射形成不同形状的电磁波束，从而实现动态操控电磁波的目的。
阵列控制板相当于整个智能超表面的“大脑”，根据通信系统的需求来确定无线信号响应波束，对电磁波进行主动的智能调控。智能超表面突破了传统电磁波传播环境不可控的特性，使得原来静态的通信环境变得“智能”、“可控”，成为了电磁世界和信息世界的有效接口。突破无线信道被动适应限制，可以实现无线环境按需智能重构，被用来解决室内复杂物理、电磁环境下的信号覆盖问题。
在一个具体的实施例中，本实施例在空间三维位置信息外，增加了生物特征信息维度，来提升无线定位的安全性。所述的生物特征为心震信号，所述的心震信号是一类具有周期性特征的复杂生物信号。所述的心震信号的表达式为：
s(t)＝s(t+kT)
其中，k＝1,2,…,N，t为时间、T为心跳周期、s(t)表示心震信号；
则调制后的反射定位信号y(t)为：
y(t)＝x(t)s(t)
其中，为x(t)定位载波信号。
在一个具体的实施例中，所述的智能超表面接收来自被定位终端的反射定位信号，反射定位信号经过智能超表面解调后得到心震信号采用基于人工智能信号处理方法将心震信号的提取构建为一维匹配问题，对心震信号进行分析处理，若心震信号与数据库生物信息相关度高，则识别为对应的终端标签。
在一个具体的实施例中，所述的一维匹配问题的目标是最小化训练模板T和输入数据D的重复段之间的误差函数e(i)：
e(i)＝|Di-T|2
其中，Di是输入时间序列数据的第i段，其大小与T相同；
通过构建卷积神经网络，使用随机梯度下降法求解，最小化误差函数，得到训练模板T，进而完成心震图匹配识别。
在一个具体的实施例中，用于解决一维匹配问题的卷积神经网络的基本参数如下：
1)一维CNN层，使用学习模板T为其卷积滤波器；
2)一维CNN层后连接有Maxpool层，并在一维CNN层的输出处找到峰值；
由于峰值在学习模板与单个心跳对齐时出现，因此峰值的数量表示心跳的数量。
在一个具体的实施例中，所述的卷积神经网络的损失函数可表述为：
其中，为L-2范数，M为每个Maxpool输出元素的值，λ为调谐参数。
如图3所示，在一个具体的实施例中，所述的被定位终端包括反向散射模块，生物特征信息调制模块，能量收集模块；
所述的反向散射模块用于接收空间波束信号，和发射反射定位信号；
所述的能量收集模块，用于收集空间波束信号；
所述的生物特征信息调制模块，用于将被定位终端的生物特征调制在反射定位信号中。
在一个具体的实施例中，在室内设置多个智能超表面，实现并行空间扫描，从而实现提升定位速度和效率。多个智能超表面并行空间扫描方案如图4所示。
实施例3
一种基于智能超表面的定位系统，所述的定位系统包括
定位设备，用于发射无线定位信号；
智能超表面，用于将无线定位信号反射为多个空间波束信号，和对反射定位信号进行分析处理；
被定位终端，用于接收空间波束信号，并将被定位终端的生物特征调制在反射定位信号中发射。
在一个具体的实施例中，如图2所示，所述的智能超表面为室内电磁环境重构设备，所述的智能超表面包括大规模器件阵列、阵列控制板、在大规模器件阵列上设有若干个反射器件单元；
阵列控制板，用于控制每个反射器件单元的工作状态，从而动态或半静态地控制反射器件单元对无线信号的响应模式；其根据通信系统的需求来确定无线信号响应波束，对电磁波进行主动的智能调控；
每个反射器件单元上都具有可变的器件结构，反射器件单元上的PIN二极管开关的状态决定反射器件单元对入射信号的不同响应模式；
不同状态的反射器件单元的无线响应信号互相叠加，从而形成特定的波束传播特征；
在不同的编码下，通过反射形成不同形状的电磁波束，从而实现动态操控电磁波的目的。
阵列控制板相当于整个智能超表面的“大脑”，根据通信系统的需求来确定无线信号响应波束，对电磁波进行主动的智能调控。智能超表面突破了传统电磁波传播环境不可控的特性，使得原来静态的通信环境变得“智能”、“可控”，成为了电磁世界和信息世界的有效接口。突破无线信道被动适应限制，可以实现无线环境按需智能重构，被用来解决室内复杂物理、电磁环境下的信号覆盖问题。
在一个具体的实施例中，本实施例在空间三维位置信息外，增加了生物特征信息维度，来提升无线定位的安全性。所述的生物特征为心震信号，所述的心震信号是一类具有周期性特征的复杂生物信号。所述的心震信号的表达式为：
s(t)＝s(t+kT)
其中，k＝1,2,…,N，t为时间、T为心跳周期、s(t)表示心震信号；
则调制后的反射定位信号y(t)为：
y(t)＝x(t)s(t)
其中，为x(t)定位载波信号。
在一个具体的实施例中，所述的智能超表面接收来自被定位终端的反射定位信号，反射定位信号经过智能超表面解调后得到心震信号采用基于人工智能信号处理方法将心震信号的提取构建为一维匹配问题，对心震信号进行分析处理，若心震信号与数据库生物信息相关度高，则识别为对应的终端标签。
在一个具体的实施例中，所述的一维匹配问题的目标是最小化训练模板T和输入数据D的重复段之间的误差函数e(i)：
e(i)＝|Di-T|2
其中，Di是输入时间序列数据的第i段，其大小与T相同；
通过构建卷积神经网络，使用随机梯度下降法求解，最小化误差函数，得到训练模板T，进而完成心震图匹配识别。
在一个具体的实施例中，用于解决一维匹配问题的卷积神经网络的基本参数如下：
1)一维CNN层，使用学习模板T为其卷积滤波器；
2)一维CNN层后连接有Maxpool层，并在一维CNN层的输出处找到峰值；
由于峰值在学习模板与单个心跳对齐时出现，因此峰值的数量表示心跳的数量。
在一个具体的实施例中，所述的卷积神经网络的损失函数可表述为：
其中，为L-2范数，M为每个Maxpool输出元素的值，λ为调谐参数。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (4)
1.一种基于智能超表面的4D内生安全室内定位方法，其特征在于：所述的方法包括如下：
由定位设备发射无线定位信号，利用智能超表面的电磁环境可重构特性对无线定位信号进行反射，反射为多个空间波束信号，对室内三维空间进行扫描；
然后被定位终端接收到空间波束信号，并通过反向散射的方式，将被定位终端的生物特征调制在反射定位信号中发射；所述的智能超表面对接收到的反射定位信号进行分析处理，由此扩展空间定位信息维度，实现室内安全定位；
所述的生物特征为心震信号，所述的心震信号是一类具有周期性特征的复杂生物信号；
所述的心震信号的表达式为：
s(t)＝s(t+kT)
其中，k＝1,2,…,N，t为时间、T为心跳周期、s(t)表示心震信号；
则调制后的反射定位信号y(t)为：
y(t)＝x(t)s(t)
其中，为x(t)定位载波信号；
所述的智能超表面接收来自被定位终端的反射定位信号，反射定位信号经过智能超表面解调后得到心震信号采用基于人工智能信号处理方法将心震信号的提取构建为一维匹配问题，对心震信号进行分析处理，若心震信号与数据库生物信息相关度高，则识别为对应的终端标签；
所述的一维匹配问题的目标是最小化训练模板T和输入数据D的重复段之间的误差函数e(i)：
e(i)＝|Di-T|2
其中，Di是输入时间序列数据的第i段，其大小与T相同；
通过构建卷积神经网络，使用随机梯度下降法求解，最小化误差函数，得到训练模板T，进而完成心震图匹配识别；
用于解决一维匹配问题的卷积神经网络的基本参数如下：
1)一维CNN层，使用学习模板T为其卷积滤波器；
2)一维CNN层后连接有Maxpool层，并在一维CNN层的输出处找到峰值；
由于峰值在学习模板与单个心跳对齐时出现，因此峰值的数量表示心跳的数量；
所述的卷积神经网络的损失函数可表述为：
其中，为L-2范数，M为每个Maxpool输出元素的值，λ为调谐参数。
2.根据权利要求1所述的基于智能超表面的4D内生安全室内定位方法，其特征在于：所述的智能超表面包括器件阵列、阵列控制板、在器件阵列上设有若干个反射器件单元；
阵列控制板，用于控制每个反射器件单元的工作状态，从而动态或半静态地控制反射器件单元对无线信号的响应模式；其根据通信系统的需求来确定无线信号响应波束，对电磁波进行主动的智能调控；
每个反射器件单元上都具有可变的器件结构，反射器件单元上的二极管开关的状态决定反射器件单元对入射信号的不同响应模式；
不同状态的反射器件单元的无线响应信号互相叠加，从而形成特定的波束传播特征；
在不同的编码下，通过反射形成不同形状的电磁波束，从而实现动态操控电磁波的目的。
3.根据权利要求1所述的基于智能超表面的4D内生安全室内定位方法，其特征在于：在室内设置多个智能超表面，实现并行空间扫描。
4.一种基于权利要求1～3任一项所述的基于智能超表面的4D内生安全室内定位方法的定位系统，其特征在于：所述的定位系统包括
定位设备，用于发射无线定位信号；
智能超表面，用于将无线定位信号反射为多个空间波束信号，和对反射定位信号进行分析处理；
被定位终端，用于接收到空间波束信号，并将被定位终端的生物特征调制在反射定位信号中发射。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210037793.9A CN114423077B (zh) | 2022-01-13 | 2022-01-13 | 基于智能超表面的4d内生安全室内定位方法及其定位系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210037793.9A CN114423077B (zh) | 2022-01-13 | 2022-01-13 | 基于智能超表面的4d内生安全室内定位方法及其定位系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114423077A CN114423077A (zh) | 2022-04-29 |
| CN114423077B true CN114423077B (zh) | 2023-09-08 |
Family
ID=81274040
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210037793.9A Active CN114423077B (zh) | 2022-01-13 | 2022-01-13 | 基于智能超表面的4d内生安全室内定位方法及其定位系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114423077B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115460619B (zh) * | 2022-11-09 | 2024-06-11 | 荣耀终端有限公司 | 一种信号控制方法及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107544054A (zh) * | 2017-08-15 | 2018-01-05 | 西京学院 | 一种基于环境反向散射的室内定位方法和装置 |
| CN111867054A (zh) * | 2020-06-30 | 2020-10-30 | 中兴通讯股份有限公司 | 发射装置的定位方法及装置、系统、存储介质和电子装置 |
| CN111936818A (zh) * | 2018-04-04 | 2020-11-13 | 三星电子株式会社 | 包括具有超表面的透明构件的光源模块及包括光源模块的电子装置 |
| CN112714446A (zh) * | 2020-12-31 | 2021-04-27 | 中国电子科技集团公司第七研究所 | 一种基于边缘智能的协作入侵感知方法 |
| CN113056000A (zh) * | 2021-02-08 | 2021-06-29 | 北京邮电大学 | 一种基于超表面的定位系统、方法及装置 |
| EP3919929A1 (en) * | 2020-06-05 | 2021-12-08 | Commissariat À L'Énergie Atomique Et Aux Énergies Alternatives | Method for optimizing user equipment wireless localization using reconfigurable intelligent surfaces, related device and computer program |
-
2022
- 2022-01-13 CN CN202210037793.9A patent/CN114423077B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107544054A (zh) * | 2017-08-15 | 2018-01-05 | 西京学院 | 一种基于环境反向散射的室内定位方法和装置 |
| CN111936818A (zh) * | 2018-04-04 | 2020-11-13 | 三星电子株式会社 | 包括具有超表面的透明构件的光源模块及包括光源模块的电子装置 |
| EP3919929A1 (en) * | 2020-06-05 | 2021-12-08 | Commissariat À L'Énergie Atomique Et Aux Énergies Alternatives | Method for optimizing user equipment wireless localization using reconfigurable intelligent surfaces, related device and computer program |
| CN111867054A (zh) * | 2020-06-30 | 2020-10-30 | 中兴通讯股份有限公司 | 发射装置的定位方法及装置、系统、存储介质和电子装置 |
| WO2022001402A1 (zh) * | 2020-06-30 | 2022-01-06 | 中兴通讯股份有限公司 | 发射装置的定位方法及装置、系统、存储介质和电子装置 |
| CN112714446A (zh) * | 2020-12-31 | 2021-04-27 | 中国电子科技集团公司第七研究所 | 一种基于边缘智能的协作入侵感知方法 |
| CN113056000A (zh) * | 2021-02-08 | 2021-06-29 | 北京邮电大学 | 一种基于超表面的定位系统、方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| Haobo Zhang.Towards Ubiquitous Positioning by Leveraging Reconfigurable Intelligent Surface.《IEEE Communications Letters》.2020,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114423077A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ma et al. | Fusion of RSS and phase shift using the Kalman filter for RFID tracking | |
| Mittal et al. | Adapting convolutional neural networks for indoor localization with smart mobile devices | |
| Hekimian-Williams et al. | Accurate localization of RFID tags using phase difference | |
| Gu et al. | WiGRUNT: WiFi-enabled gesture recognition using dual-attention network | |
| Shen et al. | PRDL: Relative localization method of RFID tags via phase and RSSI based on deep learning | |
| Lai et al. | TagSort: Accurate relative localization exploring RFID phase spectrum matching for Internet of Things | |
| Peng et al. | Deep convolutional neural network for passive RFID tag localization via joint RSSI and PDOA fingerprint features | |
| CN107765237A (zh) | 一种相控阵识别方法及系统 | |
| CN115244586A (zh) | 微波识别方法及系统 | |
| Xiao et al. | Abnormal behavior detection scheme of UAV using recurrent neural networks | |
| US11321967B2 (en) | Motion capture device and method for the multi-point receiving array based on the non-propagating electromagnetic field | |
| CN114423077B (zh) | 基于智能超表面的4d内生安全室内定位方法及其定位系统 | |
| BelMannoubi et al. | Deep neural networks for indoor localization using WiFi fingerprints | |
| CN112100572B (zh) | 人机物的无线边缘感知点云提取与识别方法与系统 | |
| CN109239661A (zh) | 一种基于深度q网络的rfid室内定位系统及算法 | |
| Chowdhury et al. | A dynamic HMM-based real-time location tracking system utilizing UHF passive RFID | |
| Wei et al. | RSSI-based location fingerprint method for RFID indoor positioning: a review | |
| Liu et al. | Deep-learning-based wireless human motion tracking for mobile ship environments | |
| Alexander et al. | Predicting indoor position using Bluetooth low energy and machine learning | |
| CN114372543B (zh) | 一种基于载波相位的rfid室内多目标3d定位系统及方法 | |
| KR101157103B1 (ko) | 자기 조직화에 기반한 위치 측정 장치, 그 방법 및 기록매체 | |
| Feng et al. | Evaluating mmWave sensing ability of recognizing multi-people under practical scenarios | |
| Raj et al. | IndoorRSSINet-Deep learning based 2D RSSI map prediction for indoor environments with application to wireless localization | |
| Satimbaevich et al. | Study of Localization Algorithms of RFID Tags in Closed Areas | |
| Ai et al. | [Retracted] Key Technologies of Real‐Time Location Service in Satellite Navigation and Positioning Network Based on Internet of Things |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |