【技术实现步骤摘要】
本申请涉及深度学习与通信领域，更具体地，涉及一种基于循环神经网络的移动定位方法。
技术介绍
1、随着城市化进程的加速，高压线路作为城市电力传输的重要基础设施，其周边的施工活动日益频繁。然而，吊车违章作业导致的高压线放电事故不仅造成了电网的严重损坏，还严重威胁到了施工人员及周边居民的人身安全，成为亟待解决的社会问题。
2、为了从根本上降低施工事故的发生率，保护电网与人员安全，科研人员与工程师们共同研发了大型机械作业安全管控仪，该设备集成了多项先进技术，其核心功能在于划定安全工作区域，并实时监测机械与高压线路之间的安全距离，确保施工活动在绝对安全的环境下进行。
3、在大型机械作业安全管控仪中，移动定位技术扮演了至关重要的角色。目前，全球定位系统(gps)及其辅助技术(a-gps)作为主流的定位手段，以其高精度、全天候、全球覆盖的特性，在多数情况下能够满足定位需求。然而，在复杂的城市环境中，尤其是高楼林立、信号遮挡严重的区域，gps信号的多径传播问题变得尤为突出，导致定位精度大幅下降甚至完全失效。此外，gps技术的高功耗特性也限制了其在移动设备上的长时间使用。
4、rnn作为一种深度学习模型，特别擅长处理序列数据中的时间依赖性和长期依赖性，这使得它在处理无线信号传播中的多径效应和动态变化方面具有独特优势。通过训练rnn模型，可以学习到信号传播路径的复杂特征，从而即使在信号受到干扰或遮挡的情况下，也能实现较为准确的定位。
5、综上所述，针对传统定位系统在受制于城市建筑物等遮挡，定位准确度下
技术实现思路
1、针对现有技术中定位系统在受制于城市建筑物等遮挡，定位准确度下降，本申请提出一种基于循环神经网络的移动定位方法。
2、本申请的方案如下：
3、一种基于循环神经网络的移动定位方法，包括如下步骤：
4、步骤s1、搭建移动定位系统，基于移动定位系统采集数据，并将采集的数据进行归一化处理得到数据集，将数据集划分为训练集和测试集；
5、步骤s2、构建循环神经网络模型，通过训练集对循环神经网络模型进行训练，得到移动定位模型；
6、步骤s3、将测试集输入移动定位模型，得到定位数据，并对定位数据进行反归一化处理，得到移动点位置。
7、优选的，所述移动定位系统包括移动站、移动定位服务器、数据服务器和模型服务器；所述移动站为车载型、便携型或手持型中的任意一种，所述移动站内设有gps模块和信号接收模块，所述gps模块用于估算移动站的gps坐标，所述信号接收模块用于收集网络信号，所述网络信号为异构网络的邻居基站和wi-fi无线接入点的rssi，所述异构网络为蜂窝网络和wi-fi网络。
8、优选的，所述移动站在训练阶段，收集gps坐标和网络信号并将gps坐标和网络信号发送至移动定位服务器；在执行阶段，移动站将收集到的网络信号发送到移动定位服务器进行位置估计。
9、优选的，所述数据服务器通过移动定位服务器存储来自移动站的gps坐标和网络信号，所述gps坐标和网络信号可以被查询并用于训练循环神经网络模型；所述模型服务器将训练好的循环神经网络模型从移动定位服务器中保存下来，用于估计移动点的位置。
10、优选的，所述步骤s1中归一化处理采用rssi和坐标的最小值和最大值进行归一化，具体如下：
11、步骤s11.采集网络信号和gps坐标，移动站在第ti时刻可以检测到来自蜂窝网络的rssi，即式(1)中的rc,i，wi-fi无线接入点的rssi，即式(2)中的rw,i和gps坐标，即式(3)中的li，定义第ti时刻来自蜂窝网络的第j个基站的rssi为rc,j,i，定义来自wi-fi网络的第k个无线接入点在时刻ti的rssi为rw,k,i；将网络信号ti时刻的rssi数据集定义为ri(如式(4)所示)；此外，位置li包括经度lx,i和纬度ly,i，假设共检测到m个位置，n1个不同的基站，n2个不同的wi-fi无线接入点，如果无法检测到网络信号的rssi，则可以设置为空；
12、
13、li＝{lx,i，ly,i} (3)
14、ri＝{rc,i，rw,i} (4)
15、步骤s12.将步骤s11采集的网络信号和gps坐标采用rssi和gps坐标的最小值和最大值归一化处理，根据蜂窝网络中rssi的最小值和最大值，即式(5)中的和定义第j个基站在时刻ti的归一化rssi为cj,i；根据wi-fi网络中rssi的最小值和最大值，即式(6)中的和定义蜂窝网络中第k个wi-fi无线接入点在时刻ti的归一化rssi为wk,i；根据gps坐标中经度的最小值和最大值，即式(7)中的和定义ti时刻的归一化经度为xi；根据gps坐标中纬度的最小值和最大值，即式(8)中的和定义ti时刻的归一化纬度为yi；
16、
17、
18、优选的，所述步骤s2中构建循环神经网络模型采用一个时间戳的循环神经网络或者两个时间戳任意一种，当单个时间序列作为时间戳的输入时，采用一个时间戳的循环神经网络；当两个时间序列作为时间戳的输入时，采用两个时间戳的循环神经网络。
19、优选的，所述一个时间戳的循环神经网络训练方法如下：
20、s211.基于循环神经网络由输入层、递归隐藏层和输出层组成，设定输入层为n1个基站和n2个wi-fi无线接入点输出层为估计的归一化经纬度和；递归隐藏层包含至少一个神经元，递归隐藏层中神经元的初始值定义为h0；
21、s212.基于上述设定，计算第一个时间戳的rssi后，循环隐藏层神经元的值可以更新为h1；cj,i，wk,i和h0的权重分别是αj，βk和v；输出和的h1权值分别为γ1和γ2；隐藏层和输出层神经元的偏差定义为b1,1，b2,1和b3,1；
22、s213.选取sigmoid函数作为每个神经元的激活函数，则h0、h1、的值可分别由式(9)～(12)计算，并根据误差平方定义损失函数e为式(13)；
23、h0＝0(9)
24、
25、s214.优化递归神经网络，采用学习率η和梯度下降法更新每个权值和偏差，其中，γ1，γ2，b2,1，b3,1，αj，βk，v和b1,1的更新分别由式(14)～(21)证明和计算；
26、
27、
28、优选的，所述步骤s211中当递归隐藏层包含一个以上神经元时，通过梯度下降法更新神经元之间的权值。
29、优选的，所述两个时间戳的循环神经网络训练方法如下：
30、s221.基于循环神经网络由输入层、递归隐藏层和输出层组成，设定输入层为第一个时间戳的(n1+n2)个标准化的rssi(c1,i，c2,i，…，和ω1,i，ω2,i，…，和在第二个时间戳的(n1+n2)个标本文档来自技高网...
【技术保护点】
1.一种基于循环神经网络的移动定位方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于循环神经网络的移动定位方法，其特征在于，所述移动定位系统包括移动站、移动定位服务器、数据服务器和模型服务器；所述移动站为车载型、便携型或手持型中的任意一种，所述移动站内设有GPS模块和信号接收模块，所述GPS模块用于估算移动站的GPS坐标，所述信号接收模块用于收集网络信号，所述网络信号为异构网络的邻居基站和Wi-Fi无线接入点的rssi，所述异构网络为蜂窝网络和Wi-Fi网络。
3.根据权利要求2所述的一种基于循环神经网络的移动定位方法，其特征在于，所述移动站在训练阶段，收集GPS坐标和网络信号并将GPS坐标和网络信号发送至移动定位服务器；在执行阶段，移动站将收集到的网络信号发送到移动定位服务器进行位置估计。
4.根据权利要求2所述的一种基于循环神经网络的移动定位方法，其特征在于，所述数据服务器通过移动定位服务器存储来自移动站的GPS坐标和网络信号，所述GPS坐标和网络信号可以被查询并用于训练循环神经网络模型；所述模型服务器将训练好的循环神经网络
5.根据权利要求1所述的一种基于循环神经网络的移动定位方法，其特征在于，所述步骤S1中归一化处理采用rssi和坐标的最小值和最大值进行归一化，具体如下：
6.根据权利要求1所述的一种基于循环神经网络的移动定位方法，其特征在于，所述步骤S2中构建循环神经网络模型采用一个时间戳的循环神经网络或者两个时间戳任意一种，当单个时间序列作为时间戳的输入时，采用一个时间戳的循环神经网络；当两个时间序列作为时间戳的输入时，采用两个时间戳的循环神经网络。
7.根据权利要求6所述的一种基于循环神经网络的移动定位方法，其特征在于，所述一个时间戳的循环神经网络训练方法如下：
8.根据权利要求7所述的一种基于循环神经网络的移动定位方法，其特征在于，所述步骤S211中当递归隐藏层包含一个以上神经元时，通过梯度下降法更新神经元之间的权值。
9.根据权利要求6所述的一种基于循环神经网络的移动定位方法，其特征在于，所述两个时间戳的循环神经网络训练方法如下：
10.根据权利要求1所述的一种基于循环神经网络的移动定位方法，其特征在于，所述步骤S3中反归一化处理：
...【技术特征摘要】
1.一种基于循环神经网络的移动定位方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于循环神经网络的移动定位方法，其特征在于，所述移动定位系统包括移动站、移动定位服务器、数据服务器和模型服务器；所述移动站为车载型、便携型或手持型中的任意一种，所述移动站内设有gps模块和信号接收模块，所述gps模块用于估算移动站的gps坐标，所述信号接收模块用于收集网络信号，所述网络信号为异构网络的邻居基站和wi-fi无线接入点的rssi，所述异构网络为蜂窝网络和wi-fi网络。
3.根据权利要求2所述的一种基于循环神经网络的移动定位方法，其特征在于，所述移动站在训练阶段，收集gps坐标和网络信号并将gps坐标和网络信号发送至移动定位服务器；在执行阶段，移动站将收集到的网络信号发送到移动定位服务器进行位置估计。
4.根据权利要求2所述的一种基于循环神经网络的移动定位方法，其特征在于，所述数据服务器通过移动定位服务器存储来自移动站的gps坐标和网络信号，所述gps坐标和网络信号可以被查询并用于训练循环神经网络模型；所述模型服务器将训练好的循环神经网络模型从移动定位服务器中保存下来，用于...
【专利技术属性】
技术研发人员：隋月艺，李强，胡伟涛，张峰，胡嘉祥，郭末凯，高淼，靳儒昌，崔超，
申请(专利权)人：国网河北省电力有限公司超高压分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。