一种利用通道状态信息进行定位的机器学习样本增强方法
摘要文本
微信公众号马克 数据网 。本发明公开了一种利用通道状态信息进行定位的机器学习样本增强方法，涉及室内定位技术领域，所述利用通道状态信息进行定位的机器学习样本增强方法包括下述操作步骤：S1、数据集设置；S2、正交分频复用；S3、天线信号计算；S4、AP随机偏移；S5、模拟测量设备的实际波动；S6、机器学习。该利用通道状态信息进行定位的机器学习样本增强方法，通过针对每个AP为来自用户设备的每个记录的信号添加一个独立的相移和独立的振幅来生成增强的CSI数据，以更加接近真实情况，由此将特定幅度随机添加至测量设备的测量结果中，有利于为训练提供了更多数据，并有效降低样本需求从而降低样本采集成本。
申请人信息
- 申请人:中科晶锐(苏州)科技有限公司
- 申请人地址:215000 江苏省苏州市姑苏区西环路3068号芯谷产业园2617室
- 发明人: 中科晶锐(苏州)科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种利用通道状态信息进行定位的机器学习样本增强方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311479477.8 |
| 申请日 | 2023/11/8 |
| 公告号 | CN117377062A |
| 公开日 | 2024/1/9 |
| IPC主分类号 | H04W64/00 |
| 权利人 | 中科晶锐(苏州)科技有限公司 |
| 发明人 | 龙真真; 刘德生; 王斌; 王微; 周宇 |
| 地址 | 江苏省苏州市姑苏区西环路3068号芯谷产业园2617室 |
专利主权项内容
1.一种利用通道状态信息进行定位的机器学习样本增强方法，其特征在于：所述利用通道状态信息进行定位的机器学习样本增强方法包括下述操作步骤：S1、数据集设置：设置数据集D即原始数据集DS，数据集D包含N个样本以及承载数据的子载波，且一共有N个AP，而且每个AP有N个RX天线，而CSI在多天线系统下其数据是个矩阵；S2、正交分频复用：采用正交分频复用将信道分成若干正交子信道，将高速数据信号转换成并行的低速子数据流，调制到在每个子信道上进行传输，有m个子载波承载数据；S3、天线信号计算：任一AP的某一个天线信号的计算公式如下：R(f；i)＝h(f)+n；k, jmk, jmk, j其中，R表示接收的第K个AP的第j根天线的信号；k, jK的范围{1，NAP}，j的范围{1，NRX}，NRX表示接收天线的数目的整数；从位置i传输信号(signal)的频率为f的子载波，记做si(f)，si(fm)即为从位置i传输信号(signal)的频率为fm的子载波，而公式中是以(fm)显示，si即可被理解为中的s为传输信号，i为位置，而说明书中亦有以下说明“h(f)表示第K个AP的第j个天线的第m个子载波的信道频率响应”，由此可知h(f)表示的含义包含了si(fm)所表示的含义，故而可以将si(fm)理解为h(f)；mmk, jmk, jmk, jmi属于{1，N}, m属于{1，M}；h(f)表示第K个AP的第j个天线的第m个子载波的信道频率响应；k, jm其中n是高斯分布的噪音；k, jS4、AP随机偏移：在无线系统中，不同AP的时钟会受到相位噪声和漂移的影响，由于相位的偏移相对独立，因此让每个AP为来自用户设备的每个记录的信号添加一个独立的相移来生成增强的CSI数据；S5、模拟测量设备的实际波动：随机相位向量e乘以每个对应AP的信道响应矩阵，形状是[M, NRX]，e乘以信道响应矩阵的操作称之为矩阵乘以表示，且每个来自同一AP的样本，都添加相同振幅对应步骤S3信道响应公式中的振幅α，通过添加随机波动模拟测量设备引起的实际波动；jRjRlS6、机器学习：控制变量自增，设置控制变量i＝1，j＝1，输入参数，参数包括总数N，NAP即总数为N的AP，需要增强的目标数据集总数M，目标数据集DT，DT的初始值为DS。