[发明专利]设备定位方法及系统

权利要求书

1.一种设备定位方法，其特征在于，包括：

将目标设备接收的信号输入神经网络模型，得到所述神经网络模型输出的所述目标设备到各目标发射端之间的距离；其中，所述信号由各目标发射端发射；

根据所述目标设备到各目标发射端之间的距离，计算所述目标设备的定位位置；

其中，所述神经网络模型以样本设备接收的样本信号为样本，以所述样本设备到各样本发射端之间的实际距离为样本标签进行训练获取；所述样本信号由各样本发射端发射；

所述根据所述目标设备到各目标发射端之间的距离，计算所述目标设备的定位位置，包括：

将所述距离按照从小到大的顺序进行排序，将排序结果靠前的多个距离形成目标距离集合；其中，所述目标距离集合中距离的数量大于或等于3；

对于所述目标集合中的各距离，根据各距离和各距离对应的目标发射端的位置坐标，拟合出各距离对应的圆形区域；

在所述目标集合中所有距离对应的圆形区域均相交的情况下，计算所述目标集合中所有距离对应的圆形区域的交集区域内的交点坐标；

根据所述交点坐标，计算所述目标设备的定位位置；

所述根据所述交点坐标，计算所述目标设备的定位位置，包括：

基于加权质心算法，计算所述交点坐标形成的多边形的质心坐标；

将所述质心坐标作为所述目标设备的定位位置；

若所述目标距离集合中距离的数量为3，则计算所述交点坐标形成的多边形的质心坐标的公式为：

其中，(x₀，y₀)为所述目标设备的定位位置，(X_A，Y_A)、(X_B，Y_B)和(X_C，Y_C)为所述交点坐标，d₁、d₂和d₃为所述目标距离集合中的距离；、和为所述交点坐标的权值；

在将目标设备接收的信号输入神经网络模型，得到所述神经网络模型输出的所述目标设备到各目标发射端之间的距离之前，还包括：

基于鱼群算法，获取所述神经网络模型的初始参数；所述初始参数包括权值和偏置值；

将所述样本设备接收的样本信号输入所述神经网络模型，得到所述神经网络模型输出的所述样本设备到各样本发射端之间的距离；

根据所述神经网络模型输出的所述样本设备到各样本发射端之间的距离和所述样本设备到各样本发射端之间的实际距离，获取所述神经网络模型的损失函数；

根据所述损失函数，对所述神经网络模型的初始参数进行优化。

2.根据权利要求1所述的设备定位方法，其特征在于，所述将目标设备接收的信号输入神经网络模型，得到所述神经网络模型输出的所述目标设备到各目标发射端之间的距离，包括：

对所述目标设备接收的信号进行预处理；

其中，所述预处理包括归一化处理和/或滤波处理；

将预处理后的信号输入所述神经网络模型，得到所述神经网络模型输出的所述目标设备到各目标发射端之间的距离。

3.根据权利要求2所述的设备定位方法，其特征在于，所述预处理为滤波处理；

相应地，所述对所述目标设备接收的信号进行预处理，包括：

基于格鲁布斯检验法，确定所述目标设备接收的各目标发射端发射的各信号是否为异常值；

对所述目标设备接收的各目标发射端发射的信号中除所述异常值外的信号进行高斯滤波后，再进行均值滤波。