[发明专利]一种基于蓝牙AOA与深度学习融合的高精度定位方法

权利要求书

1.一种基于蓝牙AOA与深度学习融合的高精度定位方法，其特征在于，所述方法包括：

步骤1、通过到达角定位AOA主节点蓝牙基站与多个被动节点蓝牙基站，获取蓝牙终端的原始采样值I和Q的相位数据，并将得到的IQ相位数据发送到PC处理终端；其中，所述IQ相位数据是按照一定的采样率抓取的采样数据，I为In-phase表示同相；Q为Quadrature表示正交，与I相位差90度；

步骤2、所述PC处理终端将获得的IQ相位数据输入到训练好的神经网络模型中，获得蓝牙终端的实时定位结果；

步骤3、根据蓝牙终端实时定位结果判断所述蓝牙终端的运动状态为动态还是静态；

步骤4、若为动态，则基于扩展卡尔曼滤波算法来优化蓝牙终端的实时定位结果；

步骤5、若为静态，则基于多点平均滤波算法来优化蓝牙终端的实时定位结果。

2.根据权利要求1所述基于蓝牙AOA与深度学习融合的高精度定位方法，其特征在于，在步骤1中，主节点蓝牙基站与蓝牙终端建立链路连接，并指示所述蓝牙终端发送蓝牙广播信令包；

主节点蓝牙基站和多个被动节点蓝牙基站接收所述蓝牙终端以广播通信方式发送的蓝牙广播信令包；

所述主节点蓝牙基站和多个被动节点蓝牙基站基于各自天线阵列中不同天线接收的蓝牙广播信令包之间的相位差，得到蓝牙终端的原始采样值I和Q的相位数据，并将得到的IQ相位数据由UART串口发送到PC端。

3.根据权利要求1所述基于蓝牙AOA与深度学习融合的高精度定位方法，其特征在于，在步骤2中，所述神经网络模型包括输入层、第一训练层、第二训练层、立体解析层、输出层，其中：

所述PC处理终端将获得的多个不同的IQ相位数据输入至神经网络模型的输入层，所述输入层根据多个不同的IQ相位数据，得到多个不同的相位值；

将多个不同的相位值输入到所述第一训练层，所述第一训练层根据所述多个不同的相位值得到多个相位差；

将所述多个相位差输入所述第二训练层，所述第二训练层根据所述多个相位差得到多个角度值；

所述立体解析层将所述多个角度值转化为多个三维立体角；

所述输出层再根据所述多个三维立体角和不同天线间的相对位置，将所述多个角度值组合训练到目标空间立方体内，得到相应的三维立体坐标，从而训练得到神经网络模型；

所述PC处理终端根据训练好的神经网络模型和IQ相位数据，确定发射信号的蓝牙终端的位置。

4.根据权利要求1所述基于蓝牙AOA与深度学习融合的高精度定位方法，其特征在于，所述步骤3的过程具体为：

首先对所得到的数据，即蓝牙终端实时定位结果进行预处理，运用拉依达法则对数据进行粗大误差的剔除；

然后对蓝牙终端当前时刻的定位结果与多个历史时刻的定位结果计算欧氏距离，并与定位误差允许范围进行比较；其中，所述定位误差允许范围为定位系统实验测得的均方根误差；

若所计算的欧氏距离大于所述定位误差允许范围，则判定为动态；

若所计算的欧氏距离小于所述定位误差允许范围，则判定为静态。