智能家庭终端的高精度定位方法及系统与流程

本发明涉及卫星导航定位，具体为智能家庭终端的高精度定位方法及系统。

背景技术：

1、智能家庭终端通常搭载单频、低成本的消费级全球导航卫星系统（globalnavigationsatellitesystem，以下简称gnss）接收芯片，gnss包括北斗卫星导航系统、全球定位系统、格洛纳斯系统在内的多种卫星导航系统，用于接收卫星广播的伪距、载波相位、信噪比等原始观测量，并通过定位解算得到终端的地理坐标，同时，为实现室内组网与人机交互，此类终端普遍集成无线局域网与蓝牙通信芯片，可获取信道状态信息或接收信号强度指示，此外，出于姿态感知或计步等功能需要，终端还内置微机电系统惯性测量单元，可输出加速度与角速度数据，上述多传感器硬件构成了此类终端实现室内外定位的基础条件；

2、智能家庭终端所处的环境，例如阳台、窗边、室内房间，普遍存在承重墙、金属家电与家具等障碍物，gnss信号在穿透或反射这些障碍物后会产生严重的多径效应与非视距传播现象，即卫星信号经反射或衍射到达接收天线，导致接收信号发生畸变，传统单天线、低成本的消费级gnss芯片在此类环境下的定位误差通常达到数米甚至数十米，无法满足智能家庭场景下对特定物品追踪、老人儿童防走失以及精细化场景联动的定位精度要求；

3、目前工业界与学术界针对上述问题主要存在以下几类技术路线；

4、第一类方案通过在终端上布设多根接收天线，利用波达方向估计或阵列信号处理技术抑制多径干扰，或采用高精度、高采样率的惯性测量单元与gnss进行紧耦合解算，以提升定位连续性与精度，此类方案需要额外的天线布设空间与更高规格的惯性器件，导致设备的体积、功耗与物料成本大幅上升，而智能家庭终端属于价格敏感型消费级产品，该类方案难以在实际产品中落地应用；

5、第二类方案预先在特定场景中采集大量带标注的gnss观测数据，即已知真实位置的多径畸变样本，训练深度神经网络学习多径特征与定位误差之间的映射关系，推理时对新采集的观测量进行误差修正，此类方案属于有监督学习，其训练必须依赖针对特定场景预先采集的海量标注数据，而每个家庭的户型结构、家具布局、建材构成各不相同，模型在一个家庭中训练得到的参数难以直接迁移到结构各异的另一个家庭中，且人工标定又极难实施，无法为每个家庭单独进行高精度基准测量，导致该类方案在千家万户的规模化部署中出现性能急剧下降的适应性问题；

6、第三类方案将终端采集的无线局域网指纹、gnss原始观测量等射频特征数据实时上传至云端服务器，利用云端大算力模型进行多源融合解算后将定位结果下发终端，该类方案需要将高精度射频特征数据与gnss原始观测量实时上传至云端进行解算，而这些数据本身即隐含了用户家庭住址、户型结构及日常活动规律等敏感信息，一旦发生数据泄露或被非法利用，将直接威胁用户人身财产安全，在数据合规与个人隐私保护监管日趋严格的背景下，该类方案在商业化推广中面临较大的法律与信任风险；

7、此外，现有方案普遍采用单一依赖信噪比判决的策略，终端在阳台、窗边等室内外过渡区域内gnss信噪比会发生剧烈波动，传统方案在信噪比骤降时通常直接丢弃信号或强制切换定位源，导致定位轨迹出现明显的跳变或空白，无法满足防走失、精细化场景联动等对轨迹连续性要求较高的应用场景，为此，我们提出智能家庭终端的高精度定位方法及系统。

技术实现思路

1、本发明的目的在于提供智能家庭终端的高精度定位方法及系统。

2、本发明要解决的技术问题是：如何在不增加硬件成本的前提下，使智能家庭终端在充斥多径效应与非视距传播的室内、半室内复杂电磁环境中，实现高精度、高鲁棒性定位，同时在室内外信号过渡区域避免定位轨迹跳变，并在实现上述高精度定位能力的过程中保护用户家庭户型结构、活动轨迹等敏感信息不被泄露。

3、为解决上述技术问题，本发明提供一种智能家庭终端的高精度定位方法，包括：获取智能家庭终端采集的gnss原始观测量、无线局域网信号和蓝牙信号以及惯性测量单元数据，以所述无线局域网信号和所述蓝牙信号构建空间电磁指纹向量，并根据所述惯性测量单元数据在预设时间窗口内表征的运动连续性生成伪标签，基于所述空间电磁指纹向量与所述伪标签构造正样本对和负样本对，通过对比学习框架对所述gnss原始观测量中的多径畸变特征进行自监督训练，得到编码器网络参数，对所述编码器网络参数进行压缩处理，得到压缩后的编码结构，并将所述压缩后的编码结构部署至智能家庭终端本地的推理引擎，用于对实时采集的gnss原始观测量进行多径畸变特征提取和误差修正，实时监测智能家庭终端所处环境的gnss信号信噪比数值，当所述信噪比数值小于预设的过渡区触发阈值时，判定智能家庭终端进入室内外过渡区状态，并触发端侧补偿网络进行推理，所述端侧补偿网络以当前时刻的gnss原始观测量、当前时刻的空间电磁指纹向量和历史时刻的惯性测量单元积分位移量作为输入，输出位置补偿残差向量，将gnss原始解算得到的位置坐标与所述位置补偿残差向量进行叠加融合，得到融合后的定位坐标，将所述自监督训练限定在家庭边缘网关本地完成，得到本地模型相对于全局模型的梯度更新量，对所述梯度更新量添加满足差分隐私要求的随机噪声后得到加噪梯度，将所述加噪梯度上传至云端聚合服务器，由云端聚合服务器对多个家庭边缘网关上传的加噪梯度进行加权平均聚合，得到全局模型更新量，并将所述全局模型更新量下发至各家庭边缘网关，用于更新本地模型的初始化参数。

4、本发明还提供一种与上述方法相对应的智能家庭终端的高精度定位系统，该系统由终端感知层、家庭边缘网关层与云端协同层构成，三层之间通过数据交互形成终端采集、边缘训练、云端聚合、模型下发的闭环。

5、采用上述技术方案，与现有技术相比，本发明的有益效果在于：

6、1.本发明利用终端已有的低成本无线局域网、蓝牙、惯性测量单元传感器与自监督对比学习框架，在用户日常无感使用过程中自动学习特定家庭户型的多径畸变规律，无需针对特定场景预先采集人工标注数据即可实现环境自适应的多径抑制能力，克服了有监督学习方案对海量标注数据的依赖以及由此导致的跨家庭泛化能力差的问题；

7、2.本发明通过端侧轻量级动态误差补偿机制，在信噪比骤降的室内外过渡区域实时输出位置补偿残差向量并与gnss原始解算位置进行融合，维持定位轨迹的平滑连续过渡，克服了现有方案在室内外过渡区域直接丢弃信号或强制切换定位源所导致的轨迹跳变问题；

8、3.本发明将多径校正模型的训练与参数更新全部限定在终端与家庭边缘网关本地完成，仅通过联邦学习方式向云端交互经差分隐私加噪处理后的模型梯度参数，不上传用户原始高精度活动轨迹与家庭户型结构数据，从根本上降低了用户敏感信息外泄的风险，实现了高精度定位能力与隐私安全保护的兼顾。

1.智能家庭终端的高精度定位方法，其特征在于，包括：获取智能家庭终端采集的全球导航卫星系统原始观测量、无线局域网信号和蓝牙信号以及惯性测量单元数据，以所述无线局域网信号和所述蓝牙信号构建空间电磁指纹向量，并根据所述惯性测量单元数据在预设时间窗口内表征的运动连续性生成伪标签，基于所述空间电磁指纹向量与所述伪标签构造正样本对和负样本对，通过对比学习框架对所述全球导航卫星系统原始观测量中的多径畸变特征进行自监督训练，得到编码器网络参数，对所述编码器网络参数进行压缩处理，得到压缩后的编码结构，并将所述压缩后的编码结构部署至智能家庭终端本地的推理引擎，用于对实时采集的全球导航卫星系统原始观测量进行多径畸变特征提取和误差修正，实时监测智能家庭终端所处环境的全球导航卫星系统信号信噪比数值，当所述信噪比数值小于预设的过渡区触发阈值时，判定智能家庭终端进入室内外过渡区状态，并触发端侧补偿网络进行推理，所述端侧补偿网络以当前时刻的全球导航卫星系统原始观测量、当前时刻的空间电磁指纹向量和历史时刻的惯性测量单元积分位移量作为输入，输出位置补偿残差向量，将全球导航卫星系统原始解算得到的位置坐标与所述位置补偿残差向量进行叠加融合，得到融合后的定位坐标，将所述自监督训练限定在家庭边缘网关本地完成，得到本地模型相对于全局模型的梯度更新量，对所述梯度更新量添加满足差分隐私要求的随机噪声后得到加噪梯度，将所述加噪梯度上传至云端聚合服务器，由云端聚合服务器对多个家庭边缘网关上传的加噪梯度进行加权平均聚合，得到全局模型更新量，并将所述全局模型更新量下发至各家庭边缘网关，用于更新本地模型的初始化参数。

2.根据权利要求1所述的智能家庭终端的高精度定位方法，其特征在于：根据所述惯性测量单元数据在预设时间窗口内表征的运动连续性生成伪标签，包括：计算预设时间窗口内惯性测量单元加速度数据的方差，当所述方差小于预设静止阈值时，判定智能家庭终端在该时间窗口内处于空间静止状态，将该时间窗口标记为同一空间锚点候选，当所述方差不小于预设静止阈值时，判定智能家庭终端在该时间窗口内处于运动状态，将相邻时间窗口标记为不同空间锚点候选，对被标记为同一空间锚点候选的相邻时间窗口，计算二者对应的空间电磁指纹向量之间的余弦相似度，当所述余弦相似度大于预设一致性阈值时，将该相邻时间窗口对应的全球导航卫星系统原始观测量确认为正样本对。

3.根据权利要求1所述的智能家庭终端的高精度定位方法，其特征在于：通过对比学习框架对所述全球导航卫星系统原始观测量中的多径畸变特征进行自监督训练，包括：将所述正样本对中的全球导航卫星系统原始观测量分别输入编码器网络，得到第一特征向量和第二特征向量，从当前训练批次中除所述正样本对以外的样本编码结果中选取负样本特征向量，根据所述第一特征向量与所述第二特征向量之间的相似度，以及所述第一特征向量与所述负样本特征向量之间的相似度，构建对比学习损失函数，采用梯度下降法更新所述编码器网络的参数，直至所述对比学习损失函数收敛或达到预设训练轮次上限。

4.根据权利要求1所述的智能家庭终端的高精度定位方法，其特征在于，还包括：设置恢复阈值，所述恢复阈值大于所述过渡区触发阈值，当智能家庭终端处于室内外过渡区状态且所述信噪比数值回升并大于所述恢复阈值时，判定智能家庭终端脱离室内外过渡区状态，退出所述端侧补偿网络的推理流程，恢复根据全球导航卫星系统原始解算得到位置坐标的常规定位流程。

5.根据权利要求1所述的智能家庭终端的高精度定位方法，其特征在于：得到融合后的定位坐标之后，还包括：对连续多个定位周期得到的融合后的定位坐标进行滑动平均滤波处理，得到平滑后的定位轨迹坐标，其中，滑动平均滤波所采用的滤波窗口长度根据智能家庭终端的运动速度进行调整，智能家庭终端的运动速度越快，所述滤波窗口长度越短。

6.根据权利要求1所述的智能家庭终端的高精度定位方法，其特征在于，还包括：将智能家庭终端处于室内外过渡区状态下采集的全球导航卫星系统原始观测量、空间电磁指纹向量、惯性测量单元数据和所述端侧补偿网络输出的位置补偿残差向量暂存于本地缓存，在智能家庭终端处于信号稳定区域时，将暂存的数据作为增量训练样本用于对所述端侧补偿网络进行增量训练。

7.根据权利要求1所述的智能家庭终端的高精度定位方法，其特征在于：对所述梯度更新量添加满足差分隐私要求的随机噪声，包括：对所述梯度更新量添加均值为零、协方差矩阵为预设噪声方差与单位矩阵乘积的高斯噪声，得到所述加噪梯度，其中，所述预设噪声方差用于调节隐私保护强度与模型精度之间的平衡关系。

8.根据权利要求1所述的智能家庭终端的高精度定位方法，其特征在于：所述全球导航卫星系统包括北斗卫星导航系统。

9.一种智能家庭终端的高精度定位系统，其特征在于，包括终端感知层、家庭边缘网关层和云端协同层，所述终端感知层包括智能家庭终端，所述智能家庭终端集成全球导航卫星系统接收模块、无线局域网和蓝牙通信模块、惯性测量单元模块以及本地推理引擎，所述全球导航卫星系统接收模块用于获取全球导航卫星系统原始观测量，所述无线局域网和蓝牙通信模块用于获取无线局域网信号和蓝牙信号，所述惯性测量单元模块用于获取惯性测量单元数据，所述本地推理引擎用于根据部署于本地的编码结构对所述全球导航卫星系统原始观测量进行多径畸变特征提取和误差修正，并根据端侧补偿网络输出的位置补偿残差向量与全球导航卫星系统原始解算得到的位置坐标进行融合，输出定位坐标，所述家庭边缘网关层包括家庭边缘网关，所述家庭边缘网关包括自监督对比学习训练模块和差分隐私加噪模块，所述自监督对比学习训练模块用于以所述无线局域网信号和所述蓝牙信号构建空间电磁指纹向量，并根据所述惯性测量单元数据生成伪标签，通过对比学习框架对所述全球导航卫星系统原始观测量中的多径畸变特征进行自监督训练，得到本地模型相对于全局模型的梯度更新量，所述差分隐私加噪模块用于对所述梯度更新量添加满足差分隐私要求的随机噪声，得到加噪梯度，所述云端协同层包括云端聚合服务器，所述云端聚合服务器用于接收多个家庭边缘网关上传的加噪梯度，对所述加噪梯度进行加权平均聚合，得到全局模型更新量，并将所述全局模型更新量下发至各家庭边缘网关。

10.根据权利要求9所述的智能家庭终端的高精度定位系统，其特征在于：所述本地推理引擎中部署的编码结构为经剪枝和量化压缩处理后得到的查表结构和前馈神经网络结构中的一种结构类型，所述编码结构由所述自监督对比学习训练模块训练得到的编码器网络参数压缩得到。