基于对比学习的单基站多天线OFDM指纹定位方法

技术特征：
1.基于对比学习的单基站多天线ofdm指纹定位方法，其特征在于：包括以下步骤：s1：基站采集来自移动设备的非实时多天线ofdm信道状态信息(csi)样本和相应的位置坐标，构建csi训练数据集；s2：对于训练集中的每一个csi样本，基于样本位置信息构建kp个正例样本和kn个负例样本；s3：基于对比学习损失函数对csi神经网络编码器进行优化训练；s4：将csi训练数据通过训练好的编码器映射到特征空间，得到csi指纹数据库；s5：基于csi指纹数据库和加权knn算法对实时csi样本进行指纹匹配定位。2.根据权利要求1所述的基于对比学习的单基站多天线ofdm指纹定位方法，其特征在于：所述多天线ofdm信道状态信息(csi)是一个b
×
n维的复数矩阵，具体为：h＝[h0,h1,
…
,h
n-1
]其中，n为ofdm子载波个数，b为基站天线个数；h
i
为第i个子载波上的信道响应复数向量，其维度为b
×
1。3.根据权利要求2所述的基于对比学习的单基站多天线ofdm指纹定位方法，其特征在于：步骤s1中，构建的csi训练数据集表示为：其中，t为样本个数，h
i
为第i个csi，p
i
为采集h
i
时对应的移动设备地理位置坐标。4.根据权利要求3所述的基于对比学习的单基站多天线ofdm指纹定位方法，其特征在于：步骤s2中，针对ω中的一个csi样本h
a
，构建的k
p
个正例样本为地理空间中距离p
a
最近的k
p
个位置对应的csi样本集合，表示为集合构建的k
n
个负例样本集是从地理空间中距离p
a
大于设定阈值d
th
的位置对应的csi样本集中随机选取，表示为集合5.根据权利要求4所述的基于对比学习的单基站多天线ofdm指纹定位方法，其特征在于：步骤s3中，所述csi神经编码器输入为原始信道状态信息h，输出为特征表示z，z为r维实向量；编码器用z＝f
θ
(h)表示，其中θ为编码器的可优化参数。6.根据权利要求5所述的基于对比学习的单基站多天线ofdm指纹定位方法，其特征在于：步骤s3中，所采用的对比学习损失函数为：其中，为批训练集合，大小为|a|；z
a
＝f
θ
(h
a
)为样本h
a
的特征表示，z
p
＝f
θ
(h
p
)为h
a
的一个正例h
p
的特征表示，z
n
＝f
θ
(h
n
)为h
a
的一个负例h
n
的特征表示，z
r
＝f
θ
(h
r
)为h
a
的一个负例h
r
的特征表示；符号表示向量点积。7.根据权利要求6所述的基于对比学习的单基站多天线ofdm指纹定位方法，其特征在于：步骤s4得到的csi指纹数据库为；
其中，θ
opt
为训练优化后的编码器参数。8.根据权利要求7所述的基于对比学习的单基站多天线ofdm指纹定位方法，其特征在于：步骤s5中，对一个实时csi样本h进行指纹匹配定位的结果为：其中，k为指纹数据库ξ中在特征空间上距离点最近的k个指纹组成的集合，且所使用的距离测度为欧式距离。

技术总结
本发明公开了一种基于对比学习的单基站多天线OFDM指纹定位方法，属于无线电移动定位技术领域。本发明的方法包括，基站采集来自移动设备的非实时多天线OFDM信道状态信息(CSI)样本和相应的位置坐标，构建CSI训练数据集；对于训练集中的每一个CSI样本，基于样本位置信息构建多个正例样本和多个负例样本；基于对比学习损失函数对CSI神经网络编码器进行优化训练；将CSI训练数据通过训练好的编码器映射到特征空间，得到CSI指纹数据库；基于CSI指纹数据库和加权KNN算法对实时CSI样本进行指纹匹配定位。本发明可以降低移动定位对无线网接入时间同步的要求，支持非用户合作定位，并能在非视线信道条件下工作。非视线信道条件下工作。非视线信道条件下工作。


技术研发人员：邓俊荃 施伟 柳永祥
受保护的技术使用者：中国人民解放军国防科技大学
技术研发日：2022.10.20
技术公布日：2023/1/31