一种基于高斯过程的无线环境地图构建方法

本发明属于信息通信，涉及一种基于高斯过程的无线环境地图构建方法。

背景技术：

1、目前，现有技术中国专利(cn201510642779.1)一种基于群智感知的室外无线信号接收强度地图构建方法，提出了一个carm算法来解决群智感知中的数据不准确和不完全的问题。具体地，基于实验观察来构建手机的测量值误差模型。更进一步地，结合误差模型和信号传播模型，提出一种迭代方法，以交替地校准手机测量值和估计传播模型参数。同时，用传播模型来预测未测量位置的rss值。通过实际的群智感知实验的验证，方法的性能远远超过当前基本的方法，并能够获得与基于真值参考值方法近似相同的精度。

2、但是现有技术仍然存在以下缺陷：从目前现状得知，上述专利，并未考虑群智感知设备的位置误差对无线环境地图构建的影响，因此对目前的现实场景适用范围偏小。

技术实现思路

1、目的：为了克服现有技术中存在的不足，针对当测量设备存在误差的情况下构建无线环境地图，本发明提供一种基于高斯过程的无线环境地图构建方法，结合高斯过程和变分推断的机器学习算法(gp-pu)。

2、技术方案：为解决上述技术问题，本发明采用的技术方案为：

3、第一方面，提供一种基于高斯过程的无线环境地图构建方法，包括：

4、获取待预测区域的位置信息x*；

5、基于所述待预测区域的位置信息x*，利用预训练好的预测模型进行预测，得到预测结果y*；

6、根据所述预测结果y*，构建无线环境地图；

7、其中所述预测模型的训练方法包括：

8、获取带有标签的训练数据集d，其中所述训练数据集d包括设定载波频率下采集的采集设备的所在位置信息和信号接收功率；

9、利用所述训练数据集d对待训练的预测模型进行训练，得到训练好的预测模型。

10、在一些实施例中，获取带有标签的训练数据集d，包括：

11、设定需要采集的载波频率，利用采集设备对所在位置信息和信号接收功率进行收集，组成训练数据集d：

12、

13、其中，代表均值向量，k代表协方差矩阵，x是位置信息，是一个高斯分布，是信号接收功率，是一个向量；gp()表示观测区域内所有采集设备的联合分布，将其建模为一个高斯过程；

14、协方差矩阵k使用径向基函数rbf得到：

15、

16、其中，σ和l是核函数参数，σ是函数平均值的平均距离，l是对周围的影响范围，xi、xj表示训练数据集中的任意两个位置信息，||*||表示观测区域内待预测的信息。

17、在一些实施例中，利用所述训练数据集d对待训练的预测模型进行训练，包括：

18、训练的目的是学习训练数据集d中位置信息x和信号接收功率之间的超参数θ；

19、高斯过程是以贝叶斯推理为基础的，先验分布为：

20、

21、由于位置信息x是一个分布，不能直接对分布进行处理，所以从x中随机抽取样本u进行训练，得到模型的超参数θ：

22、

23、在一些实施例中，基于所述待预测区域的位置信息x*，利用预训练好的预测模型进行预测，得到预测结果y*，包括：

24、预测区域的位置信息x*一个二维坐标集合；

25、

26、其中y*为预测得到的接收信号功率，代表均值向量，是信号接收功率；

27、根据贝叶斯理论，后验概率p(x*|θ)计算较为复杂，计算量较大，引入变分推断将求解问题转化为优化问题，从而降低计算量；引入一个变分分布q(θ)去拟合p(x*|θ)；利用kl散度衡量两个分布间的距离：

28、kl(q(θ)||p(x*|θ))＝ε[logq(θ)]-ε[logp(x*|θ)]+logp(x*)

29、目标是使kl散度达到最小，当kl散度最小时，代表两个分布间的距离最小：

30、

31、kl散度始终大于0，且p(x*)容易求得；对目标函数进一步推导，得到新的目标函数称为证据下界elob：

32、

33、其中p()表示先验概率分布，ε[*]表示分布函数的均值；

34、将目标函数从寻找kl散度的最小值转化为寻找elob的最大值：

35、

36、获取预测结果y*：

37、y*～p(x*|θ)＝∫p(x*|θ)q(θ)。

38、在一些实施例中，根据所述预测结果y*，构建无线环境地图，包括：

39、预测得到的接收信号功率y*是一个高斯过程，选择y*的均值向量作为确定预测值构建无线环境地图。

40、第二方面，本发明提供了一种基于高斯过程的无线环境地图构建装置，包括：

41、数据获取模块，被配置为：获取待预测区域的位置信息x*；

42、模型预测模块，被配置为：基于所述待预测区域的位置信息x*，利用预训练好的预测模型进行预测，得到预测结果y*；

43、地图构建模块，被配置为：根据所述预测结果y*，构建无线环境地图；

44、模型训练模块：被配置为：

45、获取带有标签的训练数据集d，其中所述训练数据集d包括设定载波频率下采集的采集设备的所在位置信息和信号接收功率；

46、利用所述训练数据集d对待训练的预测模型进行训练，得到训练好的预测模型。

47、第三方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述方法的步骤。

48、有益效果：本发明提供的基于高斯过程的无线环境地图构建方法，具有以下优点：(1)在群智感知设备存在位置误差的情况下，经过数据训练的模型能够具有更高的精度，对未知区域的预测更为准确。(2)利用本技术得到的模型预测后的无线环境地图不会出现紊乱，具有较高的精度；(3)本技术受群智感知设备的位置误差影响可控，随着位置误差的不断增加，其模型的精度仍能保持较高标准。

技术特征：

1.一种基于高斯过程的无线环境地图构建方法，其特征在于，包括：

2.根据权利要求1所述的基于高斯过程的无线环境地图构建方法，其特征在于，获取带有标签的训练数据集d，包括：

3.根据权利要求1所述的基于高斯过程的无线环境地图构建方法，其特征在于，利用所述训练数据集d对待训练的预测模型进行训练，包括：

4.根据权利要求1所述的基于高斯过程的无线环境地图构建方法，其特征在于，基于所述待预测区域的位置信息x*，利用预训练好的预测模型进行预测，得到预测结果y*，包括：

5.根据权利要求1所述的基于高斯过程的无线环境地图构建方法，其特征在于，根据所述预测结果y*，构建无线环境地图，包括：

6.一种基于高斯过程的无线环境地图构建装置，其特征在于，包括：

7.根据权利要求6所述的基于高斯过程的无线环境地图构建装置，其特征在于，获取带有标签的训练数据集d，包括：

8.根据权利要求6所述的基于高斯过程的无线环境地图构建装置，其特征在于，利用所述训练数据集d对待训练的预测模型进行训练，包括：

9.根据权利要求6所述的基于高斯过程的无线环境地图构建装置，其特征在于，基于所述待预测区域的位置信息x*，利用预训练好的预测模型进行预测，得到预测结果y*，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。

技术总结
本发明公开了一种基于高斯过程的无线环境地图构建方法，方法包括：获取待预测区域的位置信息；基于所述待预测区域的位置信息，利用预训练好的预测模型进行预测，得到预测结果；根据所述预测结果，构建无线环境地图；其中所述预测模型的训练方法包括：获取带有标签的训练数据集D，其中所述训练数据集D包括设定载波频率下采集的采集设备的所在位置信息和信号接收功率；利用所述训练数据集D对待训练的预测模型进行训练，得到训练好的预测模型。结合高斯过程和变分推断的机器学习算法(GP‑PU)，在群智感知设备存在位置误差的情况下，建立的模型的预测精度更高，受位置误差影响较小。

技术研发人员：郭道省,张邦宁,甄攀,王桁,杨宁,杨雷
受保护的技术使用者：中国人民解放军陆军工程大学
技术研发日：
技术公布日：2024/1/12