一种基于CNN和改进KNN算法的双RIS辅助无线定位方法

本发明属于通信定位领域，具体涉及一种基于cnn和改进knn算法的双ris辅助无线定位方法。

背景技术：

1、近年来，随着网络的日益发展，高精度定位的相关服务备受关注。第五代移动通信系统提供的服务将极大地依赖定位信息，这些信息可以用于网络优化和设计。对于不同的信号测量程序，蜂窝网络中使用的定位技术包括:1)三边测量，测量到达时间(time ofarrival，toa)、到达时间差(time difference of arrival，tdoa)或接收信号强度(received signal strength，rss)。2)三角测量，测量到达和离开的角度(angle ofarrival，aoa和angle of departure，aod)。3)邻近，检测最近的小区id，以及4)指纹识别方法。这些传统技术通常需要多个基站参与。

2、在5g系统中，利用毫米波信号和大规模多输入多输出系统进行定位得到了广泛研究，但是，用户设备通常需要配备多根天线并执行繁重的计算，例如高维阵列处理和精确的角度估计，这对于重量轻且能量受限的移动设备是不可行的。可重构智能表面(reconfigurable intelligent surface，ris)，也称为大型智能表面，由于在通信服务方面的灵活性和高效率而受到极大关注。ris是一个由集成电路组成的超表面，可以通过编程来修改进入的电磁场。它可以被看作是许多微型天线单元与可重构处理网络的紧密集成，也就是说，ris可以用无源元件，通过调整信号反射元件的相移来重定向信号传播，并且不会引入额外的热噪声。此外，ris可以方便地部署在周围环境中，且成本较低，使得整个环境是电磁可控的。因此，ris可以通过有意和确定性地改变传播环境，显著提高接收器的信号质量。

3、ris最显著的应用之一是当直接链路被阻断时，通过反射传播路径建立高速通信链路。另一个应用是抵消局部信号死区，在这种情况下，信号在城市或室内恶劣的传播环境中质量不够好，与部署昂贵的基站或继电器相比，ris既经济又节能。由于ris具有改变无线电传播环境的能力，被许多研究者作为后5g定位的主要技术广泛研究。许多研究已经证明，可以利用一个ris辅助无线定位，但是在实际应用中，依然存在一些问题。当ue距离ris较远时，容易出现较大的路径损耗，导致信号被不断削弱，从而降低了定位精度。除此以外，当ue位于bs和ris之间的直线上或者附近时，直接路径和反射路径之间的延迟差和角度都会很小，容易造成较大的定位误差。

技术实现思路

1、针对以上问题，本发明提出了一种基于cnn和改进knn算法的双ris辅助无线定位方法。所述方法中在离线阶段中，利用cnn网络的学习能力对收集到的rssi指纹地图进行训练，在测试阶段中，利用待测点的rssi数据实现对待测用户位置的预测。

2、本发明的一种基于cnn和改进knn算法的双ris辅助无线定位方法，所述方法包括：

3、通过ris选择准则，从ris阵列中选择最佳ris；

4、通过调节最佳ris的反射单元的负载阻抗值，确定出多种ris配置；

5、在每种ris配置下，按照参考点接收到的rssi值收集得到rssi指纹数据集；

6、将收集到的rssi数据集作为特征输入到cnn网络中进行训练；

7、将待测点的rssi指纹数据输入到训练完成的cnn网络中，利用加权knn算法估算得到待测点的定位位置。

8、本发明的有益效果：

9、1)本发明在在线定位阶段，引入卷积神经网络，由于其能够进行非线性学习，所以可以更好地学习rssi指纹数据之间的特征，对用户位置坐标的预测更加准确。

10、2)本发明不以参考点与测试点之间的欧式距离为权重来计算待测点位置，而是利用两者之间的余弦相似度作为权重进行位置计算，就可以避免甚至消除由于环境因素和设备终端不同而带来的定位误差。

技术特征：

1.一种基于cnn和改进knn算法的双ris辅助无线定位方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于cnn和改进knn算法的双ris辅助无线定位方法，其特征在于，所述通过ris选择准则，从ris阵列中选择最佳ris包括通过基站控制每个ris的反射单元的相移，参考节点向基站发送定位参考信号，利用参考信号的互相关计算出在每个ris的直接路径和反射路径的时延差；利用所述时延差确定出噪声分别与反射路径和直接路径之间时延的峰值强度比，选择峰值强度比最大的ris即为最佳ris。

3.根据权利要求2所述的一种基于cnn和改进knn算法的双ris辅助无线定位方法，其特征在于，所述通过基站控制每个ris的反射单元的相移包括利用每个ris到基站之间的传输信道、每个ris到参考节点的传输信道以及ris上的相移矩阵，计算出反射传播路径的总信道收益，通过最大化每个ris反射路径的总信道增益，控制每个ris的反射单元的相移。

4.根据权利要求2所述的一种基于cnn和改进knn算法的双ris辅助无线定位方法，其特征在于，所述通过ris选择准则选择最佳ris为：

5.根据权利要求4所述的一种基于cnn和改进knn算法的双ris辅助无线定位方法，其特征在于，所述噪声分别与反射路径和直接路径之间时延的峰值强度比表示为：

6.根据权利要求1所述的一种基于cnn和改进knn算法的双ris辅助无线定位方法，其特征在于，所述将收集到的rssi数据集作为特征输入到cnn网络中进行训练包括收集到的rssi数据集划分为多个指纹向量，将所述指纹向量处理成指纹矩阵，将所述rssi数据集的各个指纹向量转换为一个单通道的指纹灰度图，将所述指纹灰度图输入到cnn网络，初始化cnn网络权值，将cnn网络中的所有神经元的连接权重设置为[0,1]之间的随机数值，并设置样本误差阈值以及网络学习率；采用反向传播算法训练网络，如果相邻迭代之间的损失函数下降到误差阈值以下或满足迭代次数时，那么cnn网络已经完成训练，保存网络权值参数并退出训练，否则，继续训练。

7.根据权利要求1所述的一种基于cnn和改进knn算法的双ris辅助无线定位方法，其特征在于，所述利用加权knn算法估算得到待测点的定位位置包括确定出距离待测点余弦相似度距离最近的k个参考点，利用加权质心算法，得到一个由所述k个参考点组成的多边形，该多边形的质心即为待测点的定位位置。

8.根据权利要求7所述的一种基于cnn和改进knn算法的双ris辅助无线定位方法，其特征在于，所述确定出距离待测点余弦相似度距离最近的k个参考点包括根据余弦相似度距离计算出各个参考点的局部密度，按照局部密度确定出这些参考点是否可以作为聚类中心，如果作为非聚类中心，则把这些非聚类中心按照对应的评价值进行归类；将k个聚类中心作为k个参考点。

9.根据权利要求7或8所述的一种基于cnn和改进knn算法的双ris辅助无线定位方法，其特征在于，参考点和待测点之间的余弦相似度距离如下：

技术总结
本发明属于通信定位领域，涉及一种基于CNN和改进KNN算法的双RIS辅助无线定位方法；所述方法包括通过RIS选择准则选择最佳RIS。调节最佳RIS的反射单元的负载阻抗值，得到多种RIS配置，利用RSSI测量值作为定位特征，得到RSSI指纹数据集；将收集到的RSSI指纹数据输入CNN网络进行训练；将待测点的RSSI指纹数据输入到训练完成后的CNN网络中，利用待测点与参考点之间的余弦相似度关系，在KNN算法的基础上估算出待测目标的位置。本发明可以避免单RIS辅助用户定位存在的路径损耗以及时延差异等问题，改善了定位性能，提高了定位效率，使定位精度更加准确。

技术研发人员：龙恳,周云红,林劲松,梅杨周,赵贵芳
受保护的技术使用者：重庆邮电大学
技术研发日：
技术公布日：2024/1/13