一种基于PCA和聚类和K近邻的坐标定位方法、系统、存储介质、终端

技术领域

本申请涉及坐标定位技术领域，尤其是涉及一种基于PCA和聚类和K近邻的坐标定位方法、系统、存储介质、终端。

背景技术

天线是一种变换器，它把传输线上传播的导行波，变换成在无界媒介(通常是自由空间)中传播的电磁波，或者进行相反的变换。在无线电设备中用来发射或接收电磁波的部件。无线电通信、广播、电视、雷达、导航、电子对抗、遥感、射电天文等工程系统，凡是利用电磁波来传递信息的，都依靠天线来进行工作。此外，在用电磁波传送能量方面，非信号的能量辐射也需要天线。一般天线都具有可逆性，即同一副天线既可用作发射天线，也可用作接收天线。同一天线作为发射或接收的基本特性参数是相同的。这就是天线的互易定理。

现有天线所接收到的能量数据往往处于不同维度。

针对上述中的相关技术，发明人认为存在有在工作人员需要获取天线所接收能量波形峰值点所在位置时，需要CPU作大量的计算，较为麻烦。

发明内容

为了对能量波形峰值点所在位置进行机算，其特点在于计算误差小于0.01mm，且方法时间复杂度低，以确保在微型处理器MCU上有大于500次每秒的运算速度，本申请提供一种基于PCA和聚类和K近邻的坐标定位方法、系统、存储介质、终端，采用如下的技术方案：

第一方面，本申请提供一种基于PCA和聚类和K近邻的坐标定位方法，采用如下的技术方案：

一种基于PCA和聚类和K近邻的坐标定位方法，包括：

获取全部天线所接收的数据；

对所获取的全部天线所接收的数据通过主成分分析法PCA降维处理；

经主成分分析法PCA降维处理的数据在保持各维数据维度内方差最大的前提下，通过寻找新的向量基，将原有高维数据投影在低维空间，剔除方差较小的噪声，保留信息量最大的主成分并使用采用K-Means方法对数据进分类；

计算出每个类对应的物理位置，在查询操作中使用K近邻去除聚类中存在的噪点。

可选的，获取全部天线所接收的数据包括训练集数据和测试集数据；其中训练集X

X

可选的，对所获取的天线数据通过主成分分析法PCA降维处理包括如下步骤：

使用基于特征值分解协方差矩阵的PCA算法，求出协方差矩阵

根据特征值从大到小的排序，排序后取前z个，使得z最小的情况下，满足

t＝0.01，得到z＝7；

使用前z大特征值组成特征向量矩阵P对训练集和测试集进行映射X′＝PX，得到新的训练集X

可选的，采用K-Means方法对数据进分类的步骤如下：

定义一个聚类后误差评估为

t为聚类中数据的个数，该函数为单调递减函数；

聚类中y

e(K)＝0.005可满足误差小于0.01mm的要求，得

K＝1500。每个聚类代表的物理位置为

X

y

可选的，计算出每个类对应的物理位置，在查询操作中使用K近邻去除聚类中存在的噪点的步骤如下：

取(x

Q小的点，物理位置为前Q小点集中y

使用X

查询过程遍历二叉树，并维护一个Q大小的最大堆；

若遍历的点与(x

(x

若遍历到第i层的点满足

O(log

O(log

第二方面，本申请提供一种基于PCA和聚类和K近邻的坐标定位系统，采用如下的技术方案：

一种基于PCA和聚类和K近邻的坐标定位系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，该程序能够被处理器加载执行时实现如上述权利要求任一项所述的一种基于PCA和聚类和K近邻的坐标定位方法。

第三方面，本申请提供一种计算机存储介质，采用如下的技术方案：

一种计算机存储介质，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，该程序能够被处理器加载执行时实现如上述权利要求任一项所述的一种基于PCA和聚类和K近邻的坐标定位方法的程序。

第四方面，本申请提供一种终端，采用如下的技术方案：

一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，该程序能够被处理器加载执行时实现如上述权利要求任一项所述的一种基于PCA和聚类和K近邻的坐标定位方法。

综上所述，本申请的有益技术效果为：

采用了主成分分析法能够对原有高维数据进行降维分析，减少无用信息的干扰，然后根据聚类结果分析不同天线信息的拓扑关系，最后应用k近邻能够有效分析出能量波形峰值点所在位置。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1是本申请实施例基于PCA和聚类和K近邻的坐标定位方法的步骤示意图。

图2是图1中步骤S200的具体步骤示意图。

图3是图1中步骤S300所提及的对所获取的天线数据通过主成分分析法PCA降维处理步骤示意图。

图4是图1中步骤S400所提及的采用K-Means方法对数据进行分类的步骤示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

以下结合附图对本申请作进一步详细说明。

参照图1，为本申请公开的一种基于PCA和聚类和K近邻的坐标定位方法，包括步骤S100至步骤S400。

在步骤S100中，获取全部天线所接收的数据。

具体的，步骤S100所提及的获取全部天线所接收的数据主要通过高精度步进机来实现，具体所获取的数据为训练集以及测试集，训练集X

i为一组天线强度与位置数据的编号，

参照图2，在步骤S200中，对所获取的全部天线所接收的数据通过主成分分析法PCA降维处理。

考虑到使用维数过高的特征值将会淹没其中的有用信息，达不到预期效果。因此采用PCA方法对预处理数据进行降维投影，PCA降维又称主成分分析法，思路是在保持各维数据维度内方差最大的前题下，通过寻找新的向量基，将原有高维数据投影在低维空间，剔除方差较小的噪声，保留信息量最大的主成分。

参照图2，具体的，步骤S200可划分为步骤S210至步骤S230。

在步骤S210中，使用主成分分析法PCA分别对训练集和测试集中x

在步骤S220中，根据特征值从大到小的排序，排序后取前z个，使得z最小的情况下，满足

t＝0.01，得到z＝7。

在步骤S230中，使用前z大特征值组成特征向量矩阵P对训练集和测试集进行映射X′＝PX，得到新的训练集X

在步骤S300中，经主成分分析法PCA降维处理的数据在保持各维数据维度内方差最大的前提下，通过寻找新的向量基，将原有高维数据投影在低维空间，剔除方差较小的噪声，保留信息量最大的主成分并使用采用K-Means方法对数据进分类。

PCA降维后的数据采用K-Means方法进行聚类分析，K-Means聚类由于其出色的计算速度和分类性能，应用非常广泛，属于无监督聚类中最为常用的算法，K-Means算法的核心点是聚类中心的迭代，先根据预设聚类数随机初始化聚类中心，对所有样本按照其距离各中心的远近进行归类，计算各类内样本到中心的误差和，并将类内样本均值作为新的聚类中心，不断迭代，直到类内误差和达到最小值范围内。

具体的，步骤S300所提及的使用聚类K-means算法对X

参照图3，具体的，步骤S300所提及的采用K-Means方法对数据进行分类可划分为步骤S3a0至步骤S3b0。

在步骤S3a0中，这里定义一个聚类后误差评估为

在步骤S3b0中，聚类中y

e(K)＝0.005可满足误差小于0.01mm的要求，得

K＝1500。每个聚类代表的物理位置为

X

y

在步骤S400中，计算出每个类对应的物理位置，在查询操作中使用K近邻去除聚类中存在的噪点。

参照图4，具体来说，步骤S400可划分为步骤S4a0、步骤S4b0、步骤S4c0、步骤S4d0、步骤S4e0，步骤S4d0与步骤S4e0为并行步骤。

具体的，查询操作要在X

(x

本发明实施例提供一种计算机可读存储介质，包括能够被处理器加载执行时实现如图1-图4任一种方法的程序。

所述计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

基于同一发明构思，本发明实施例提供一种基于PCA和聚类和K近邻的坐标定位系统，包括存储器、处理器，存储器上存储有可在所述处理器上运行实现如图1至图4任一种方法的程序。

基于同一发明构思，本发明实施例提供一种终端，包括能够被处理器加载执行时实现如图1-图4任一种方法的程序。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。

本具体实施方式的实施例均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。