定位方法、装置、电子设备及存储介质

技术领域

本申请涉及无线信号定位领域，具体涉及一种定位方法、装置、电子设备及存储介质。

背景技术

目前，随着无线网络技术的飞速发现，人们对于定位范围和定位精度的要求也越来越高。现有的定位技术有三边测量定位方法、接近度测量方法、场景分析方法等。其中，场景分析方法在室内环境中的各个已知位置处收集发送节点的信号强度，然后通过传递在线测量读数和收集用户的信号接收设备的读数来匹配确定目标的位置。但是这种方法要收集大量的数据，导致在进行定位的时候，定位速度不高。

发明内容

本申请实施例公开了一种定位方法、装置、电子设备及存储介质，能够提高定位速度和定位精度。

本申请实施例公开一种定位方法，其特征在于，所述方法包括：

获取与检测区域对应的第一感知矩阵；所述检测区域包括多个通信链路；所述通信链路包括多个通信网格；所述第一感知矩阵包括各个所述通信网格对应的离线接收信号强度改变值；

获取第一测量矩阵；所述第一测量矩阵包括一个或多个定位目标位于所述检测区域时，每个所述定位目标与所述检测区域中各个所述通信链路分别对应的真实接收信号强度改变值；

分别对所述第一感知矩阵和所述第一测量矩阵进行正交局部保留投影处理，以得到第二感知矩阵和第二测量矩阵；

根据所述第二感知矩阵和所述第二测量矩阵确定真实位置矩阵；所述真实位置矩阵用于指示各个所述定位目标在所述检测区域中的位置。

作为一种可选的实施方式，所述根据所述第二感知矩阵和所述第二测量矩阵确定真实位置矩阵，包括：

降低所述第二感知矩阵的列相关性，得到预处理矩阵；

根据所述第二测量矩阵和所述预处理矩阵确定第三测量矩阵；

根据所述第二感知矩阵和所述预处理矩阵确定第三感知矩阵；

根据所述第三测量矩阵和所述第三感知矩阵确定所述真实位置矩阵。

作为一种可选的实施方式，所述所述降低所述第二感知矩阵的列相关性，得到预处理矩阵，包括：

对所述第二感知矩阵进行奇异值分解，从所述第二感知矩阵中分解出奇异向量；

根据所述奇异向量和所述第二感知矩阵包括的各个元素的总和确定所述预处理矩阵。

作为一种可选的实施方式，所述所述根据所述奇异向量和所述第二感知矩阵中所有元素的总和确定预处理矩阵，包括：

根据所述奇异向量、所述第二感知矩阵包括的各个元素的总和以及所述第二感知矩阵包括的各个元素的均值确定所述预处理矩阵。

作为一种可选的实施方式，所述根据所述第三测量矩阵和所述第三感知矩阵确定所述真实位置矩阵，包括：

初始化预测位置矩阵；

计算所述第三感知矩阵和所述预测位置矩阵的乘积，并计算所述第三测量矩阵和所述乘积之间的残差值；

迭代所述预测位置矩阵的值，直至所述第三测量矩阵和所述乘积之间的残差值最小化；

将所述第三测量矩阵和所述乘积之间的残差值最小化时所述预测位置矩阵的值确定为所述真实位置矩阵。

作为一种可选的实施方式，在所述获取第一感知矩阵之前，所述方法还包括：

利用测试目标在所述检测区域内遍历各个所述通信网格；

测量所述测试目标位于所述检测区域中每个所述通信网格对应的第一接收信号强度值，以及所述测量目标不在所述检测区域中时每个所述通信网格对应的第二接收信号强度值；

将所述第一接收信号强度值和所述第二接收信号强度值相减，得到各个所述通信网格对应的离线接收信号强度改变值；

根据各个所述通信网格分别对应的所述离线接收信号强度改变值生成第一感知矩阵。

作为一种可选的实施方式，所述所述获取第一测量矩阵，包括：

通过所述检测区域中的多对信号收发器获取所述第一测量矩阵；所述信号收发器通过LoRaWAN网络进行无线通信；每对所述信号收发器对应于一个所述通信链路。

本申请实施例公开一种定位装置，所述装置包括：

离线模块，用于获取与检测区域对应的第一感知矩阵；所述检测区域包括多个通信链路；所述通信链路包括多个通信网格；所述第一感知矩阵包括各个所述通信网格对应的离线接收信号强度改变值；

在线模块，用于获取第一测量矩阵；所述第一测量矩阵包括一个或多个定位目标位于所述检测区域时，每个所述定位目标与所述检测区域中各个所述通信链路分别对应的真实接收信号强度改变值；

降维模块，用于分别对所述第一感知矩阵和所述第一测量矩阵进行正交局部保留投影处理，以得到第二感知矩阵和第二测量矩阵；

确定模块，用于根据所述第二感知矩阵和所述第二测量矩阵确定真实位置矩阵；所述真实位置矩阵用于指示各个所述定位目标在所述检测区域中的位置。

本申请实施例公开一种电子设备，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现本申请实施例公开的任意一种定位方法。

本申请实施例公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本申请实施例公开的任意一种定位方法。

与相关技术相比，本申请实施例具有以下有益效果：

根据检测区域中各个通信网格对应的离线接收信号强度改变值确定第一感知矩阵；根据每个定位目标与检测区域中各个通信链路分别对应的真实接收信号强度改变值确定第一测量矩阵；通过分别对第一感知矩阵和第一测量矩阵进行正交局部保留投影处理，得到第二感知矩阵和第二测量矩阵；根据第二感知矩阵和第二测量矩阵确定出用于指示各个定位目标在检测区域中的位置的真实位置矩阵。本申请实施例通过接收信号强度改变值确定第一感知矩阵和第一测量矩阵，并对第一感知矩阵和第一测量矩阵进行正交局部保留投影处理，能够大大降低用于定位的数据量，从而在保证定位精度的情况下，提高定位速度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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获得其他的附图。

图1是本申请实施例公开的一种定位方法的流程示意图；

图2是本申请实施例公开的一种定位场景实验图；

图3是本申请实施例公开的另一种定位方法的流程示意图；

图4是本申请实施例公开的另一种定位方法的流程示意图；

图5是本申请实施例公开的一种定位装置的结构示意图；

图6是本申请实施例公开的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，本申请实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在相关技术中，被动式定位方法是主流的定位方法之一。被动式定位方法主要采用接收信号强度(Received Signal Strength，RSS)进行定位，可以分为三种类型：三边测量定位方法，接近度测量方法和场景分析方法。三边测量定位方法首先使用指定的信号传播模型将接收信号强度转换为接收节点和发送节点之间的距离，当接收节点在已知坐标的情况下获得至少三个发送节点和接收节点之间的距离时，可以根据毕达哥拉斯定理计算接收节点的坐标。接近度测量方法将接收最强发送信号强度的发送节点的位置视为接收节点自身的位置，并通过传播模型确定接收节点的位置。该方法虽然比较容易实现，但是定位精度较差。场景分析方法可以基于目标所在的环境进行定位，其中最典型的方法是基于位置指纹识别的方法。简单来说，其原理是在室内环境中的各个已知位置处收集发送节点的信号强度，然后通过传递在线测量读数和所收集的用户无线设备的读数来匹配确定目标位置。基于位置指纹识别的方法在确定的环境中具有更高的定位精度，并且具有良好的节能性能，但它必须收集大量数据，因此定位速度不高。

本申请实施例公开了一种定位方法、装置、电子设备及存储介质，能够能够提高定位速度和定位精度。以下分别进行详细说明。

请参阅图1，图1是本申请实施例公开的一种定位方法的流程示意图。其中，图1所描述的定位方法可以应用于笔记本电脑、智能手机等电子设备，本申请实施例不做限定。如图1所示，该定位方法可以包括以下步骤：

101、获取与检测区域对应的第一感知矩阵。

检测区域包括多个通信链路；通信链路包括多个通信网格；第一感知矩阵包括各个通信网格对应的离线接收信号强度改变值。

本申请实施例的定位方法可以包括两个阶段：离线数据采集阶段和在线定位阶段。在离线数据采集阶段，让测试目标移动到检测区域中的所有位置，收集每个位置的RSS改变值作为其位置指纹。

位置指纹是把实际环境中的位置和某种“指纹”联系起来，一个位置对应一个独特的指纹。这个指纹可以是单维或多维的，比如信号收发器在接收或者发送信息时，位置指纹可以是这个信息或信号的一个特征或多个特征，比如信号强度。位置指纹可以是多种类型的，任何对区分位置有帮助的特征都能被用来做为一个位置指纹。比如某个位置上通信信号的多径结构、某个位置上是否能检测到接入点或基站、某个位置上检测到的来自基站信号的接收信号强度、某个位置上通信时信号的往返时间或延迟，这些都能作为一个位置指纹，或者也可以将其组合起来作为位置指纹。因此信号特征可以是多径结构、RSS等。

无线信号在空间传播过程中，容易受到噪声、干扰、阻塞和多径的影响，使得信号功率有损耗。现有的大多数无线传感器网络中的定位都是基于自由空间损耗模型建立的。考虑一个在自由空间中从发射端到接收端的信号，其中接收端到发射端的距离是d。因为发射端和接收端之间没有障碍物，信号沿着直线路径行进，并且没有发生反射，这个信号是视距无线传输(Line-Of-Sight，LOS)信号或者直达路径信号。接收信号功率由自由空间传播损耗公式确定：

其中，

本申请实施例的定位方法主要利用人对信号的影响，将信号收发器均匀部署在检测区域两边，并让所有信号收发器之间两两通信，是一种基于无线网络的被动式定位方法。由于定位目标会反射、衍射、散射和吸收无线信号的部分信号，因而定位目标在检测区域内活动时会对无线通信链路造成干扰。物体在检测区域的不同位置处对无线信号的RSS干扰不同，所以在不同位置测量接收信号强度RSS也会不同，由此可以建立位置与RSS值之间的关系。

请参阅图2，图2是本申请实施例公开的一种定位场景实验图。如图2所示，假设在a×b的矩形检测区域内，随机分布着K个定位目标，图2中的Target-1、Target-2、Target-K为定位目标。将该检测区域均分为N个w×w大小的通信网格，为了确保检测区域完全被覆盖，如果检测区域边长a或b不能整除通信网格的边长w，则将通信网格的数目向上取整。将这些通信网格按图2所示依次编号为：1,2，…，N-2,N-1,N。检测区域的左右两边对应位置处，即每个通信网格靠外侧边缘中点上部署一个发射节点(检测区域左侧)和一个接收节点(检测区域右侧)，节点距离地面H米，收发节点各M个。所有的接收节点连接到笔记本等电子设备，以收集接收节点观测到的RSS数据。将M对收发节点从上到下分别依次编号为：TX

R

其中，P

本申请实施例利用被干扰的信号的RSS改变值来量化一个目标对链路造成的影响，可以提高定位的精度。

在一些实施例中，利用测试目标在检测区域内遍历所有通信网格，测量测试目标位于检测区域中每个通信网格时各个通信链路对应的第一接收信号强度值，以及测量目标不在检测区域中时各个通信链路对应的第二接收信号强度值；将第一接收信号强度值和第二接收信号强度值相减，得到各个通信网格对应的离线接收信号强度改变值；根据各个通信网格分别对应的离线接收信号强度改变值生成第一感知矩阵。当目标出现在第j个位置和当目标不在该检测区域时，第i条链路观测到的RSS值分别是R

ΔR

其中，R

在离线数据采集阶段，让测试目标在检测区域内遍历N个网格，所有M条链路上的接收节点均记录目标位于每个网格时的RSS改变值，由此可以获得第一感知矩阵，得到如下形式满足有限等距性质(Restricted Isometry Property,RIP)的第一感知矩阵：

其中，ΔR

RIP性质保证了第一感知矩阵不会把两个不同的K稀疏信号映射到同一个集合中，保证了原空间到稀疏空间的一一映射关系,从第一感知矩阵中抽取的每M个列向量构成的矩阵是非奇异的。

102、获取第一测量矩阵。

第一测量矩阵包括一个或多个定位目标位于检测区域时，每个定位目标与检测区域中各个通信链路分别对应的真实接收信号强度改变值。

其中，真实接收信号强度改变值是在线定位阶段测量的在线RSS改变值。在在线定位阶段中，将包括在线RSS改变值的第一测量矩阵以及在离线数据采集阶段获取的第一感知矩阵用作压缩感知算法的输入，再通过本申请实施例的定位方法估计目标的位置。本申请实施例与传统的基于压缩感知算法的无线传感器网络定位不同，本方法可以定位不携带任何设备的目标的位置。与传统的被动式定位方法的显着区别在于，本方法大大节省了能耗，并且定位速度显着提高。

根据压缩感知理论，可以将被动式定位问题建模为：

Y

其中，

103、分别对第一感知矩阵和第一测量矩阵进行正交局部保留投影处理，以得到第二感知矩阵和第二测量矩阵。

第二感知矩阵是对第一感知矩阵进行正交局部保留投影处理后生成的降维后的矩阵。第二测量矩阵是对第一测量矩阵进行正交局部保留投影处理后生成的降维后的矩阵。

正交局部保留投影(OLPP)是一种线性降维方法，继承了正交拉普拉斯特征映射算法的思想，是基于局部保持映射(LPP)的一种流形学习方法。正交局部保留投影可以对高维数据进行降维并有效地保留数据内部的非线性结构。由于在被动式定位方法中，检测区域内相邻链路接收机所对应的目标点是相同的，因而第一感知矩阵的列向量往往是线性相关的，存在着冗余信息。OLPP通过寻找正交的转换矩阵W，获得低维测量矩阵，这些降维后的测量矩阵可以表示原始数据的绝大部分信息。

在被动式定位方法中，检测区域中的网格数要远远大于链路条数，因此矩阵

为了实现OLPP的嵌入，在具有N个节点的邻接图G中，第i个节点与数据点x

其中，γ定义“局部性”并且是一个足够小的常数。

为了获得正交基函数，我们定义：

其中{c

然后，我们可以按如下方式获得正交基矢量。

计算c

计算c

H

最后，我们可以得到OLPP的转换矩阵：

W＝W

其中W

降维后，我们同时给等式(5)的两边左乘以W

T＝BX+N,(10)

其中，T＝W

其中T为第二测量矩阵，B为第二感知矩阵。

104、根据第二感知矩阵和第二测量矩阵确定真实位置矩阵。

真实位置矩阵用于指示各个定位目标在检测区域中的位置。真实位置矩阵中各个元素的取值表示与元素对应的检测区域中的网格是否有定位目标。在理想情况下，如果检测区域的某网格中存在定位目标，则真实位置矩阵中对应元素的取值为1，反之为0。在实际情况下，真实定位矩阵中的元素取值为0到1之间。

K个目标的位置可表示为：

X＝[θ

X为真实位置矩阵，其中θ

本申请实施例通过接收信号强度改变值确定第一感知矩阵和第一测量矩阵，并对第一感知矩阵和第一测量矩阵进行正交局部保留投影处理，能够大大降低用于定位的数据量，从而在保证定位精度的情况下，提高定位速度。

请参阅图3，图3是本申请实施例公开的另一种定位方法的流程示意图。如图3所示，该方法包括以下步骤：

301、利用测试目标在检测区域内遍历各个通信网格。

302、测量测试目标位于检测区域中每个通信网格对应的第一接收信号强度值，以及测量目标不在检测区域中时每个通信网格对应的第二接收信号强度值。

303、将第一接收信号强度值和第二接收信号强度值相减，得到各个通信网格对应的离线接收信号强度改变值。

304、根据各个通信网格分别对应的离线接收信号强度改变值生成第一感知矩阵。

305、获取第一感知矩阵。

306、获取第一测量矩阵。

通过检测区域中的多对信号收发器获取第一测量矩阵。信号收发器通过LoRaWAN网络进行无线通信。每对信号收发器对应于一个通信链路。

在许多应用中，人们一直致力于如何提高定位系统的准确性和稳健性，但忽略了定位范围这个关键性能。例如，Tadar系统使用RSS和相位恢复信号将标签的每个读数视为信道估计，但仅限范围7x4

在城市和农村地区的许多地区，许多LoRaWAN网络已成功部署，以实现智能城市和工业应用，如智能照明，空气质量监测，智能农业等。这些LoRaWAN网络中的网关和LoRa节点被定期用于以非常低的信噪比(SNR)解码啁啾(chirp)信号以发送信息数据。由于其优异的抗干扰特性，它可以实现几公里的传输距离。作为一种可选的实施方式，本方法提出的定位方法可以基于LoRaWAN网络，实现大规模的定位。

基于LoRaWAN网络信号本身的远距离通信，可以稀疏地部署监控区域中的无线设备。因而，LoRaWAN网络的远距离特性可以显着减少监控区域内部署的无线收发器的数量，从而大大减少需要收集的数据量。然而，收发器装置的减少意味着监视区域的通信链路减少，从而降低了最终定位精度。基于LoRa稀疏性部署特性的考虑，本申请实施例采用优化后的压缩感知理论来实现定位，提出了一种结合正交局部残差投影(OLPP)方法和降低列相关性的稀疏重建方法，在大大减少设备数量的情况下，不仅保证了定位精度，而且显着提高了定位速度。

压缩感知方法关注的是如何利用信号本身所具有的稀疏性，从部分观测样本中恢复原始信号。压缩感知方法可以分为感知测量和重构恢复两个阶段，感知测量关注的是如何对原始信号进行处理以获得稀疏样本表示，重构恢复关注的是如何基于稀疏性从少量的观测中复原信号。

307、分别对第一感知矩阵和第一测量矩阵进行正交局部保留投影处理，以得到第二感知矩阵和第二测量矩阵。

通过正交局部保留投影进行数据降维，在不丢失有用信息的前提下给数据降维，去除冗余信息，可以有效提高运算速度。

308、降低第二感知矩阵的列相关性，得到预处理矩阵。

一般来说，当观测值相同时，如果观测矩阵的列向量独立性越强，则压缩感知重建效果越好。因此，可以通过降低第二感知矩阵矩阵的列相关性来优化压缩感知重建，使得定位精度较高。同时，降低列相关性的操作使得需要重建的数据量明显减小，所以重建速度提高，即定位速度提高。

309、根据第二测量矩阵和预处理矩阵确定第三测量矩阵。

310、根据第二感知矩阵和预处理矩阵确定第三感知矩阵。

降低第二感知矩阵的列相关性，可以得到预处理矩阵M

Y

其中，B

311、根据第三测量矩阵和第三感知矩阵确定真实位置矩阵。

本申请实施例实现了大范围的多目标被动定位，提高大规模多目标被动定位的速度。基于LoRaWAN网络稀疏性部署特性以及低功耗远距离特性的考虑，可以通过压缩感知理论来实现大范围定位。同时，本申请实施例通过提出一种结合正交局部残差投影(OLPP)和降低列相关性的稀疏重建方法，在大大减少设备数量的情况下，不仅保证了定位精度，而且显着提高了定位速度。本方法也可以应用于基于WIFI无线数据进行定位的方法中。

请参阅图4，图4是本申请实施例公开的另一种定位方法的流程示意图。

401、获取第一感知矩阵。

402、获取第一测量矩阵。

403、分别对第一感知矩阵和第一测量矩阵进行正交局部保留投影处理，以得到第二感知矩阵和第二测量矩阵。

404、对第二感知矩阵进行奇异值分解，从第二感知矩阵中分解出奇异向量。

405、根据奇异向量和第二感知矩阵包括的各个元素的总和确定预处理矩阵。

预处理矩阵M

∑

在实践中，B通常是病态的，大量的奇异值等于或接近于0。因此M

因此，在一些实施例中，可以根据奇异向量、第二感知矩阵包括的各个元素的总和以及第二感知矩阵包括的各个元素的均值确定预处理矩阵。

其中，λ是第二感知矩阵B中所有元素的均值。I是单位矩阵。

406、根据第二测量矩阵和预处理矩阵确定第三测量矩阵。

407、根据第二感知矩阵和预处理矩阵确定第三感知矩阵。

408、初始化预测位置矩阵。

在解决最小化问题时，预测位置矩阵是真实位置矩阵在迭代过程中各个阶段的值，预测位置矩阵在每次迭代过程中不断地逼近真实位置矩阵。

409、计算第三感知矩阵和预测位置矩阵的乘积，并计算第三测量矩阵和所述乘积之间的残差值。

410、迭代预测位置矩阵的值，直至第三测量矩阵和乘积之间的残差值最小化。

411、将第三测量矩阵和乘积之间的残差值最小化时预测位置矩阵的值确定为真实位置矩阵。

考虑到进行大规模定位时检测区域中定位目标的稀疏分布特征，定位目标的位置估计可以简化为公式(12)的稀疏解决问题。基于压缩感知重建的思想，可以通过迭代预测位置矩阵的方式解决最小化问题，从而重建真实位置矩阵X。其中，用于解决最小化问题的算法可以是：匹配追踪算法(matching pursuit，MP)、正交匹配追踪算法(orthogonalmatching pursuit，OMP)、分段OMP算法(stagewise orthogonal matching pursuit，StOMP)、规范OMP算法(Regularized Orthogonal Matching Pursuit，ROMP)、CoSaMP算法、迭代硬阈值法(iterativehard thresholding，IHT)以及GraDeS(gradient descent withsparsification)等。迭代公式可以是公式(15)，通过计算第三感知矩阵和预测位置矩阵的乘积，迭代预测位置矩阵的值，直至第三测量矩阵和乘积之间的残差值最小化，将第三测量矩阵和乘积之间的残差值最小化时预测位置矩阵的值确定为真实位置矩阵。

本申请实施例通过降低第二感知矩阵矩阵的列相关性，提出了预处理矩阵对第二感知矩阵和第二测量矩阵进行优化，从而使得在压缩感知重建过程中定位精度较高。同时，降低列相关性的操作使得需要重建的数据量明显减小，所以重建速度提高，即定位速度提高。同时，本申请实施例将压缩感知和降维思想结合，实现了较高精度的大范围定位，并且定位速度快。

请参阅图5，图5是本申请实施例公开的一种定位装置的结构示意图。该装置可应用于笔记本电脑、智能手机等电子设备，具体不做限定。如图5所示，定位装置500可包括：离线模块510、在线模块520、降维模块530、确定模块540。

离线模块510，用于获取与检测区域对应的第一感知矩阵；检测区域包括多个通信链路；通信链路包括多个通信网格；第一感知矩阵包括各个通信网格对应的离线接收信号强度改变值；

在线模块520，用于获取第一测量矩阵；第一测量矩阵包括一个或多个定位目标位于检测区域时，每个定位目标与检测区域中各个通信链路分别对应的真实接收信号强度改变值；

降维模块530，用于分别对第一感知矩阵和第一测量矩阵进行正交局部保留投影处理，以得到第二感知矩阵和第二测量矩阵；

确定模块540，用于根据第二感知矩阵和第二测量矩阵确定真实位置矩阵；真实位置矩阵用于指示各个定位目标在检测区域中的位置。

在一个实施例中，确定模块540，还用于降低第二感知矩阵的列相关性，得到预处理矩阵；根据第二测量矩阵和预处理矩阵确定第三测量矩阵；根据第二感知矩阵和预处理矩阵确定第三感知矩阵；根据第三测量矩阵和第三感知矩阵确定真实位置矩阵。

在一个实施例中，确定模块540，还用于对第二感知矩阵进行奇异值分解，从第二感知矩阵中分解出奇异向量；根据奇异向量和第二感知矩阵包括的各个元素的总和确定预处理矩阵。

在一个实施例中，确定模块540，还用于根据奇异向量、第二感知矩阵包括的各个元素的总和以及第二感知矩阵包括的各个元素的均值确定预处理矩阵。

在一个实施例中，确定模块540，还用于初始化预测位置矩阵；计算第三感知矩阵和预测位置矩阵的乘积，并计算第三测量矩阵和乘积之间的残差值；迭代预测位置矩阵的值，直至第三测量矩阵和乘积之间的残差值最小化；将第三测量矩阵和乘积之间的残差值最小化时预测位置矩阵的值确定为真实位置矩阵。

在一个实施例中，定位装置500还用于利用测试目标在检测区域内遍历各个通信网格；测量测试目标位于检测区域中每个通信网格对应的第一接收信号强度值，以及测量目标不在检测区域中时每个通信网格对应的第二接收信号强度值；将第一接收信号强度值和第二接收信号强度值相减，得到各个通信网格对应的离线接收信号强度改变值；根据各个通信网格分别对应的所离线接收信号强度改变值生成第一感知矩阵。

在一个实施例中，在线模块520，还用于通过检测区域中的多对信号收发器获取第一测量矩阵；信号收发器通过LoRaWAN网络进行无线通信；每对信号收发器对应于一个通信链路。

请参阅图6，图6是本申请实施例公开的一种电子设备的结构示意图。如图6所示，该电子设备600可以包括：

存储有可执行程序代码的存储器610；

与存储器610耦合的处理器620；

其中，处理器620调用存储器610中存储的可执行程序代码，执行本申请实施例公开的任一种定位方法。

本申请实施例公开一种计算机可读存储介质，其存储计算机程序，其中，计算机程序被所述处理器执行时，使得所述处理器实现本申请实施例公开的任意一种定位方法。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。

在本申请的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

上述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单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本申请各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。

上述集成的单元若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获取的存储器中。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者部分，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器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本申请的各个实施例上述方法的部分或全部步骤。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

以上对本申请实施例公开的一种定位方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。