本发明涉及室内定位，具体涉及一种室内到达时间的估计方法、设备及介质。
背景技术：
1、着智能设备和物联网(iot)技术的飞速发展，室内定位技术已成为现代生活和工业应用中不可或缺的一部分。从商场导航、紧急救援、到资产跟踪和自动化库存管理，精确的室内导航和位置服务正变得越来越重要。在实现这一目标的各种技术中，基于wi-fi的定位方法因其成本效益高、部署广泛以及与现有基础设施的兼容性而脱颖而出。
2、尽管基于wi-fi的定位方法具有明显优势，但室内环境中的多路径效应仍然是实现高精度定位的主要障碍，多路径效应是指无线信号在室内环境中与墙壁、家具、以及其他障碍物相互作用时产生的现象。这些相互作用导致信号在多个路径上传播，形成多个信号副本，它们在不同的时间到达接收器，携带着不同的时延、衰减和相位变化，影响定位算法的准确性，使用不便。
3、发明人鉴于此，提出一种室内到达时间的估计方法、设备及介质。
技术实现思路
1、针对现有技术存在的不足，本发明提出一种室内到达时间的估计方法、设备及介质，以解决现有技术中存在的多路径效应导致接收器接收到多个信号副本，使得信号副本与原始信号在时间上有延迟，从而影响技术定位算法准确性的技术问题。
2、本发明采用的技术方案是，第一方面，提出一种室内到达时间的估计方法，包括：
3、在室内环境中部署多个锚点嗅探设备，采集目标定位设备与接入点之间的wi-fi通信数据，并提取其中的信道状态信息，得到csi信号数据；
4、对csi信号数据进行逆傅里叶变换，获得信道冲激响应cir信号数据；
5、采用贝叶斯神经网络推断cir信号数据的直接路径后验分布，得到初步toa估计结果；
6、采用cvdnn神经网络对toa估计结果进行数据处理，去除多路径效应对toa估计结果的影响，得到最终toa估计结果。
7、进一步的，所述采用贝叶斯神经网络推断cir信号数据的直接路径后验分布，得到初步toa估计结果包括：
8、采用最小二乘法定义贝叶斯神经网络的先验分布；
9、根据先验分布，采用变分贝叶斯法寻找最接近真实后验分布的变分分布；
10、对变分分布进行求解，获得直接路径的后验分布，得到初步toa估计结果。
11、进一步的，所述根据先验分布，采用变分贝叶斯法寻找最接近真实后验分布的变分分布中，通过最小化kl散度寻找最接近真实后验分布的变分分布。
12、进一步的，，所述最小化kl散度的具体公式如下所示：
13、arg min∫γ(w)[logγ(w)―logp(d,q|w)―logp(w)]dw
14、其中，γ(w)为参数w的变分分布，logγ(w)为变分分布γ(w)的自然对数，log p(d,q|w)为在给定参数w的情况下观测数据d和先验信息q的联合概率的对数，logp(w)为参数w的先验分布的自然对数。
15、进一步的，所述对变分分布进行求解，获得直接路径的后验分布，得到初步toa估计结果中，采用蒙特卡洛法对变分分布进行求解。
16、进一步的，所述蒙特卡洛法对变分分布进行求解的目标函数近似表示为：
17、
18、其中，wi表示贝叶斯神经网络的权值矩阵，也是第i个蒙特卡罗样本。
19、进一步的，所述采用cvdnn神经网络对toa估计结果进行数据处理，去除多路径效应对toa估计结果的影响，得到最终toa估计结果中，所述cvdnn神经网络包括一个复数输入层、一个由一个复数和两个实数组成的l层隐藏层和一个输出层，采用随机梯度下降算法对损失函数进行连续迭代优化。
20、进一步的，所述随机梯度下降算法的损失函数具体表示形式如下：
21、
22、其中，z表示第k个cir的输入向量及第一条路径的真值toa的相应估计集，y表示网络函数，a表示节点的权重。
23、第二方面，提出一种电子设备，包括处理器以及与处理器通信连接，且用于存储所述处理器可执行指令的存储器，用于执行第一方面所述的室内到达时间的估计方法。
24、第三方面，提出一种计算机可读取存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现一方面所述的室内到达时间的估计方法。
25、由上述技术方案可知，本发明的有益技术效果如下：
26、本发明提出了一种室内到达时间估计方法，通过结合贝叶斯神经网络和cvdnn神经网络，显著提高室内定位精度，尤其是在存在多径效应的复杂室内环境中，利用贝叶斯神经网络对csi信号数据进行推断，预测出直接路径的后验分布，并且通过cvdnn神经网络的应用进一步强化对多径效应和噪声干扰的抑制能力，确保了toa估计的准确性和可靠性，以此解决现有技术中存在的多路径效应导致接收器接收到多个信号副本，使得信号副本与原始信号在时间上有延迟，从而影响技术定位算法准确性的技术问题。
1.一种室内到达时间的估计方法，其特征在于，包括：
2.根据权利要求1所述的室内到达时间的估计方法，其特征在于，所述采用贝叶斯神经网络推断cir信号数据的直接路径后验分布，得到初步toa估计结果包括：
3.根据权利要求2所述的室内到达时间的估计方法，其特征在于，所述根据先验分布，采用变分贝叶斯法寻找最接近真实后验分布的变分分布中，通过最小化kl散度寻找最接近真实后验分布的变分分布。
4.根据权利要求3所述的室内到达时间的估计方法，其特征在于，所述最小化kl散度的具体公式如下所示：
5.根据权利要求2所述的室内到达时间的估计方法，其特征在于，所述对变分分布进行求解，获得直接路径的后验分布，得到初步toa估计结果中，采用蒙特卡洛法对变分分布进行求解。
6.根据权利要求5所述的室内到达时间的估计方法，其特征在于，所述蒙特卡洛法对变分分布进行求解的目标函数近似表示为：
7.根据权利要求1所述的室内到达时间的估计方法，其特征在于，所述采用cvdnn神经网络对toa估计结果进行数据处理，去除多路径效应对toa估计结果的影响，得到最终toa估计结果中，所述cvdnn神经网络包括一个复数输入层、一个由一个复数和两个实数组成的l层隐藏层和一个输出层，采用随机梯度下降算法对损失函数进行连续迭代优化。
8.根据权利要求7所述的室内到达时间的估计方法，其特征在于，所述随机梯度下降算法的损失函数具体表示形式如下：
9.一种电子设备，包括处理器以及与处理器通信连接，且用于存储所述处理器可执行指令的存储器，其特征在于，所述处理器用于执行上述权利要求1-7任一所述的室内到达时间的估计方法。
10.一种计算机可读取存储介质，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1-8任一项所述的室内到达时间的估计方法。
