技术特征：
1.一种方法，包括：接收在物理空间中收集的射频(rf)信号数据；通过使用第一神经网络处理所述rf信号数据来生成对所述rf信号数据进行编码的特征向量；使用第一混合模型来处理所述特征向量以生成：第一编码张量，所述第一编码张量指示所述物理空间中的一组移动对象；第一位置张量，所述第一位置张量指示所述物理空间中的每个移动对象的位置；以及第一不确定性张量，所述第一不确定性张量指示所述物理空间中的每个移动对象的位置的不确定性；以及输出来自所述第一位置张量的至少一个位置。2.如权利要求1所述的方法，其中所述rf信号数据包括所述物理空间中的rf信号的特性，并且其中所述特性是以下至少一者的结果：rf衰落、rf反射、rf折射、rf散射或rf衰减。3.如权利要求1所述的方法，其中，所述第一编码张量是指定多个值的一维张量，其中所述第一编码张量中的所述多个值中的每个相应值指示相应移动对象位于所述物理空间中的概率。4.如权利要求3所述的方法，其中对于所述多个值中的每个相应值：所述第一位置张量指定相应高斯分布的相应均值，并且所述第一不确定性张量指定所述相应高斯分布的相应协方差矩阵。5.如权利要求1所述的方法，其中：所述第一神经网络和所述第一混合模型是基于从第一接收机收集的数据来训练的，第二神经网络和第二混合模型是基于从第二接收机收集的数据来训练的，并且所述方法进一步包括：在输出所述至少一个位置之前，聚集来自所述第二混合模型的第二位置张量与来自所述第一混合模型的所述第一位置张量。6.如权利要求1所述的方法，所述方法进一步包括：基于所述第一不确定性张量来确定每个移动对象的移动方向。7.如权利要求1所述的方法，所述方法进一步包括：标识所述第一编码张量中具有超过最小阈值的值的索引集合；对于所述索引集合中的每个相应索引，标识所述第一位置张量中的对应位置；以及输出所述第一位置张量中所标识的对应位置。8.如权利要求7所述的方法，其中：所述第一混合模型是至少部分地基于所述物理空间的地图来训练的，所述地图指示能被移动对象占用的有效区域，并且在生成所述第一位置张量时惩罚所述有效区域之外的位置，以使得在生成所述第一位置张量时向所述有效区域之外的位置指派较低的概率值。9.如权利要求1所述的方法，其中输出所述至少一个位置包括在所述物理空间的图形地图上指示所述至少一个位置。10.一种系统，包括：存储器，所述存储器包括计算机可执行指令；一个或多个处理器，所述一个或多个处理器被配置成执行所述计算机可执行指令并使
所述系统执行操作，所述操作包括：接收在物理空间中收集的射频(rf)信号数据；通过使用第一神经网络处理所述rf信号数据来生成对所述rf信号数据进行编码的特征向量；使用第一混合模型来处理所述特征向量以生成：第一编码张量，所述第一编码张量指示所述物理空间中的一组移动对象；第一位置张量，所述第一位置张量指示所述物理空间中的每个移动对象的位置；以及第一不确定性张量，所述第一不确定性张量指示所述物理空间中的每个移动对象的位置的不确定性；以及输出来自所述第一位置张量的至少一个位置。11.如权利要求10所述的系统，其中所述rf信号数据包括所述物理空间中的rf信号的特性，并且其中所述特性是以下至少一者的结果：rf衰落、rf反射、rf折射、rf散射或rf衰减。12.如权利要求10所述的系统，其中，所述第一编码张量是指定多个值的一维张量，其中所述第一编码张量中的所述多个值中的每个相应值指示相应移动对象位于所述物理空间中的概率。13.如权利要求12所述的系统，其中对于所述多个值中的每个相应值：所述第一位置张量指定相应高斯分布的相应均值，并且所述第一不确定性张量指定所述相应高斯分布的相应协方差矩阵。14.如权利要求10所述的系统，其中：所述第一神经网络和所述第一混合模型是基于从第一接收机收集的数据来训练的，第二神经网络和第二混合模型是基于从第二接收机收集的数据来训练的，并且所述操作进一步包括：在输出所述至少一个位置之前，聚集来自所述第二混合模型的第二位置张量与来自所述第一混合模型的所述第一位置张量。15.如权利要求10所述的系统，其中所述操作进一步包括：基于所述第一不确定性张量来确定每个移动对象的移动方向。16.如权利要求10所述的系统，其中所述操作进一步包括：标识所述第一编码张量中具有超过最小阈值的值的索引集合；对于所述索引集合中的每个相应索引，标识所述第一位置张量中的对应位置；以及输出所述第一位置张量中所标识的对应位置。17.如权利要求10所述的系统，其中：所述第一混合模型是至少部分地基于所述物理空间的地图来训练的，所述地图指示能被移动对象占用的有效区域，并且在生成所述第一位置张量时惩罚所述有效区域之外的位置，以使得在生成所述第一位置张量时向所述有效区域之外的位置指派较低的概率值。18.如权利要求10所述的系统，其中输出所述至少一个位置包括在所述物理空间的图形地图上指示所述至少一个位置。19.一种方法，包括：当一个或多个对象在物理空间中移动时，收集所述物理空间中的信号数据记录的序
列；针对每个信号数据记录，使用所述物理空间中的一个或多个相机来确定所述一个或多个对象中的每个对象的真值位置；使用第一神经网络和第一混合模型来生成所述一个或多个对象中的每个对象的预测位置；基于所述真值位置和所述预测位置来计算负对数似然损失；以及基于所述负对数似然损失来精化所述第一神经网络和所述第一混合模型的一个或多个参数，以使得所述第一神经网络和所述第一混合模型被训练成定位在所述物理空间中移动的多个对象。20.如权利要求19所述的方法，进一步包括：生成所述物理空间中的预测对象数量，其中精化所述第一神经网络和所述第一混合模型的所述一个或多个参数进一步包括：部分地基于所述一个或多个对象的实际数量和所述预测对象数量来计算交叉熵损失。21.如权利要求19所述的方法，所述方法进一步包括：标识所述一个或多个对象的数量；以及生成指示所述数量的真值编码张量。22.如权利要求21所述的方法，所述方法进一步包括：基于所确定的真值位置来生成真值位置张量。23.如权利要求22所述的方法，所述方法进一步包括：确定所述多个对象中的每个相应对象的相应不确定性；以及基于所确定的不确定性来生成真值不确定性张量。24.如权利要求23所述的方法，其中确定所述相应不确定性包括标识预定义的固定的不确定性测量。25.如权利要求23所述的方法，其中，所述负对数似然损失是基于所述真值编码张量、所述真值位置张量和所述真值不确定性张量来计算的。26.一种系统，包括：存储器，所述存储器包括计算机可执行指令；一个或多个处理器，所述一个或多个处理器被配置成执行所述计算机可执行指令并使所述系统执行操作，所述操作包括：当一个或多个对象在物理空间中移动时，收集所述物理空间中的信号数据记录的序列；针对每个信号数据记录，使用所述物理空间中的一个或多个相机来确定所述一个或多个对象中的每个对象的真值位置；使用第一神经网络和第一混合模型来生成所述一个或多个对象中的每个对象的预测位置；基于所述真值位置和所述预测位置来计算负对数似然损失；以及基于所述负对数似然损失来精化所述第一神经网络和所述第一混合模型的一个或多个参数，以使得所述第一神经网络和所述第一混合模型被训练成定位在所述物理空间中移动的多个对象。
27.如权利要求26所述的系统，其中所述操作进一步包括：生成所述物理空间中的预测对象数量，其中精化所述第一神经网络和所述第一混合模型的所述一个或多个参数进一步包括：部分地基于所述一个或多个对象的实际数量和所述预测对象数量来计算交叉熵损失。28.如权利要求26所述的系统，其中所述操作进一步包括：标识所述一个或多个对象的数量；以及生成指示所述数量的真值编码张量；以及基于所确定的真值位置来生成真值位置张量；确定所述多个对象中的每个相应对象的相应不确定性；以及基于所确定的不确定性来生成真值不确定性张量。29.如权利要求28所述的系统，其中确定所述相应不确定性包括标识预定义的固定的不确定性测量。30.如权利要求28所述的系统，其中，所述负对数似然损失是基于所述真值编码张量、所述真值位置张量和所述真值不确定性张量来计算的。
技术总结
本公开的某些方面提供了使用混合密度网络进行对象定位的技术，包括：接收在物理空间中收集的射频(rf)信号数据；通过使用第一神经网络处理该rf信号数据来生成对该rf信号数据进行编码的特征向量；使用第一混合模型来处理该特征向量，以生成指示该物理空间中的一组移动对象的第一编码张量、指示该物理空间中每个移动对象的位置的第一位置张量、以及指示该物理空间中每个移动对象的位置的不确定性的第一不确定性张量；以及输出来自第一位置张量的至少一个位置。至少一个位置。至少一个位置。
技术研发人员：f
受保护的技术使用者：高通股份有限公司
技术研发日：2022.01.21
技术公布日：2023/10/15