The invention discloses a floor prediction method based on integrated extreme learning machine and principal component analysis, which is characterized by the following steps: S1, the construction step of off-line data set, acquisition of multiple sets of radio signal reception intensity indicative data, and formation of off-line data set; S2, data pre-processing step, pre-processing of the obtained off-line data set, and obtaining multiple groups of off-line data sub-sets. Set; S3, off-line learning steps, train the off-line data subset, and get a number of different floors classifier; S4, on-line floor prediction steps, collect the wireless signal reception intensity indicative data online, and process the collected data to obtain a number of floor prediction results, to achieve floor prediction. The invention can overcome the influence of environmental change in receiving signal intensity indication measurement, and at the same time can improve the performance of floor prediction to the greatest extent.
【技术实现步骤摘要】
基于集成极限学习机和主成分分析的楼层预测方法
本专利技术涉及一种预测方法,具体而言,涉及一种基于集成极限学习机和主成分分析的楼层预测方法,属于无线定位和机器学习领域。
技术介绍
随着通信和智能产业的不断发展,定位技术在我们的日常生活中扮演着越来越重要的角色。虽然全球定位系统可以在户外提供高精度的定位结果,但在复杂的室内环境中效果不佳。因此,室内定位技术已经成为当下研究的热点。基于WiFi的室内定位技术通过利用移动终端从无线接入点(AP)接收信号的方式来确定用户位置,这一技术凭借其低成本、高效率的特性,成为了近年来室内定位技术研究的热点。在室内定位的过程中中,预测移动用户所在的楼层对于各种基于位置的服务具有重大意义。例如,在火灾紧急等情况下,被困人员所在的确切楼层对于救生至关重要。而在商场中,由于不同的楼层多提供的商品和服务不同,每个楼层的商品导航服务可以帮助用户快速找到商品从而节约用户的搜索时间。由上述情况可知,室内定位系统中的诸多问题其本质上都可以看作是一种楼层定位问题。因此,如何找到一种方法来确定在一个多层建筑环境中移动用户的确切楼层,也就成为了业界的一个新的研究热点。目前,也已经出现了相关的研究。诸如,A.Varshavsky等人在2007年提出了一种使用GSM指纹识别的楼层定位系统,用以识别高层多层建筑中用户的楼层,但是该定位系统的楼层预测精度不高,仅为73%。H.B.Ye等人在2012年提出了一种楼层定位方法,该方法需要依靠手机内置的加速度计来捕捉用户的状态,进而实现楼层定位。该方法虽然在最大限度上节省了定位成本,但是其定位效果仍然不理想。201 ...
【技术保护点】
1.一种基于集成极限学习机和主成分分析的楼层预测方法,其特征在于,包括如下步骤:S1、离线数据集构建步骤,在需要进行楼层预测的大楼内各楼层的不同位置处,采集多组无线信号接收强度指示数据,构成离线数据集;S2、数据预处理步骤,对所获得的离线数据集进行预处理,并得到多组离线数据子集;S3、离线学习步骤,对离线数据子集进行训练,得到多组不同的楼层分类器;S4、在线楼层预测步骤,对需要进行楼层预测的对象所在位置处的无线信号接收强度指示数据进行在线收集,并对所收集的数据进行处理,得到多个楼层预测结果,实现楼层预测。
【技术特征摘要】
1.一种基于集成极限学习机和主成分分析的楼层预测方法,其特征在于,包括如下步骤:S1、离线数据集构建步骤,在需要进行楼层预测的大楼内各楼层的不同位置处,采集多组无线信号接收强度指示数据,构成离线数据集;S2、数据预处理步骤,对所获得的离线数据集进行预处理,并得到多组离线数据子集;S3、离线学习步骤,对离线数据子集进行训练,得到多组不同的楼层分类器;S4、在线楼层预测步骤,对需要进行楼层预测的对象所在位置处的无线信号接收强度指示数据进行在线收集,并对所收集的数据进行处理,得到多个楼层预测结果,实现楼层预测。2.根据权利要求1所述的基于集成极限学习机和主成分分析的楼层预测方法,其特征在于:所述无线信号为WIFI信号。3.根据权利要求1所述的基于集成极限学习机和主成分分析的楼层预测方法,其特征在于,S2所述数据预处理步骤,具体包括:S21、使用主成分分析技术对离线数据集内的无线信号接收强度指示数据进行数据降维处理;S22、对已完成降维处理的无线信号接收强度指示数据进行多次随机抽取...
【专利技术属性】
技术研发人员:颜俊,戚国文,曹艳华,钱琛,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。