一种基于自编码器的众包信号地图构建方法技术

本发明专利技术公开了一种基于自编码器的众包信号地图构建方法，包括如下步骤：(1)离线训练阶段：用众包方式下收集到的不完整历史信号地图以离线的方式训练模型；(2)在线重建阶段：利用离线训练完成的模型对收集到的不完整历史信号进行缺失值推断从而重建完整的信号地图。本发明专利技术与传统的信号地图收集方式相比，不需要专业人员现场测量；而与普通的众包方式相比，该发明专利技术不需要众多众包参与者；而与之前的缺失值推断方法相比，该发明专利技术具有更好的重建精度，适应性强，精度高。

A Crowdsourcing Signal Map Construction Method Based on Self-Encoder

【技术实现步骤摘要】
一种基于自编码器的众包信号地图构建方法
本专利技术涉及众包信号地图构建方法，特别涉及一种基于自编码器的众包信号地图构建方法。
技术介绍
由不同位置的信号强度组成的信号地图在站点频谱监测，基于位置的服务(LBS)，网络构建和网络优化中发挥着重要作用。例如，信号地图可以用于基于指纹的室内位置以提供更好的位置服务，而用户可以使用信号地图来了解当前的网络状况以选择合适的位置体验更好的移动网络服务。ISP可以使用信号地图来了解网络状况并优化网络架构以提供更好的服务覆盖范围。特别是在5G网络的前景下，信号地图也可用于分析当前的4G网络以指导5G网络的部署。尽管其重要性，但通过专业人员手持设备来构建信号地图是耗时且费力的。为了解决这个问题，公开号为CN106157342A的中国专利“信号地图的自动标定方法和系统”提出利用移动的信号接收机收集信号构建信号地图，该方法有效减少了人力但成本较高且移动范围较小。随着电子技术的发展，移动设备逐渐成为人们的必备工具，同时移动设备也配备了许多传感器，这使得众包方式构建信号地图成为了可能。然而众包构建信号地图往往需要大量参与者，但用户对此表现较为消极，这导致参与者较少。为了解决这个问题，公开号为CN104380294A的中国专利“Wi-Fi信号地图构建装置及方法”提出构建用户常驻场所的数据库并隐式收集信号，该方法可以有效的解决少量参与者的问题，但构建场所数据库涉及用户隐私同时需要频繁更新数据库。而文献1(SteeringCrowdsourcedSignalMapConstructionviaBayesianCompressiveSensing)提出借助贝叶斯压缩感知对不完整信号地图进行推断从而获得完整的信号地图，但该方法不但计算成本较高而且还对原始信号地图的结构具有一定要求同时还要求获得前一次完整的信号地图，因此其适用性受到了一定的限制。
技术实现思路
专利技术目的：本专利技术目的是提供一种克服以众包方式构建信号地图的情景下因收集到的信号地图不完整从而导致众包信号地图无法使用的问题的基于自编码器的众包信号地图构建方法，该方法适应性强，精度高。技术方案：本专利技术提供一种基于自编码器的众包信号地图构建方法，包括如下步骤：(1)离线训练阶段：用众包方式下收集到的不完整历史信号地图以离线的方式训练模型；(2)在线重建阶段：利用离线训练完成的模型对当前收集到的不完整历史信号进行缺失值推断从而重建完整的信号地图。进一步地，所述步骤(1)的离线训练包括如下步骤：(1)根据所收集的信号地图的范围进行地理网格划分，并将在同一时间间隔内上传的历史众包信号按GPS坐标划分在不同网格内进而形成多张不同时刻下的不完整信号地图；(2)将不同时刻下的信号地图平展为一维向量，并形成行为时刻，列为网格数的历史信号地图，然后将该历史信号地图作为输入，输入到自编码器中进行训练；(3)通过交叉验证方法选择自编码器的网络结构、参数以及测试误差最小的模型。所述步骤(2)的在线重建包括如下步骤：(1)计算不同网格中的信号对于重建的信号地图精确度的重要性并进行排序；(2)根据预算成本的大小，设置所需众包信号的数量并制定相应的激励机制，优先选择重要性较高的网格进行收集信号并上传，从而形成不完整的信号地图；(3)将收集到的不完整信号地图作为输入，将其输入到离线训练完成的自编码器模型中进行微调，获得完整的信号地图；(4)对收集到的信号使用交叉验证方法计算其重建精度，并与预先设定好的阈值进行比较，若不满足阈值要求，则重复上述过程直至达到阈值要求。进一步地，所述步骤(1)重要性的计算方法包括如下步骤：(1)将信号地图中缺失值的预先设定值作为离线训练完成的自编码器的输入，其输出作为默认的信号地图；(2)在无众包信号的情况下，将历史信号中的平均值与默认信号地图相比较，其差异程度作为下一轮收集信号的重要性；(3)收集若干数量信号的情况，比较相邻两次重建的信号地图，并将其差异程度作为下一轮收集信号的重要性。进一步地，所述步骤(3)中当仅收集一轮的信号时，则与默认信号地图相比较。进一步地，所述网络结构为隐藏层层数以及每层神经元个数。进一步地，所述激励机制为游戏机制或现金机制。本专利技术充分利用众包方式下存在的大量不完整的历史信号地图并利用自编码器提取其中的时间特征借此指导本次信号地图的收集过程从而进行缺失值推断进而有效地重建完整的信号地图。本专利技术的方法意义在于不同于以往的信号地图构建方法，该方法借助自编码器学习存在于大量历史残缺信号地图中的内在规律，对本次获得的残缺信号地图进行缺失值推断从而获得完整的信号地图。所以，本专利技术众包信号地图构建方法不需要之前的完整信号地图同时不需要大量众包参与者。有益效果：本专利技术方法与传统的信号地图收集方式相比，不需要专业人员现场测量；而与普通的众包方式相比，该专利技术不需要众多众包参与者；而与之前的缺失值推断方法相比，该专利技术具有更好的重建精度。附图说明图1为本专利技术的系统框架图；图2为本专利技术的流程图；图3为本专利技术的自编码器结构图。具体实施方式如附图1所示，本实施例共包括两个阶段，离线训练阶段以及在线重建阶段。1、离线训练阶段，分为以下步骤(附图2)：(1)根据所收集信号地图的范围确定合理的地理网格划分，在本实施例中采用仿真数据，仿真空间大小为24×20m2，划分网格大小为20×20cm2，共形成120×100个网格，然后将仿真信号按坐标范围划分到不同网格中，共生成5000张大小为120×100的信号地图，为模拟历史信号地图的不完整性，因此每张信号地图随机选择50％的网格信号设置为-150(未收集到的信号默认值，该值选择小于信号地图最小值的最大整数即可)，因此最终共生成5000×120×100维历史信号地图；(2)将5000×120×100维不完整历史信号地图平展为5000×12000维向量，形成行为时刻，列为网格数的历史信号地图矩阵。然后将该矩阵作为输入，输入到自编码器(附图3)中进行训练，自编码器结构如附图3，其中黑圈代表未收集到的信号；自编码器是一种无监督的神经网络模型，其包含两个部分：编码器可以学习到存在于输入数据中的隐含特征；解码器使用学习到的隐含特征重构出原始输入数据。在本实施例中，编码器是由一个单层神经网络构成的，即由输入层(不完整信号图)与单层隐藏层组成；解码器同样也由一个单层神经网络构成的，即由单层隐藏层与输出层(重建完整信号图)组成。其中隐藏层中神经元的个数应不低于输入数据中已知元素的数量，可由交叉验证方法进行确定。(3)采用80-20的交叉验证方法选择最近自编码器模型即测试误差最小的模型，其中设置1个隐藏层，则损失函数为：其中，M为行数，Ω为指示矩阵(若对应网格的信号被收集，则其值为1；否则为0)，·表示元素乘积，|·||F表示·的F范数，xi表示对应的输入行，σ(E)，W(E)，b(E)分别表示编码层中的激活函数(tanh()函数)、权重矩阵以及偏置值(默认随机初始化)，σ(D)，W(D)，b(D)分别表示解码层中的激活函数(identity()函数)、权重矩阵(W(E)的转置矩阵)以及偏置值(默认随机初始化)，λ为超参数(由交叉验证方法选择)，产生最佳自编码器模型，i、j分别为行、列数。2、在线重建阶段，分为本文档来自技高网...

【技术保护点】
1.一种基于自编码器的众包信号地图构建方法，其特征在于：包括如下步骤：(1)离线训练阶段：用众包方式下收集到的不完整历史信号地图以离线的方式训练模型；(2)在线重建阶段：利用离线训练完成的模型对当前收集到的不完整历史信号进行缺失值推断从而重建完整的信号地图。

【技术特征摘要】
1.一种基于自编码器的众包信号地图构建方法，其特征在于：包括如下步骤：(1)离线训练阶段：用众包方式下收集到的不完整历史信号地图以离线的方式训练模型；(2)在线重建阶段：利用离线训练完成的模型对当前收集到的不完整历史信号进行缺失值推断从而重建完整的信号地图。2.根据权利要求1所述的基于自编码器的众包信号地图构建方法，其特征在于：所述步骤(1)的离线训练包括如下步骤：(1)根据所收集的信号地图的范围进行地理网格划分，并将在同一时间间隔内上传的历史众包信号按GPS坐标划分在不同网格内进而形成多张不同时刻下的不完整信号地图；(2)将不同时刻下的信号地图平展为一维向量，并形成行为时刻，列为网格数的历史信号地图，然后将该历史信号地图作为输入，输入到自编码器中进行训练；(3)通过交叉验证方法选择自编码器的网络结构、参数以及测试误差最小的模型。3.根据权利要求2所述的基于自编码器的众包信号地图构建方法，其特征在于：所述步骤(2)的在线重建包括如下步骤：(1)计算不同网格中的信号对于重建的信号地图精确度的重要性并进行排序；(2)根据预算成本的大小，设置所需众包信号的数量并制定相应的激励机制，优先选择重要性较高的网格进行收集信号并上传，从而...

【专利技术属性】
技术研发人员：赵彦超，刘成勇，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32