一种基于误差半监督学习的室内定位方法技术

本发明专利技术提供了一种基于误差半监督学习的室内定位方法，所述方法包括：在室内m个已知高精度定位数据的测量点处，记录扫描到的N个wifi信号的信号强度信息及通过wifi信号进行定位的定位数据；由此获取定位误差矢量；在n个待测量点处，记录扫描到的N个wifi信号及通过wifi信号进行定位的定位数据；利用m个含定位误差的定位数据，采用基于图的半监督学习方法对n个不含定位误差的定位数据进行定位误差学习，获取到误差估计值矢量；最后，利用误差估计值矢量修正n个待测量点的定位数据由此获得高精度定位结果。本发明专利技术的方法利用信号和定位误差之间的相关性，采用半监督学习方法，建立误差估计模型，实现对定位结果的修正，从而大大改善了定位精度。

An indoor localization method based on semi supervised learning

The invention provides a semi supervised learning method based on indoor positioning error, the method includes: measuring point of the indoor m known high precision positioning data, N WiFi signal recording of the scanned signal strength information and locate the WiFi signal through the positioning data; the positioning error in the vector; n to the measuring point, N WiFi signal recording and positioning scanning to the WiFi signal through the positioning data; positioning data using m with positioning error, using graph based semi supervised learning method of N positioning data without location error of positioning error, to obtain error estimates finally, the estimated value of the vector vector; modified n to the measuring point positioning data the results thus obtained using high precision positioning error. In the method of the invention, the error estimation model is established by using the semi supervised learning method by using the correlation between the signal and the positioning error.

【技术实现步骤摘要】

本专利技术属于信息技术、自动控制和电子
，具体涉及一种基于误差半监督学习的室内定位方法。
技术介绍
随着位置数据业务的不断发展，室内定位在机场、商场、停车场、矿井等领域取得了广泛的应用。但由于室内定位环境的复杂性，其在定位精度方面还难以满足实际要求。一方面，由于不同室内环境下，室内整体结构、材料、物品位置等都会导致信号传输存在较大损耗和波动，另一方面，室内存在的反射、绕射等现象，会产生严重的多径效应，极大增加了定位难度。虽然，目前许多学者在室内定位方式、定位算法等都开展了许多研究，已经提出多种室内定位算法，包括三角定位、强度法、指纹法等，取得了许多重要研究成果，但由于实际环境的复杂性，室内定位精度仍难以令人满意，定位精度还亟待进一步提高。
技术实现思路
本专利技术的目的在于克服目前室内环境存在的定位方法精度较低，难以满足实际需要的缺陷，提出了一种基于误差半监督学习的室内定位方法，该方法通过在室内某些关键区域如出入口等地区，安装高精度辅助测量设备，实现对移动终端测量误差估记，同时利用半监督学习方法，进行误差的传递，从而实现在线测量结果位置误差修正。为了实现上述目的，本专利技术提出了一种基于误差半监督学习的室内定位方法，所述方法包括：在室内m个已知高精度定位数据的测量点处，记录扫描到的N个wifi信号的信号强度信息及通过wifi信号进行定位的定位数据；由此获取定位误差矢量；在n个待测量点处，记录扫描到的N个wifi信号及通过N个wifi信号进行定位的定位数据；利用m个含定位误差的定位数据，采用基于图的半监督学习方法对n个不含定位误差的定位数据进行定位误差学习，获取到误差估计值矢量；最后，利用误差估计值矢量修正n个待测量点的定位数据由此获得高精度定位结果。上述技术方案中，所述方法具体包括：步骤1)在室内m个已知高精度定位信息的测量点处，移动终端按照固定的频率对室内N个wifi信号进行扫描，记录每个wifi的信号强度信息及通过N个wifi信号进行定位的定位数据；由此获取定位误差矢量；所述m个测量点的高精度定位信息通过高精度设备的测量获得，记为xi(i＝1…m)；通过N个wifi信号进行定位的定位数据记为则移动终端在这m个测量点的定位误差为定位误差矢量为：Ym＝[Δx1,Δx2,…Δxm]T移动终端在这m个测量点接收到的N个WiFi的信号强度矢量为：Sl＝(P1(l)P2(l)…PN(l))，l＝1…m；步骤2)在n个待测量点处，移动终端按照固定的频率对室内N个wifi信号进行扫描，记录每个wifi的信号强度信息及通过N个wifi信号进行定位的定位数据；移动终端在这n个待测量点处接收到的N个WiFi的信号强度矢量为：Sl＝(P1(l)P2(l)…PN(l))，l＝m+1，…，m+n这n个待测量点通过N个wifi信号进行定位的定位数据记为：步骤3)对于所述步骤1)和步骤2)获取的m+n个测量点的测量数据，利用n个含定位误差的定位数据，采用基于图的半监督学习方法对n个不含定位误差的定位数据进行定位误差学习；获取到误差估计值矢量fn＝[Δxm+1,Δxm+2,…Δxm+n]T；步骤4)根据误差估计值矢量fn，修正n个待测量点的定位数据由此获得高精度定位结果；其中，yi为第i-m个待测量点的高精度定位结果；步骤5)输出修正后的n个待测量点的高精度定位结果yi(i＝m+1,…m+n)。上述技术方案中，所述步骤3)具体包括：步骤3-1)构造权值矩阵w，对于m+n个测量点中的任意两个测量点i,j，构造权值矩阵w(i,j)：其中，σ为给定的信号邻域宽度；步骤3-2)构造权值矩阵w：步骤3-3)计算对角矩阵D和拉普拉斯矩阵Δ；Δ＝D-W其中D为对角矩阵，对角线取值为dii，i＝1,2,…,m+n；步骤3-4)计算n个测量点的误差估计值矢量fn＝[Δxm+1,Δxm+2,…Δxm+n]T；fn＝(Dn,n-Wn,n)Wn,mYm上式中，Dn,n为矩阵D的子矩阵，为矩阵D(m+1:m+n,m+1:m+n)；Wn,n为W的子矩阵，为矩阵W(m+1:m+n,m+1:m+n)；Wn,m为W的子矩阵，为矩阵W(m+1:m+n,1:m)。本专利技术的优点在于：本专利技术所提出的基于误差半监督学习的室内定位方法，通过利用信号和定位误差之间的相关性，采用半监督学习方法，建立误差估计模型，实现对定位结果的修正，从而大大改善了定位精度。附图说明图1为本专利技术的基于误差半监督学习的室内定位方法的流程图。具体实施方式下面结合附图和具体实施例对本专利技术做进一步详细的说明。如图1所示，一种基于误差半监督学习的室内定位方法，所述方法包括：步骤1)在室内m个已知的高精度定位数据的测量点处，移动终端按照固定的频率对室内N个wifi信号进行扫描，记录每个wifi的信号强度信息及通过N个wifi信号进行定位的定位数据；由此获取定位误差矢量；m个测量点的高精度定位信息通过高精度设备的测量获得，记为xi(i＝1…m)；通过N个wifi信号进行定位的定位信息记为则移动终端在这m个测量点的定位误差为则定位误差矢量为：Ym＝[Δx1,Δx2,…Δxm]T移动终端在这m个测量点接收到的N个WiFi的信号强度矢量为：Sl＝(P1(l)P2(l)…PN(l))，l＝1…m步骤2)在n个待测量点移动终端按照固定的频率对室内N个wifi信号进行扫描，记录每个wifi的信号强度信息及通过N个wifi信号进行定位的定位数据；移动终端在这n个待测量点接收到的N个WiFi的信号强度矢量为：Sl＝(P1(l)P2(l)…PN(l))，l＝m+1，…，m+n这n个待测量点通过N个wifi信号进行定位的定位信息记为步骤3)对于上述步骤获取的m+n个测量点的测量数据，利用m个含定位误差的定位数据，采用基于图的半监督学习方法对n个不含定位误差的定位数据进行定位误差学习，获取到误差估计值矢量fn＝[Δxm+1,Δxm+2,…Δxm+n]T；具体包括：步骤3-1)构造权值矩阵w，对于m+n个测量点中的任意两个测量点i,j，构造权值矩阵w(i,j)：其中，σ为给定的信号邻域宽度；步骤3-2)构造权值矩阵w：步骤3-3)计算对角矩阵D和拉普拉斯矩阵Δ；Δ＝D-W其中D为对角矩阵，对角线取值为dii，i＝1,2,…,n+m；步骤3-4)计算n个测量点的误差估计值矢量fn＝[Δxm+1,Δxm+2,…Δxm+n]T；fn＝(Dn,n-Wn,n)Wn,mYm上式中，Dn,n为矩阵D的子矩阵，为矩阵D(m+1:m+n,m+1:m+n)；Wn,n为W的子矩阵，为矩阵W(m+1:m+n,m+1:m+n)；Wn,m为W的子矩阵，为矩阵W(m+1:m+n,1:m)。步骤4)根据误差估计值矢量fn，修正n个待测量点的定位数据获得高精度定位结果；步骤5)输出修正后的n个待测量点的高精度定位结果yi(i＝m+1,…m+n)。本文档来自技高网...

【技术保护点】
一种基于误差半监督学习的室内定位方法，所述方法包括：在室内m个已知高精度定位数据的测量点处，记录扫描到的N个wifi信号的信号强度信息及通过wifi信号进行定位的定位数据；由此获取定位误差矢量；在n个待测量点处，记录扫描到的N个wifi信号及通过N个wifi信号进行定位的定位数据；利用m个含定位误差的定位数据，采用基于图的半监督学习方法对n个不含定位误差的定位数据进行定位误差学习，获取到误差估计值矢量；最后，利用误差估计值矢量修正n个待测量点的定位数据由此获得高精度定位结果。

【技术特征摘要】
1.一种基于误差半监督学习的室内定位方法，所述方法包括：在室内m个已知高精度定位数据的测量点处，记录扫描到的N个wifi信号的信号强度信息及通过wifi信号进行定位的定位数据；由此获取定位误差矢量；在n个待测量点处，记录扫描到的N个wifi信号及通过N个wifi信号进行定位的定位数据；利用m个含定位误差的定位数据，采用基于图的半监督学习方法对n个不含定位误差的定位数据进行定位误差学习，获取到误差估计值矢量；最后，利用误差估计值矢量修正n个待测量点的定位数据由此获得高精度定位结果。2.根据权利要求1所述的基于误差半监督学习的室内定位方法，其特征在于，所述方法具体包括：步骤1)在室内m个已知高精度定位信息的测量点处，移动终端按照固定的频率对室内N个wifi信号进行扫描，记录每个wifi的信号强度信息及通过N个wifi信号进行定位的定位数据；由此获取定位误差矢量；所述m个测量点的高精度定位信息通过高精度设备的测量获得，记为xi(i＝1…m)；通过N个wifi信号进行定位的定位数据记为则移动终端在这m个测量点的定位误差为定位误差矢量为：Ym＝[Δx1,Δx2,…Δxm]T移动终端在这m个测量点接收到的N个WiFi的信号强度矢量为：Sl＝(P1(l)P2(l)…PN(l))，l＝1…m；步骤2)在n个待测量点处，移动终端按照固定的频率对室内N个wifi信号进行扫描，记录每个wifi的信号强度信息及通过N个wifi信号进行定位的定位数据；移动终端在这n个待测量点处接收到的N个WiFi的信号强度矢量为：Sl＝(P1(l)P2(l)…PN(l))，l＝m+1，…，m+n这n个待测量点通过N个wifi信号进行定位的定位数据记为：x~i(i=m+1,...m+n);]]>步骤3)对于所述步骤1)和步骤2)获取的m+n个测量点的测量数据，利用n个含定位误差的定位数据，采用基于图的半监督学习方法对n个不含定位误差的定位数据进行定位误差学习；获取到误差估计值矢量fn＝[Δxm+1,Δxm+2,…Δx...

【专利技术属性】
技术研发人员：曹红杰，郭路，欧阳玲，
申请(专利权)人：北斗导航位置服务北京有限公司，
类型：发明
国别省市：北京;11