The invention discloses a WiFi positioning method, method comprises the following steps: data acquisition, S100 antenna signal intensity of each wireless access point detection area of each antenna receiving the detected signal sent by the client; S200, preprocessing of the antenna signal strength data acquisition S300, respectively; the input data layer positioning model of antenna signal the intensity of training data input after treatment; S400, calculate the antenna signal strength data based on network layer positioning after training model, and to determine the location of the client according to the detection results of output layer. The positioning model of the invention uses a trained depth neural network to train the depth neural network through a large number of training sample data, thereby improving the positioning accuracy and accuracy.
【技术实现步骤摘要】
一种WiFi定位方法及服务器
本专利技术涉及无线局域网
,尤其涉及一种WiFi定位方法及服务器。
技术介绍
目前在世界范围内的定位技术主要有GPS定位、Wi-Fi定位、蓝牙定位等,GPS定位主要应用于室外,Wi-Fi、蓝牙定位既可用于室内,也可用于室外。由于Wi-Fi定位相对成熟,下面以Wi-Fi定位技术为背景来介绍本专利技术的具体内容。随着无线路由器的普及,目前大部分公共区域都已经实现十几个甚至几十个WiFi信号覆盖,而且这些路由器在向四周传播WiFi信号的同时,也不停的发送其物理地址与信号强度等信息,只要在其信号覆盖范围内,即使不知道Wi-Fi的密码,也同样能获得这些信息。通用的WiFi室内定位技术大多是基于IEEE802.11b/g协议的无线局域网(WLAN)的信号强度定位技术。基于信号强度的定位技术基本原理是根据接收到的信号的强度推算信号接收器与信号源之间的距离,主要分成两类:三角形强度算法以及位置指纹识别算法。其中三角形强度算法精度低,难以满足室内定位要求;而普通指纹识别算法又存在接收设备不同而使得接收信号存在误差的缺陷。
技术实现思路
为解决上述技术问题,本专利技术提供一种WiFi定位方法及服务器,通过采集待检测客户端每个天线接收的与各个无线接入点对应的信号强度数据输入深度神经网络,实现基于深度神经网络的WiFi定位。本专利技术提供的技术方案如下:本专利技术公开了一种WiFi定位方法,所述方法包括步骤:S100、采集检测区域中各个无线接入点接收待检测客户端的每个天线发出的信号的天线信号强度数据;S200、对采集的所述天线信号强度数据进行预处理 ...
【技术保护点】
一种WiFi定位方法,其特征在于,所述方法包括步骤:S100、采集检测区域中各个无线接入点接收待检测客户端的每个天线发出的信号的天线信号强度数据;S200、对采集的所述天线信号强度数据进行预处理;S300、分别将处理后的所述天线信号强度数据输入训练后的定位模型的输入数据层;S400、基于训练后的定位模型的网络层计算所述天线信号强度数据,并根据输出层的输出结果确定待检测客户端的位置。
【技术特征摘要】
1.一种WiFi定位方法,其特征在于,所述方法包括步骤:S100、采集检测区域中各个无线接入点接收待检测客户端的每个天线发出的信号的天线信号强度数据;S200、对采集的所述天线信号强度数据进行预处理;S300、分别将处理后的所述天线信号强度数据输入训练后的定位模型的输入数据层;S400、基于训练后的定位模型的网络层计算所述天线信号强度数据,并根据输出层的输出结果确定待检测客户端的位置。2.如权利要求1所述的WiFi定位方法,其特征在于,所述步骤S200进一步包括:当待检测客户端包括多个天线,各个无线接入点接收待检测客户端的每个天线发出的信号的天线信号强度数据为多个时,则不作处理;当待检测客户端只有一个天线,各个无线接入点接收待检测客户端的每个天线发出的信号的天线信号强度数据为一个时,将一个天线信号强度数据均分成多个天线信号强度数据。3.如权利要求2所述的WiFi定位方法,其特征在于,所述步骤S100之前还包括步骤:S000、预先训练深度神经网络,将训练后的深度神经网络作为所述定位模型。4.如权利要求3所述的WiFi定位方法,其特征在于,所述步骤S000进一步包括步骤:S001、预先设置训练位置标签;S002、分别采集各个无线接入点接收训练终端的多个天线在每个所述训练位置标签在检测区域内发出信号的多个天线信号强度数据;根据每个所述训练位置标签在检测区域内通过训练终端的多个天线发出的信号的多个天线信号强度数据生成训练样本数据,将所有所述训练样本数据生成训练数据集,并送入深度神经网络中;S003、将深度神经网络的输入数据层定义为多通道数据层,所述多通道数据层的通道数目与训练终端的天线数目相同,所述多通道数据层的节点与各个无线接入点相对应;按照多通道数据层的节点与无线接入点对应的方式分别将每个所述训练样本数据中每个无线接入点接收训练终端的多个天线所发信号的多个天线信号强度数据输入对应的节点的多个通道,经过所述深度神经网络输出与所述训练样本数据中所述训练位置标签相对应的训练结果;S004、依次将输出的训练结果与其对应的所述训练位置标签进行比较,根据比较结果对深度神经网络进行训练,将训练后的深度神经网络作为所述定位模型。5.一种Wi...
【专利技术属性】
技术研发人员:王斌,
申请(专利权)人:上海斐讯数据通信技术有限公司,
类型:发明
国别省市:上海,31
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。