一种WiFi定位方法及服务器技术

本发明专利技术公开了一种WiFi定位方法，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、对采集的天线信号强度数据进行预处理；S300、分别将处理后的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。本发明专利技术中的定位模型采用训练后的深度神经网络，通过大量训练样本数据对深度神经网络进行训练，提升定位准确性以及精度。

WiFi positioning method and server

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；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与各个无线接入点相对应的天线信号强度数据，并根据输出层的输出结果确定待检测客户端的位置。进一步优选的，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。进一步优选的，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。进一步优选的，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。本专利技术还公开了一种WiFi定位服务器，包括：数据采集模块，用于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；预处理模块，用于对采集的所述天线信号强度数据进行预处理；定位模块，用于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，基于定位模型的网络层计算所述与各个无线接入点相对应的天线信号强度数据，并根据输出层的输出结果确定待检测客户端的位置。进一步优选的，所述预处理模块进一步用于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，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。进一步优选的，还包括：训练模块，用于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。进一步优选的，所述训练模块进一步包括：标签预设子模块，用于预先设置用于训练的训练位置标签；训练数据集生成子模块，用于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；输入数据层定义子模块，用于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；训练预测子模块，用于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，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。与现有技术相比，本专利技术提供的一种WiFi定位方法及服务器，通过收集各个无线接入点接收待测客户端的每个天线发出的信号的天线信号强度数据，并输入训练好的定位模型，即可确定待测客户端所在位置，将多个天线的天线信号强度数据作为深度神经网络的输入，提高了不同天线数量的终端的定位精度。附图说明下面将以明确易懂的方式，结合附图说明优选实施方式，对本专利技术予以进一步说明。图1为本专利技术一种WiFi定位方法的主要步骤示意图；图2为本专利技术一种WiFi定位方法的训练深度神经网络的步骤示意图；图3为本专利技术一种WiFi定位服务器的主要组成示意图；图4为本专利技术一种WiFi定位服务器的完整组成示意图。附图标记：100、数据采集模块，200、预处理模块，300、定位模块，400、训练模块，411、标签预设子模块，412、训练数据集生成子模块，413、输入数据层定义子模块，414、训练预测子模块。具体实施方式为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对照附图说明本专利技术的具体实施方式。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。为使图面简洁，各图中只示意性地表示出了与本专利技术相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。图1为本本文档来自技高网...

【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