一种WiFi定位方法及服务器及定位模型建立方法技术

本发明专利技术公开了一种WiFi定位方法，所述方法包括步骤：S100、获取检测区域中各个无线接入点接收到待检测客户端发出的信号的信号强度数据；S200、将步骤S100中获取的所述信号强度数据输入定位模型的输入数据层；S300、基于训练后的定位模型的网络层计算所述信号强度数据，在定位模型的输出层输出所述待检测客户端的预测位置坐标。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 and positioning model building method

The invention discloses a WiFi positioning method, the method includes the steps of: S100, for each wireless access point receives the signal strength data signal to be detected from the client detection area; S200, the input data layer of the signal strength data input positioning model acquisition in step S100; S300, computing the signal strength data based on network layer positioning model after training, the predicted position coordinates in the positioning model of output layer of the test client. 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定位方法及服务器及定位模型建立方法
本专利技术涉及无线局域网
，尤其涉及一种WiFi定位方法及服务器及定位模型建立方法。
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。专利技术内本文档来自技高网...

【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、获取检测区域中各个无线接入点接收到待检测客户端发出的信号的信号强度数据；S200、将步骤S100中获取的所述信号强度数据输入定位模型的输入数据层；S300、基于训练后的定位模型的网络层计算所述信号强度数据，在定位模型的输出层输出所述待检测客户端的预测位置坐标。

【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、获取检测区域中各个无线接入点接收到待检测客户端发出的信号的信号强度数据；S200、将步骤S100中获取的所述信号强度数据输入定位模型的输入数据层；S300、基于训练后的定位模型的网络层计算所述信号强度数据，在定位模型的输出层输出所述待检测客户端的预测位置坐标。2.如权利要求1所述的基于深度神经网络的WiFi定位方法，其特征在于，所述步骤S100之前还包括步骤：S000、预先训练所述定位模型。3.如权利要求2所述的基于深度神经网络的WiFi定位方法，其特征在于，所述步骤S000进一步包括步骤：S001、根据检测区域建立平面直角坐标系，在所述平面直角坐标系中标出用于训练的预设训练位置坐标，X轴和Y轴的单位长度设为预设值；S002、依次在所述预设训练位置坐标上设置训练终端，采集检测区域内各个无线接入点接收到的每个所述预设训练位置坐标上训练终端发出的信号的信号强度数据；S003、分别将每个预设训练位置坐标以及采集的各个无线接入点接收到的所述预设训练位置坐标上训练终端发出的信号的信号强度数据作为一组训练样本数据，生成训练数据集，并送入深度神经网络中；S004、依次将训练数据集中的每一组训练样本数据中的信号强度数据输入所述深度神经网络的数据输入层，经过所述深度神经网络输出相对应的训练结果；S005、依次将输出的训练结果与其对应的预设训练位置坐标进行比较，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。4.如权利要求3所述的WiFi定位方法，其特征在于，所述步骤S005进一步包括步骤：按照下述公式分别将输出的训练结果与其对应的预设训练位置坐标进行比较：其中，σ表示输出的训练结果与其对应的预设训练位置坐标的误差；(X1,Y1)表示每次训练输出的训练结果；(X2,Y2)表示对应的预设训练位置坐标；根据训练数据集中的每一组训练样本数据对所述深度神经网络进行训练，使得每次训练输出的训练结果与所述预设训练位置坐标进行比较后的误差σ收敛于预设范围内。5.一种WiFi定位服务器，其特征在于，包括：数据采集模块，用于获取检测区域中各个无线接入点接收到待检测客户端发出的信号的信号强度数据；定位模块，用于将采集到的所述信号强度数据输入定位模型的输入数据输入层，基于定位模型的网络层计算所述信号强度数据，在定位模型的输出层输出所述待检测客户端的预测位置坐标。6.如权利要求5所述的WiFi定位服务器，其特征在于，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。7.如权利要求6所述的WiFi定位服务器，其特征在于，所述训练模块进一步包括：坐标系建立子模块，用于根据检测区域建立平面直角坐标系，在所述平面直角坐标系中标出用于训练的预设训练位置坐标，X轴...

【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