一种基于生成对抗网络的WIFI室内定位指纹库的构建方法技术

本发明专利技术公开了一种基于生成对抗网络的WIFI室内定位指纹库的构建方法，包括：1、通过测量得到衡量信道情况的信道状态信息，即CSI数据；2、分别将每个位置的CSI数据处理为对应的幅值相位特征图初步构建指纹库；3、将得到的幅值相位特征图送入生成对抗网络中训练生成更多的幅值相位特征图，从而构建样本充足的WIFI室内定位指纹库。本发明专利技术利用生成对抗网络生成不同位置的幅值相位特征图的方法减少了信号采样数量，解决了CSI数据不足时无法有效建库的问题，提高了测量效率、简便易行。

A construction method of WIFI indoor location fingerprint Library Based on generating antagonism network

The invention discloses a construction method of WIFI indoor location fingerprint database against generation based on network includes: 1, obtained by measuring the channel state information to measure the situation of the channel, i.e. CSI data; 2, the processing of CSI data of each position for amplitude and phase characteristics corresponding preliminary construction of fingerprint database; 3. The amplitude and phase characteristics of map generation network into confrontation training to generate the amplitude and phase characteristic map more, so as to construct the WIFI indoor location fingerprint database adequate sample. The invention reduces the number of signal sampling by generating the amplitude and phase characteristic map generated by resisting network to different locations, and solves the problem that CSI data cannot be built effectively when the data is insufficient, and improves the measuring efficiency and is simple and feasible.

【技术实现步骤摘要】
一种基于生成对抗网络的WIFI室内定位指纹库的构建方法
本专利技术涉及室内定位领域，尤其是涉及一种定位指纹库构建方法。该方法通过高斯回归过程和深度卷积的生成对抗网络来扩充样本库，适用于在有限条件下不能获得完整数据时进行高效建库的情况。
技术介绍
随着移动互联网技术的快速发展，基于位置的服务需求与应用越来越广泛的应用于生活当中。以智能终端为平台，基于WLAN的室内定位系统是近年来的一个研究热点，其具有操作简单，成本低等特点。目前对室内定位系统的研究，主要集中在离线阶段指纹库的构建和在线阶段实施定位两个方面。如何高效地建立并维护指纹库是室内定位一个重要的研究点。由于室内环境复杂，同一位置接收到的信号强度具有不稳定性和时变性，而且信号采集也是一个人工与时间成本都很高的过程，所以，研究一种高效准确的指纹库构建方法很有必要。合肥工业大学硕士学位论文，2017，“一种面向信号盲区的高效指纹库构建算法”，提出了一种信号盲区内AP的部署方法，解决了信号盲区无法建库的问题，提高了信号盲区的定位精度，结合高斯过程回归模型，降低了离线阶段50％的工作量。但是此种方法无法在已有数据的基础上生成更多相同数据的类似数据，样本数量匮乏。四川师范大学硕士学位论文，2016，“基于WiFi的室内指纹定位技术研究”，在WiFi环境下对室内指纹定位技术进行改进和实现，理论方面创新的提出了利用惯性导航设备快速构建方法与基于环境的衰减系数建库两种构建方法，提升了建库速度与减小了建库所需信息量，有效解决了建库阶段成本大的问题。但是此种方法并没有采用一种高效的方法来生成新的数据，效率较低。中国科学院深圳先进技术研究院专利技术了一种室内定位指纹库的动态建立方法及系统(公开号：103747519A)，提供了一种室内定位指纹库的动态建立方法及系统，提高了指纹库的建立效率。但是此种方法并不能利用已有的数据生成更多的数据，指纹库中样本数量不足。上海交通大学专利技术了一种基于地图结构的Wi-Fi位置指纹非监督训练方法(公开号：105208651A)。基于带有路径和节点的地图结构中，在静止状态下获取地图结构的起点位置，并在行走状态下获得路径上的所有转弯点，经采样点内插处理后得到用于定位的指纹数据库，从而实现室内精确定位。但是此种方法并没有采用一种快速便捷的方法来获取新的数据，样本数量较少。
技术实现思路
本专利技术是为避免上述现有技术所存在的不足之处，提供一种基于生成对抗网络的WIFI室内定位指纹库的构建方法，以期能利用转化CSI数据为不同位置的幅值相位特征图的方法来构建初始指纹库，并利用生成对抗网络生成不同于初始库的幅值相位特征图，减少信号采样次数，从而实现高效构建样本充足的WIFI室内定位指纹库。本专利技术为解决技术问题采用如下技术方案：本专利技术一种基于生成对抗网络的WIFI室内定位指纹库的构建方法的特点是按如下步骤进行：步骤1、将一室内空间的外接矩形作为WIFI室内定位区域，将所述WIFI室内定位区域均匀划分为a个正方形网格；以每个正方形网格的中心点作为参考点，从而形成参考点集合，记为CP＝{CP1,CP2,...,CPi,...,CPa}，其中，CPi表示第i个正方形网格内的参考点，i＝1,2,...,a；步骤2、在所述WIFI室内定位区域外设置一个b根天线的路由器作为发射设备记为AP，在每个参考点上设置一个c根天线的设备作为接收设备；所述第i个参考点CPi在一段时间内利用所述接收设备按照采样速率v连续采集所述发射设备发送的n个WIFI信号，从而构成第i个参考点CPi的信号时间序列集合其中，表示第i个参考点CPi在第j次采集的WIFI信号，且为b×c×m的三维复数矩阵，m表示所述发射设备发射的WIFI信号信道数，b×c表示所述接收设备和发射设备之间的链路数量，j＝1,2,...,n；步骤3、以所述第i个参考点CPi的信号时间序列集合CSIi中不同链路所采集到的WIFI信号来代表不同种类的位置信息，从而构成第i个参考点CPi的位置信息集合其中，表示第i个参考点CPi接收到的第k条链路的n个WIFI信号，且为n×m的二维复数矩阵，k＝1,2,...,b×c；随机从二维复数矩阵的n行中取出p行数据，共取q次，组成q个p×m的二维复数矩阵，从而重构第i个参考点CPi的位置信息集合为其中，表示第i个参考点CPi的第k条链路的q个p×m的复数矩阵；对重构的位置信息集合CPIi′中的所有复数矩阵分别取出实部和虚部作出幅值相位图，得到第i个参考点CPi的b×c条链路的幅值相位图集合其中，表示第i个参考点CPi的第k条链路的q张幅值相位图，进而得到a个参考点处的幅值相位图集合PIC＝{PIC1,PIC2,...,PICi,...,PICa}并构成初步指纹库；步骤4、对所述第i个参考点CPi的幅值相位图集合PICi中的图片进行像素变换处理，得到第i个参考点CPi的训练集其中，表示像素变换后的第i个参考点CPi的第k条链路的q张幅值相位图，且的像素为w×h；步骤5、利用第i个参考点CPi的训练集对初始生成对抗网络模型进行训练，得到第i个生成对抗网络模型：步骤5.1、设置生成对抗网络的训练总批次为s，当前批次为t，最大迭代次数为f，当前迭代次数为z，学习率变化率为g，将所述第i个参考点CPi的训练集PICi′分为s个批次，且每个批次有l张幅值相位图；设置标志位flag；步骤5.2、初始化t＝1，z＝1；步骤5.3、将第t批次的l张幅值相位图集合DPICt作为真实样本，将l张由服从均匀分布的u维随机向量zt生成的图片作为假样本，分别作为输入样本输入生成对抗网络的判别器D1中，分别输出一个l维的向量D1_logitst和D1logitst_，所述向量D1_logitst表示输入样本为真实样本的概率，所述向量D1logitst_表示输入样本为假样本的概率，所述判别器D1中包含五个处理过程，分别为第一个的卷积和激活函数处理，第二至第四个的批标准化、卷积和激活函数处理，以及第五个的全连接式的线性化处理；步骤5.4、分别对所述向量D1_logitst和D1logitst_取均值处理后相加得到判别器D1的输出误差d_losst；步骤5.5、采用自适应优化算法RMSProp，并以学习率变化率g对所述输出误差d_losst进行最小化处理，从而更新判别器D1的参数；步骤5.6、初始化flag＝0；步骤5.7、将l个服从均匀分布的u维随机向量zt输入生成对抗网络的生成器G中，输出l张w×h的图片集合GPICt，所述生成器G中包含五个处理过程，分别为第一个的全连接层，第二至第五个的激活函数、批标准化和反卷积处理；步骤5.8、将所述l张像素大小为w×h的图片集合GPICt输入生成对抗网络的判别器D2中，从而输出一个l维的向量D2_logitst；所述判别器D2与所述判别器D1的处理过程相同；步骤5.9、对所述l维的向量D2_logitst取均值处理后得到生成器G的输出误差g_losst；步骤5.10、采用自适应优化算法RMSProp，并以学习率变化率g对所述输出误差g_losst进行最小化处理，从而更新生成器G的参数；步骤5.11、令flag+1赋值给flag；若flag＝2则执行步骤5.12；否则，返回步骤5.本文档来自技高网...

【技术保护点】
一种基于生成对抗网络的WIFI室内定位指纹库的构建方法，其特征是按如下步骤进行：步骤1、将一室内空间的外接矩形作为WIFI室内定位区域，将所述WIFI室内定位区域均匀划分为a个正方形网格；以每个正方形网格的中心点作为参考点，从而形成参考点集合，记为CP＝{CP1,CP2,...,CPi,...,CPa}，其中，CPi表示第i个正方形网格内的参考点，i＝1,2,...,a；步骤2、在所述WIFI室内定位区域外设置一个b根天线的路由器作为发射设备记为AP，在每个参考点上设置一个c根天线的设备作为接收设备；所述第i个参考点CPi在一段时间内利用所述接收设备按照采样速率v连续采集所述发射设备发送的n个WIFI信号，从而构成第i个参考点CPi的信号时间序列集合

【技术特征摘要】
1.一种基于生成对抗网络的WIFI室内定位指纹库的构建方法，其特征是按如下步骤进行：步骤1、将一室内空间的外接矩形作为WIFI室内定位区域，将所述WIFI室内定位区域均匀划分为a个正方形网格；以每个正方形网格的中心点作为参考点，从而形成参考点集合，记为CP＝{CP1,CP2,...,CPi,...,CPa}，其中，CPi表示第i个正方形网格内的参考点，i＝1,2,...,a；步骤2、在所述WIFI室内定位区域外设置一个b根天线的路由器作为发射设备记为AP，在每个参考点上设置一个c根天线的设备作为接收设备；所述第i个参考点CPi在一段时间内利用所述接收设备按照采样速率v连续采集所述发射设备发送的n个WIFI信号，从而构成第i个参考点CPi的信号时间序列集合其中，表示第i个参考点CPi在第j次采集的WIFI信号，且为b×c×m的三维复数矩阵，m表示所述发射设备发射的WIFI信号信道数，b×c表示所述接收设备和发射设备之间的链路数量，j＝1,2,...,n；步骤3、以所述第i个参考点CPi的信号时间序列集合CSIi中不同链路所采集到的WIFI信号来代表不同种类的位置信息，从而构成第i个参考点CPi的位置信息集合其中，表示第i个参考点CPi接收到的第k条链路的n个WIFI信号，且为n×m的二维复数矩阵，k＝1,2,...,b×c；随机从二维复数矩阵的n行中取出p行数据，共取q次，组成q个p×m的二维复数矩阵，从而重构第i个参考点CPi的位置信息集合为其中，表示第i个参考点CPi的第k条链路的q个p×m的复数矩阵；对重构的位置信息集合CPIi′中的所有复数矩阵分别取出实部和虚部作出幅值相位图，得到第i个参考点CPi的b×c条链路的幅值相位图集合其中，表示第i个参考点CPi的第k条链路的q张幅值相位图，进而得到a个参考点处的幅值相位图集合PIC＝{PIC1,PIC2,...,PICi,...,PICa}并构成初步指纹库；步骤4、对所述第i个参考点CPi的幅值相位图集合PICi中的图片进行像素变换处理，得到第i个参考点CPi的训练集其中，表示像素变换后的第i个参考点CPi的第k条链路的q张幅值相位图，且的像素为w×h；步骤5、利用第i个参考点CPi的训练集对初始生成对抗网络模型进行训练，得到第i个生成对抗网络模型：步骤5.1、设置生成对抗网络的训练总批次为s，当前批次为t，最大迭代次数为f，当前迭代次数为z，学习率变化率为g，将所述第i个参考点CPi的训练集PICi′分为s个批次，且每个批次有l张幅值相位图；设置标志位flag；步骤5.2、初始化t＝1，z＝1；...

【专利技术属性】
技术研发人员：李奇越，曲恒，黎洁，张凯，孙伟，周娜娜，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34