基于深度学习的融合WiFi和iBeacon的室内定位方法技术

本发明专利技术涉及一种基于深度学习的融合WiFi和iBeacon的室内定位方法，包括：从环境中获取大量WiFi和iBeacon的信号强度数据，然后使用堆叠自动编码机对获取的所述大量WiFi和iBeacon的信号强度数据进行训练，并将训练后数据及参数(w和b)放入数据库中；其中所有的WiFi和iBeacon部署的位置都是已知的；实时采集WiFi和iBeacon的RSSI数据，对所述RSSI数据进行标准化处理；用堆叠自动编码机和数据库中的参数对步骤“实时采集WiFi和iBeacon的RSSI数据，使用标准化对所述RSSI数据进行处理；”中处理后的数据进行处理，然后再用近邻算法将这些数据与数据库中的数据进行匹配，获得最终位置估计。

Indoor location method based on deep learning and integrating WiFi and iBeacon

The present invention relates to an indoor positioning method based on in-depth learning, which integrates WiFi and iBeacon. The method includes acquiring a large amount of signal strength data of WiFi and iBeacon from the environment, then training the acquired signal strength data of WiFi and iBeacon using stacked automatic coding machine, and training the data and parameters after training (w and iBeacon). B) Put into the database; all the deployment locations of WiFi and iBeacon are known; collect RSSI data of WiFi and iBeacon in real time and standardize the RSSI data; use stack automatic coder and parameters in the database to process the step of \real-time acquisition of RSSI data of WiFi and iBeacon, and use standardization to standardize the RSS data. I data processing; \The processed data are processed, and then these data are matched with the data in the database using the nearest neighbor algorithm to obtain the final location estimation.

【技术实现步骤摘要】
基于深度学习的融合WiFi和iBeacon的室内定位方法
本专利技术涉及室内定位方法，特别是涉及基于深度学习的融合WiFi和iBeacon的室内定位方法。
技术介绍
室内定位研究在过去几十年中一直很受欢迎，人们已经开发了基于Wi-Fi、RFID(射频识别)等定位方法。但Wi-Fi会容易受环境影响和电源的限制，RFID需要专门的设备来实现定位。低能耗蓝牙(BLE)是低能耗，低成本的技术，iBeacon使用纽扣电池可以工作六个月至两年。iBeacon可以帮助人们轻松地建立适合室内定位的无线网络。现在常用的指纹法定位算法都是在最近邻算法和朴素贝叶斯概率分类算法的基础上加以改进的。这种纯指纹法方式的室内定位算法虽然能够提供较为准确的位置估计，但是定位误差仍然较大且定位稳定性也较差；近年来，有些定位方式使用支持向量机、压缩感知和人工神经网络等方法来结局这个问题，但是不能很好地处理由多种原因导致的信号衰减所带来的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种基于深度学习的融合WiFi和iBeacon的室内定位方法，通过使用堆叠自动编码机对信号强度数据的处理以及iBeacon的应用，解本文档来自技高网...

【技术保护点】
1.一种基于深度学习的融合WiFi和iBeacon的室内定位方法，其特征在于，包括：从环境中获取大量WiFi和iBeacon的信号强度数据，然后使用堆叠自动编码机对获取的所述大量WiFi和iBeacon的信号强度数据进行训练，并将训练后数据及参数(w和b)放入数据库中；其中所有的WiFi和iBeacon部署的位置都是已知的；实时采集WiFi和iBeacon的RSSI数据，对所述RSSI数据进行标准化处理；用堆叠自动编码机和数据库中的参数对步骤“实时采集WiFi和iBeacon的RSSI数据，使用标准化对所述RSSI数据进行处理；”中处理后的数据进行处理，然后再用近邻算法将这些数据与数据库中的数...

【技术特征摘要】
1.一种基于深度学习的融合WiFi和iBeacon的室内定位方法，其特征在于，包括：从环境中获取大量WiFi和iBeacon的信号强度数据，然后使用堆叠自动编码机对获取的所述大量WiFi和iBeacon的信号强度数据进行训练，并将训练后数据及参数(w和b)放入数据库中；其中所有的WiFi和iBeacon部署的位置都是已知的；实时采集WiFi和iBeacon的RSSI数据，对所述RSSI数据进行标准化处理；用堆叠自动编码机和数据库中的参数对步骤“实时采集WiFi和iBeacon的RSSI数据，使用标准化对所述RSSI数据进行处理；”中处理后的数据进行处理，然后再用近邻算法将这些数据与数据库中的数据进行匹配，获得最终位置估计。2.根据权利要求1所述的基于深度学习的融合WiFi和iBeacon的室内定位方法，其特征在于，步骤“从环境中获取大量WiFi和iBeacon的信号强度数据，然后使用堆叠自动编码机对获取的所述大量WiFi和iBeacon的信号强度数据进行训练，并将训练后数据及参数(w和b)放入数据库中；其中所有的WiFi和iBeacon部署的位置都是已知的；”包括：通过智能手机获取各个WiFi和iBeacon对应的Mac或者UUID，以及各个WiFi和iBeacon对应的RSSI数据；将采集到的所述RSSI数据根据位置和所述Mac/UUID制成指纹数据库；使用堆叠自动编码机对指纹数据库进行训练，保存训练后的数据以及训练参数(w和b)形成新的数据库。3.根据权利要求1所述的基于深度学习的融合WiFi和iBeacon的室内定位方法，其特征在于，步骤“实时采集WiFi和iBeacon的RSSI数据，对所述RSSI数据进行标准化处理；”中利用行人手持智能手机终端实时采集WiFi和iBeacon的RSSI数据。4.根据权利要求1所述的基于深度学习的融合WiFi和iBeacon的室内定位方法，其特征在于，步骤“从环境中获取大量WiFi和iBeacon的信号强度数据，然后使用堆叠自动编码机对获取的所述大量WiFi和iBe...

【专利技术属性】
技术研发人员：陈璟，薛伟，柴志雷，宋威，吴秦，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32