一种基于WIFI的室内定位方法及装置制造方法及图纸

本发明专利技术公开一种基于WIFI的室内定位方法及装置，该方法包括：获取待定位WIFI指纹数据；将所述待定位WIFI指纹数据作为目标模型的输入参数，获得与所述目标模型的所述输入参数匹配的输出参数；所述目标模型为根据若干WIFI指纹数据样本对堆叠自动编码器SAE与深度神经网络DNN分类器进行训练获取得到；根据所述输出参数确定与所述待定位WIFI指纹数据相匹配的位置信息。实施本发明专利技术实施例，能够减小室内定位的计算量、可以描述复杂的WIFI信号分布模型以及减少过拟合现象，从而提高室内定位效果。

【技术实现步骤摘要】
一种基于WIFI的室内定位方法及装置
本专利技术涉及室内定位
，尤其涉及一种基于WIFI的室内定位方法及装置。
技术介绍
目前，常见的定位方式为利用全球定位系统(GlobalPositioningSystem，GPS)实现定位。这种基于GPS的定位方式在室外具有高精度的优势，但是，在室内时GPS信号很弱，导致GPS的定位方式在室内场景下定位效果较差。在实践中发现，室内场景中通常存在大量的WIFI接入点，因此现在对于室内定位的方式主要采用基于WIFI的定位方式，例如基于K近邻(k-NearestNeighbor，KNN)的WIFI定位方式、基于加权K近邻(WeightedNearestNeighbor，WKNN)的WIFI定位方式、基于支撑向量机(SupportVectorMachine，SVM)的WIFI定位方式和基于多层神经网络的WIFI定位方式等。但是，上述基于WIFI的定位方式分别存在着以下问题：基于KNN的WIFI定位方式与基于WKNN的WIFI定位方式存在着计算量大的问题、基于SVM的WIFI定位方式存在着难以描述复杂的WIFI信号分布模型的问题以及基于多层神经网络的WIFI定位方式存在着过拟合的问题，这些问题都影响到定位效果，亟需本领域技术人员解决以提高室内场景下的定位效果。
技术实现思路
本专利技术实施例公开一种基于WIFI的室内定位方法及装置，能够减小室内定位的计算量、可以描述复杂的WIFI信号分布模型以及减少过拟合现象，从而提高室内定位效果。本专利技术实施例第一方面公开一种基于WIFI的室内定位方法，包括：获取待定位WIFI指纹数据；将所述待定位WIFI指纹数据作为目标模型的输入参数，获得与所述目标模型的所述输入参数匹配的输出参数；所述目标模型为根据若干WIFI指纹数据样本对堆叠自动编码器SAE与深度神经网络DNN分类器进行训练获取得到；根据所述输出参数确定与所述待定位WIFI指纹数据相匹配的位置信息。作为一种可选的实施方式，在本专利技术实施例第一方面中，在所述获取待定位WIFI指纹数据之前，所述方法还包括：采集若干个预设室内地点中每一所述预设室内地点相匹配的若干个WIFI接入点的信号强度值，并将与每一所述预设室内地点相匹配的若干个所述信号强度值确定为与所述预设室内地点匹配的WIFI指纹数据样本，获得WIFI指纹数据样本库；所述WIFI指纹数据样本库包括所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本；根据所述WIFI指纹数据样本库中的所述WIFI指纹数据样本训练SAE获得目标SAE编码器；以所述目标SAE编码器和DNN分类器为依据，获得待训练模型；根据所述WIFI指纹数据样本库中的所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本训练所述待训练模型，获得目标模型。作为一种可选的实施方式，在本专利技术实施例第一方面中，所述根据所述WIFI指纹数据样本库中的所述WIFI指纹数据样本训练SAE，获得目标SAE编码器，包括：利用所述WIFI指纹数据样本库中的所述WIFI指纹数据样本作为所述SAE的编码器的第一输入数据；调整所述SAE的编码器的第一参数，利用与所述第一参数对应的所述SAE的编码器对所述第一输入数据进行第一降维处理，并获取所述第一降维处理后的第一目标数据；调整所述SAE的解码器的第二参数，利用与所述第二参数对应的所述SAE的解码器对所述第一目标数据进行还原处理，并获取所述还原处理后的第一输出数据；确定所述第一输出数据与所述第一输入数据相匹配时的所述第一参数，获得与所述第一参数对应的目标SAE编码器。作为一种可选的实施方式，在本专利技术实施例第一方面中，所述根据所述WIFI指纹数据样本库中的所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本训练所述待训练模型，获得目标模型，包括：利用所述WIFI指纹数据样本库中的所述WIFI指纹数据样本作为所述待训练模型中的所述目标SAE编码器的第二输入数据；利用所述目标SAE编码器对所述第二输入数据进行第二降维处理，并获取所述第二降维处理后的第二目标数据，将所述第二目标数据作为所述待训练模型中的所述DNN分类器的第三输入数据；调整所述DNN分类器的第三参数，利用与所述第三参数对应的所述DNN分类器获取与所述第三输入数据相匹配的第二输出数据；确定所述第二输出数据与所述第二输入数据对应的所述预设室内地点匹配时的所述第三参数，结合所述目标SAE编码器与所述第三参数对应的所述DNN分类器，获得目标模型。作为一种可选的实施方式，在本专利技术实施例第一方面中，在所述根据所述WIFI指纹数据样本库中的所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本训练所述待训练模型，获得目标模型之前，所述方法还包括：确定与所述待训练模型对应的超参数集合，所述超参数集合包括若干个与所述待训练模型对应的超参数；所述根据所述WIFI指纹数据样本库中的所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本训练所述待训练模型，获得目标模型，包括：根据所述超参数集合中的每一所述超参数和所述WIFI指纹数据样本库中的所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本训练所述待训练模型，获得与每一所述超参数对应的待选取模型；对每一所述待选取模型进行模型评估，获得与所述待选取模型对应的模型评估结果；从若干个所述模型评估结果中选取目标模型评估结果，并将与所述目标模型评估结果对应的所述待选取模型确定为目标模型。本专利技术实施例第二方面公开一种基于WIFI的室内定位装置，包括：第一获取单元，用于获取待定位WIFI指纹数据；第二获取单元，用于将所述第一获取单元获取的所述待定位WIFI指纹数据作为目标模型的输入参数，获得与所述目标模型的所述输入参数匹配的输出参数；所述目标模型为根据若干WIFI指纹数据样本对堆叠自动编码器SAE与深度神经网络DNN分类器进行训练获取得到；确定单元，根据所述输出参数确定与所述待定位WIFI指纹数据相匹配的位置信息。作为一种可选的实施方式，在本专利技术实施例第二方面中，所述基于WIFI的室内定位装置还包括：采集单元，用于在所述第一获取单元获取待定位WIFI指纹数据之前，采集若干个预设室内地点中每一所述预设室内地点相匹配的若干个WIFI接入点的信号强度值；所述确定单元，还用于将与每一所述预设室内地点相匹配的若干个所述信号强度值确定为与所述预设室内地点匹配的WIFI指纹数据样本，获得WIFI指纹数据样本库；所述WIFI指纹数据样本库包括所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本；第一训练单元，用于根据所述WIFI指纹数据样本库中的所述WIFI指纹数据样本训练SAE获得目标SAE编码器；第三获取单元，用于以所述目标SAE编码器和DNN分类器为依据，获得待训练模型；第二训练单元，用于根据所述WIFI指纹数据样本库中的所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本训练所述待训练模型，获得目标模型。作为一种可选的实施方式，在本专利技术实施例第二方面中，所述第一训练单元包括：第一设置子单元，用于利用所述WIFI指纹数据样本库中的所述WIFI指纹数据样本作为所述SAE的编码器的第一输入数据；第一调整子单元，用于调整所述SA本文档来自技高网...

【技术保护点】
1.一种基于WIFI的室内定位方法，其特征在于，包括：获取待定位WIFI指纹数据；将所述待定位WIFI指纹数据作为目标模型的输入参数，获得与所述目标模型的所述输入参数匹配的输出参数；所述目标模型为根据若干WIFI指纹数据样本对堆叠自动编码器SAE与深度神经网络DNN分类器进行训练获取得到；根据所述输出参数确定与所述待定位WIFI指纹数据相匹配的位置信息。

【技术特征摘要】
1.一种基于WIFI的室内定位方法，其特征在于，包括：获取待定位WIFI指纹数据；将所述待定位WIFI指纹数据作为目标模型的输入参数，获得与所述目标模型的所述输入参数匹配的输出参数；所述目标模型为根据若干WIFI指纹数据样本对堆叠自动编码器SAE与深度神经网络DNN分类器进行训练获取得到；根据所述输出参数确定与所述待定位WIFI指纹数据相匹配的位置信息。2.根据权利要求1所述的方法，其特征在于，在所述获取待定位WIFI指纹数据之前，所述方法还包括：采集若干个预设室内地点中每一所述预设室内地点相匹配的若干个WIFI接入点的信号强度值，并将与每一所述预设室内地点相匹配的若干个所述信号强度值确定为与所述预设室内地点匹配的WIFI指纹数据样本，获得WIFI指纹数据样本库；所述WIFI指纹数据样本库包括所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本；根据所述WIFI指纹数据样本库中的所述WIFI指纹数据样本训练SAE获得目标SAE编码器；以所述目标SAE编码器和DNN分类器为依据，获得待训练模型；根据所述WIFI指纹数据样本库中的所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本训练所述待训练模型，获得目标模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述WIFI指纹数据样本库中的所述WIFI指纹数据样本训练SAE，获得目标SAE编码器，包括：利用所述WIFI指纹数据样本库中的所述WIFI指纹数据样本作为所述SAE的编码器的第一输入数据；调整所述SAE的编码器的第一参数，利用与所述第一参数对应的所述SAE的编码器对所述第一输入数据进行第一降维处理，并获取所述第一降维处理后的第一目标数据；调整所述SAE的解码器的第二参数，利用与所述第二参数对应的所述SAE的解码器对所述第一目标数据进行还原处理，并获取所述还原处理后的第一输出数据；确定所述第一输出数据与所述第一输入数据相匹配时的所述第一参数，获得与所述第一参数对应的目标SAE编码器。4.根据权利要求2或3所述的方法，其特征在于，所述根据所述WIFI指纹数据样本库中的所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本训练所述待训练模型，获得目标模型，包括：利用所述WIFI指纹数据样本库中的所述WIFI指纹数据样本作为所述待训练模型中的所述目标SAE编码器的第二输入数据；利用所述目标SAE编码器对所述第二输入数据进行第二降维处理，并获取所述第二降维处理后的第二目标数据，将所述第二目标数据作为所述待训练模型中的所述DNN分类器的第三输入数据；调整所述DNN分类器的第三参数，利用与所述第三参数对应的所述DNN分类器获取与所述第三输入数据相匹配的第二输出数据；确定所述第二输出数据与所述第二输入数据对应的所述预设室内地点匹配时的所述第三参数，结合所述目标SAE编码器与所述第三参数对应的所述DNN分类器，获得目标模型。5.根据权利要求2所述的方法，其特征在于，在所述根据所述WIFI指纹数据样本库中的所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本训练所述待训练模型，获得目标模型之前，所述方法还包括：确定与所述待训练模型对应的超参数集合，所述超参数集合包括若干个与所述待训练模型对应的超参数；所述根据所述WIFI指纹数据样本库中的所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本训练所述待训练模型，获得目标模型，包括：根据所述超参数集合中的每一所述超参数和所述WIFI指纹数据样本库中的所述预设室内地点与所述预设室内地点对应的WIFI指纹数据样本训练所述待训练模型，获得与每一所述超参数对应的待选取模型；对每一所述待选取模型进行模型评估，获得与所述待选取模型对应的模型评估结果；从若干个所述模型评估结果中选取目标模型评估结果，并将与所述目标模型评估结果对应的所述待选取模型确定为目标模型。6.一种基于WIFI的室内定位装置，其特征在于，包括：第一获取单元，用于获取待定位WIFI指纹数据；第二获取单元，用于将所述第一获取单元获取...

【专利技术属性】
技术研发人员：江顺尧，
申请(专利权)人：广东小天才科技有限公司，
类型：发明
国别省市：广东,44