终端自适应在线定位方法、系统及装置制造方法及图纸

本发明专利技术提供了一种终端自适应在线定位方法、系统及装置，该方法包括：依据一定量的标定指纹的数据集，通过训练的方式建立初始模型；将所述初始模型应用到不同的定位终端上；定位终端在使用过程中，采集无标定的信号数据；定位终端中的所述初始模型通过所述无标定的信号数据进行更新，获得更新后模型，所述更新后模型替代更新前的原模型，进而实现终端的不断迭代更新。本发明专利技术的技术方案继承了ELM算法的优点,同时利用无标定的信号数据进行模型的迭代更新,从而解决模型的时效性问题和数据标定问题,而且随着模型的不断更新,设备终端硬件的差异性特征将不断突出,从而模型将越来越适配于该终端,定位精度也将不断提高。

Terminal Adaptive Online Positioning Method, System and Device

The invention provides a terminal adaptive on-line positioning method, system and device, which includes: establishing an initial model by training according to a certain amount of data set of calibrated fingerprints; applying the initial model to different positioning terminals; collecting uncalibrated signal data during the use of the positioning terminal; and passing the initial model in the positioning terminal. The uncalibrated signal data is updated to obtain the updated post-model, which replaces the original model before updating, and then realizes the continuous iteration updating of the terminal. The technical scheme of the present invention inherits the advantages of ELM algorithm and utilizes the uncalibrated signal data to iteratively update the model, so as to solve the problem of timeliness and data calibration of the model. With the continuous updating of the model, the difference characteristics of the hardware of the device terminal will be constantly prominent, so that the model will be more and more suitable for the terminal, and the positioning accuracy will also be improved.

【技术实现步骤摘要】
终端自适应在线定位方法、系统及装置
本专利技术涉及终端的室内定位领域，尤其涉及一种可以利用已标定的数据集以及未标定的数据集进行精准室内定位的自适应定位方法、系统及装置。
技术介绍
近年来,物联网(InternetofThings,IoT)发展越来越迅猛,定位技术作为物联网的关键技术之一,受到了研究人员的广泛关注。GPS定位系统,北斗卫星定位系统等成熟的定位系统已实现了覆盖范围大、精度较高的室外定位。然而由于建筑物屏蔽以及室内复杂的环境,GPS信号无法进行有效的室内定位。由此,许多室内定位技术不断涌现,如基于低功耗蓝牙等短距离无线信号的室内定位技术、基于运动传感器或两者结合的室内定位技术,其中,位置指纹算法无需额外增加硬件、定位成本低、定位范围广，无需知道AP的确切位置和发射功率即可实现定位。目前，基于位置指纹算法的研究已成为室内定位领域研究的主流。然而,现有指纹定位算法依然存在三个关键问题:数据标定难问题、模型时效性问题以及设备差异性问题。(1)数据标定难问题位置指纹定位方法中的数据标定是指：在离线训练阶段，需要采集多个参考点的训练指纹，每组指纹都需要添加当前参考点的位置信息。为了得本文档来自技高网...

【技术保护点】
1.一种终端自适应在线定位方法，其特征在于，所述方法包括：步骤1、依据一定量的标定指纹的数据集，通过训练的方式建立初始模型；步骤2、将所述初始模型应用到不同的定位终端上；步骤3、所述定位终端在使用过程中，采集无标定的信号数据；步骤4、所述定位终端中的所述初始模型通过所述无标定的信号数据进行更新，依据新增样本数据，获得更新后模型，所述更新后模型替代更新前的原模型；步骤5、重复步骤3、步骤4，使得所述更新后模型越来越适配于所述定位终端。

【技术特征摘要】
1.一种终端自适应在线定位方法，其特征在于，所述方法包括：步骤1、依据一定量的标定指纹的数据集，通过训练的方式建立初始模型；步骤2、将所述初始模型应用到不同的定位终端上；步骤3、所述定位终端在使用过程中，采集无标定的信号数据；步骤4、所述定位终端中的所述初始模型通过所述无标定的信号数据进行更新，依据新增样本数据，获得更新后模型，所述更新后模型替代更新前的原模型；步骤5、重复步骤3、步骤4，使得所述更新后模型越来越适配于所述定位终端。2.根据权利要求1所述的方法，其特征在于，所述步骤1追踪的初始模型为：β＝K-1HTJT式中，H表示隐层输出矩阵，β表示为输出权值矩阵，T表示输出类别矩阵；J＝diag(1,1,…,0,0)，1的个数为标记数据个数l，K是临时的中间参数矩阵。3.根据权利要求2所述的方法，其特征在于，所述步骤1还包括：通过所述一定量的标定指纹的数据集，获得模型的初始参数，所述初始参数包括β0、K0。4.根据权利要求3所述的方法，其特征在于，获得模型的初始参数，包括：步骤101、通过随机方式给出输入权重ai和偏置bi赋值,i＝1,2,…,L；步骤102、计算初始矩阵J0的拉普拉斯矩阵以及隐层输出矩阵H0；步骤103、计算矩阵K0和初始的输出权重矩阵β0。5.根据权利要求1所述的方法，其特征在于，所述步骤4进一步包括：步骤401、基于新增样本中标定数据个数l和未标定数据个数u，更新模型的参数；所述参数包括隐层输出矩阵、隐层节点数量、矩阵J，其中，J＝diag(1,1,…,0,0)，1的个数为标记数据个数l；步骤40...

【专利技术属性】
技术研发人员：刘军发，夏俊，
申请(专利权)人：中科劲点北京科技有限公司，
类型：发明
国别省市：北京,11