一种定位方法及系统、设备、存储介质技术方案

本发明专利技术公开了一种定位方法及系统、设备、存储介质，本发明专利技术通过获取参考点的位置和混合指纹，并对混合指纹进行降维处理以得到降维混合指纹，再利用降维混合指纹训练参考点分类模型，则利用待定位点的降维混合指纹和参考点分类模型可以获取置信度大于预设置信度的参考点及其置信度，再根据所获取的参考点的混合指纹、置信度、位置信息获取待定位点的位置，克服现有技术中存在利用单一指纹信息实现定位的定位精度低下且定位效率低下的技术问题，有效提高了定位精度和定位效率。

【技术实现步骤摘要】
一种定位方法及系统、设备、存储介质
本专利技术涉及定位领域，尤其是一种定位方法及系统、设备、存储介质。
技术介绍
RSSI，ReceivedSignalStrengthIndicator，信号强度指示。CSI，ChannelStateInformation，信道状态信息。WiFi定位技术是目前学术界和工业届的研究重点之一。当前在室外场景的定位服务主要由GPS、蜂窝网定位系统来提供。但是由于城市峡谷现象越来越严重，严重影响了定位精度。由于WiFi热点的普及，WiFi定位技术逐渐成为研究热点。WiFi信号强度信息由于具有简单易采集的特征，已经普遍应用于当前的WiFi定位技术。RSSI信息能很方便地使用任意一个支持802.11a/g/n协议的无线接收网卡获取。但是它也有一个很大的缺点，那就是定位精度不稳定，尤其是在复杂的建筑环境中，由于无线信号在传播中会受到障碍物的阻隔，会导致信号的传播过程变得非常复杂。尤其是环境中有许多移动物体时，多径效应的影响，会使得RSSI信号波动幅度增大，导致定位精度产生较大的波动。为解决RSSI定位技术的精度波动问题，HalperinD最先提出了CSI定位技术。WiFi信道状态信息能刻画各个OFDM子信道的状态，是一个更加稳定的信号指标。CSI定位技术是利用OFDM技术频率分集的特点，实现子信道状态信息的精确测量，获得更加精细的子信道信息。由于只有一部分子信道的CSI会产生波动，CSI定位技术会得到更加稳定的无线信道指纹，以提高定位精度和稳定性。由于空间环境的异构性，对CSI指纹所包含的特征进行提取是一个重要挑战。综上，现有定位方案单独使用RSSI指纹或CSI指纹(如FILA算法、ConFi算法)，都会丢失一部分指纹信息，导致定位不准确，定位误差较大。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的是提供一种定位方法及系统、设备、存储介质，有效提高定位精度和定位效率。本专利技术所采用的技术方案是：第一方面，本专利技术提供一种定位方法，包括以下步骤：信息采集步骤，采集定位区域中的多个参考点的位置信息和来自无线信号发射端的混合指纹，所述混合指纹包括RSSI指纹和CSI指纹；降维步骤，对所述混合指纹进行降维处理以获取降维混合指纹；模型训练步骤，根据所述降维混合指纹训练参考点分类模型；参考点获取步骤，根据待定位点的降维混合指纹和所述参考点分类模型以获取多个参考点及其置信度，所述参考点的置信度大于预设置信度；待定位点位置获取步骤，根据所述多个参考点及其置信度、所述参考点的位置信息获取所述待定位点的位置信息。进一步地，所述降维步骤具体包括：指纹拆分子步骤，根据所述无线信号发射端的个数拆分所述混合指纹得到部分混合指纹集，所述部分混合指纹集为来自同一个无线信号发射端的混合指纹的集合；降维编码子步骤，分别对所述部分混合指纹集进行降维编码以获取降维编码后的部分混合指纹集；拼接子步骤，根据所述降维编码后的部分混合指纹集拼接得到所述降维混合指纹。进一步地，所述降维编码子步骤具体为：利用自编码器对所述部分混合指纹集进行降维编码以获取降维编码后的部分混合指纹集，一个自编码器对应一个所述部分混合指纹集。进一步地，所述自编码器为栈式自编码器。进一步地，所述参考点分类模型为神经网络参考点分类模型。进一步地，所述待定位点位置获取步骤具体包括：根据平方加权三边定位算法、所述多个参考点及其置信度、所述参考点的位置信息获取所述待定位点的位置信息。第二方面，本专利技术提供一种定位系统，包括：信息采集单元，用于采集定位区域中的多个参考点的位置信息和来自无线信号发射端的混合指纹，所述混合指纹包括RSSI指纹和CSI指纹；降维单元，用于对所述混合指纹进行降维处理以获取降维混合指纹；模型训练单元，用于根据所述降维混合指纹训练参考点分类模型；参考点获取单元，用于根据待定位点的降维混合指纹和所述参考点分类模型以获取多个参考点及其置信度，所述参考点的置信度大于预设置信度；待定位点位置获取单元，用于根据所述多个参考点及其置信度、所述参考点的位置信息获取所述待定位点的位置信息。第三方面，本专利技术提供一种定位系统，包括：无线信号发射端，用于发射无线信号；移动终端，用于采集定位区域中的多个参考点的位置信息和来自无线信号发射端的混合指纹，所述混合指纹包括RSSI指纹和CSI指纹；降维单元，用于对所述混合指纹进行降维处理以获取降维混合指纹；模型训练单元，用于根据所述降维混合指纹训练参考点分类模型；参考点获取单元，用于根据待定位点的降维混合指纹和所述参考点分类模型以获取多个参考点及其置信度，所述参考点的置信度大于预设置信度；待定位点位置获取单元，用于根据所述多个参考点及其置信度、所述参考点的位置信息获取所述待定位点的位置信息。第四方面，本专利技术提供一种定位设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的定位方法。第五方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行所述的定位方法。本专利技术的有益效果是：本专利技术通过获取参考点的位置和混合指纹，并对混合指纹进行降维处理以得到降维混合指纹，再利用降维混合指纹训练参考点分类模型，则利用待定位点的降维混合指纹和参考点分类模型可以获取置信度大于预设置信度的参考点及其置信度，再根据所获取的参考点的混合指纹、置信度、位置信息获取待定位点的位置，克服现有技术中存在利用单一指纹信息实现定位的定位精度低下且定位效率低下的技术问题，有效提高了定位精度和定位效率。另外，本专利技术分别对来自同一个无线信号发射端的部分混合指纹集进行降维处理后拼接得到降维混合指纹，使降维过程中丢失的信息更少，以提高降维效果；本专利技术还通过根据平方加权三边定位算法、多个参考点及其置信度、参考点的位置信息获取待定位点的位置信息，可进一步提高定位精度，获取准确的待定位点的位置信息。附图说明图1是本专利技术中一种定位方法的一具体实施例方法流程图；图2是本专利技术中一种定位方法的一具体实施例具体流程图；图3是本专利技术中一种定位方法中平方加权三边定位算法的一具体实施例示意图。具体实施方式需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。实施例1参考图1，图1是本专利技术中一种定位方法的一具体实施例方法流程图，一种定位方法，包括以下步骤：信息采集步骤，采集定位区域中的多个参考点的位置信息和来自无线信号发射端的混合指纹，混合指纹包括RSSI指纹和CSI指纹；降维步骤，对混合指纹进行降维处理以获取降维混合指纹；模型训练步骤，根据降维混合指纹训练参考点分类模型；参考点获取步骤，根据待定位点的降维混合指纹和参考点分类模型以获取多个参考点及其置信度，参考点的置信度大于预设置信度；待定位点位置获取步骤，根据多个参考点及其置信度、参考点的位置信息获取待定位点的位置信息。利用上述步骤实现了精准定位，克服现有技术中存在利用单一指纹信息实现定位的定位精度低下且定位效率低下的技术问题，利用降维后的混合指纹进行定位识别处理，减少本文档来自技高网...

【技术保护点】
1.一种定位方法，其特征在于，包括以下步骤：信息采集步骤，采集定位区域中的多个参考点的位置信息和来自无线信号发射端的混合指纹，所述混合指纹包括RSSI指纹和CSI指纹；降维步骤，对所述混合指纹进行降维处理以获取降维混合指纹；模型训练步骤，根据所述降维混合指纹训练参考点分类模型；参考点获取步骤，根据待定位点的降维混合指纹和所述参考点分类模型以获取多个参考点及其置信度，所述参考点的置信度大于预设置信度；待定位点位置获取步骤，根据所述多个参考点及其置信度、所述参考点的位置信息获取所述待定位点的位置信息。

【技术特征摘要】
1.一种定位方法，其特征在于，包括以下步骤：信息采集步骤，采集定位区域中的多个参考点的位置信息和来自无线信号发射端的混合指纹，所述混合指纹包括RSSI指纹和CSI指纹；降维步骤，对所述混合指纹进行降维处理以获取降维混合指纹；模型训练步骤，根据所述降维混合指纹训练参考点分类模型；参考点获取步骤，根据待定位点的降维混合指纹和所述参考点分类模型以获取多个参考点及其置信度，所述参考点的置信度大于预设置信度；待定位点位置获取步骤，根据所述多个参考点及其置信度、所述参考点的位置信息获取所述待定位点的位置信息。2.根据权利要求1所述的定位方法，其特征在于，所述降维步骤具体包括：指纹拆分子步骤，根据所述无线信号发射端的个数拆分所述混合指纹得到部分混合指纹集，所述部分混合指纹集为来自同一个无线信号发射端的混合指纹的集合；降维编码子步骤，分别对所述部分混合指纹集进行降维编码以获取降维编码后的部分混合指纹集；拼接子步骤，根据所述降维编码后的部分混合指纹集拼接得到所述降维混合指纹。3.根据权利要求2所述的定位方法，其特征在于，所述降维编码子步骤具体为：利用自编码器对所述部分混合指纹集进行降维编码以获取降维编码后的部分混合指纹集，一个自编码器对应一个所述部分混合指纹集。4.根据权利要求3所述的定位方法，其特征在于，所述自编码器为栈式自编码器。5.根据权利要求1至4任一项所述的定位方法，其特征在于，所述参考点分类模型为神经网络参考点分类模型。6.根据权利要求1至4任一项所述的定位方法，其特征在于，所述待定位点位置获取步骤具体包括：根据平方加权三边定位算法、所述多个参考点及其置信度、所述参考点的位置信息获取所述待定位点的位置信息。7.一种定位系统，其特征...

【专利技术属性】
技术研发人员：张鸿波，堵宏伟，刘闯，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：广东,44