【技术实现步骤摘要】
一种基于深度神经网络的室内定位方法及装置
本专利技术涉及室内无线定位领域，具体涉及一种基于深度神经网络的室内定位方法及装置。
技术介绍
随着互联网和无线技术的迅猛发展，以互联网为基础的智能化经济发展新形态改变了人们的生活方式。智能终端几乎渗透到了人们生活的每一个角落，伴随而来的各种层出不穷的应用也应运而生，其中就包括定位技术。目前，人们已经可以借助全球定位系统、北斗等卫星定位技术在户外实现精度可达一米的精确定位。在高度发达的信息时代背景下，移动用户对位置信息的需求已经不仅仅局限于户外粗略定位，精确的实时定位需求与日俱增。但是，由于房屋墙壁建筑等建筑材料的遮挡，室内的卫星信号会大幅衰减，导致其定位严重失准，精度降低。目前还缺少可广泛使用的、较为成熟的、精度较高的室内定位技术。因此，室内定位技术的研究日渐成为当前的研究热点。现有的室内定位技术主要包括蓝牙(Bluetooth)技术、红外线(Infrared)技术、RFID技术、以及Wi-Fi技术等。在上述室内定位技术中，蓝牙技术所需设备体积小，但是它具有传输距离短，在复杂环境下稳定性差的缺点；红外线技术需要探测器之间和...
【技术保护点】
1.一种基于深度神经网络的室内定位方法，包括以下步骤：S1：获取Wi‑Fi接入点的RSS参考数据，对获得的RSS参考数据进行预处理，基于预处理后得到的RSS参考数据构建Wi‑Fi接入点的RSS参考数据库；S2：构建深度神经网络模型，利用所述RSS参考数据库作为训练样本，训练得到深度神经网络模型；S3：待定位点的RRS数据经预处理后输入至训练得到的深度神经网络模型中，输出得到待定位点的位置估算坐标。
【技术特征摘要】
1.一种基于深度神经网络的室内定位方法，包括以下步骤：S1：获取Wi-Fi接入点的RSS参考数据，对获得的RSS参考数据进行预处理，基于预处理后得到的RSS参考数据构建Wi-Fi接入点的RSS参考数据库；S2：构建深度神经网络模型，利用所述RSS参考数据库作为训练样本，训练得到深度神经网络模型；S3：待定位点的RRS数据经预处理后输入至训练得到的深度神经网络模型中，输出得到待定位点的位置估算坐标。2.如权利要求1所述的基于深度神经网络的室内定位方法，其特征在于：所述步骤S1具体包括如下步骤：步骤S11，将待定位的室内沿横向和纵向分为L个区域，其中横向方向沿其最大长度方向均分为L1个区域，纵向方向沿其最大长度方向均分为L2个区域，L＝L1×L2，取每个区域的中心处作为该区域的位置；若该区域为非中心对称区域，则将该区域的横向边线和纵向边线的中垂线的交点作为其中心；步骤S12，各个区域内均匀设置N个参考点，并获取所述N个参考点的位置信息，其中，N为正整数；步骤S13，获取N个参考点位置处所对应的接收到的M个Wi-Fi接入点的RSS数据，其中，M为正整数；步骤S14，对上一步骤中获得的RSS数据实施滤波处理以去除背景噪声，并基于滤波处理后得到的RSS参考数据构建N个参考点的Wi-Fi接入点RSS参考数据库。3.如权利要求1所述的基于深度神经网络的室内定位方法，其特征在于：所述深度神经网络采用反向传播算法对神经网络中神经元之间的连接权值进行调整，具体指根据前向响应传播传到最后一层得到的对目标信号的预测，从而进一步得到其与参考信号的误差，根据得到的误差值，不断调节神经网络的连接权值，反向传播算法的学习过程可以分为以下四个阶段：(1)前向传播：样本集{(x(1),y(1)),...,(x(m),y(m))}由输入层经隐层向输出层逐层传播的过程；(2)误差逆传播：神经网络的期望输出与实际输出之差，即误差信号由输出层经隐含层向输入层逐层传播，修正连接权值的过程；(3)记忆训练：前向传播和误差逆传播反复交替进行记忆训练的过程；(4)学习收敛：网络的全局误差趋向极小值的过程；深度神经网络中各层之间的神...
【专利技术属性】
技术研发人员：张佳琪，刘胜利，钱国良，余官定，汪运平，
申请(专利权)人：三维通信股份有限公司，浙江大学，
类型：发明
国别省市：浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。