The invention discloses a method for estimating RSS missing value based on adaptive context generation countermeasure model, which comprises the following steps: (1) establishing adaptive context generation countermeasure model, i.e. acogan model, by combining auto encoder model and Gan model, the acogan model includes a generator and a discriminator, the generator is composed of an encoder and a decoder connected through a channel full connection layer; (2) using Ray tracing technology generates RSS fingerprint simulation data as training set and test set of acogan model; (3) preprocessing training set, transforming training set into input format required by acogan model; (4) training acogan model; (5) exporting training parameters of acogan model; (6) preprocessing test set, transforming test set into input format required by acogan model; (7) predicting existence of fingerprint through acogan model Missing RSS fingerprint for a specific location.
【技术实现步骤摘要】
基于自适应上下文生成对抗模型预估RSS缺失值的方法
本专利技术主要涉及深度学习和室内定位领域,尤其涉及基于自适应上下文生成对抗模型预估RSS缺失值的方法。
技术介绍
在下一代社交应用中,需要准确,可靠和实时的室内定位协议和服务。通过移动设备,定位系统可以帮助确定用户的位置,获得基于位置的服务反馈,例如跟踪,监控和导航[1]。尽管全球定位系统(GlobalPositionSystem,GPS)在室外定位已经非常成熟,但却不适用于室内定位,原因是当GPS卫星发出的信号穿过许多建筑、墙壁后会变得非常微弱,此时无法进行准确定位[2]。由此,许多室内定位技术被提出例如红外超宽带(ultrawideband,UWB)、超声波(ultrasonic)以及无线局域网(WirelessFidelity,WiFi)等技术[3,4]。然而,移动计算技术不断发展、WiFi网络融入人们生活,两者结合可进行更精确室内定位。所以无线网络信号和移动设备实现的室内定位服务引起了广泛关注[5]。大多数WiFi-室内定位商业模型是基于接收信号强度。主要原因是定位所需要的(Receivedsignalstrength,RSS)值可直接从移动设备上安装的网卡进行获取。所以WiFi室内定位越来越流行且普遍[6]。典型RSS指纹系统最大的问题是任何物理位置上的RSS指纹随着时间是变化的,而RSS指纹数据库是静态的[7,8]。因此,当前测量的RSS指纹与之前存储在数据库中的指纹存在差异,会导致不正确的预估结果。为了解决这个问题,在定位之前,应重新测量定位区 ...
【技术保护点】
1.基于自适应上下文生成对抗模型预估RSS缺失值的方法,其特征在于,包括以下步骤:/n(1)结合Auto Encoder模型和GAN模型建立自适应上下文生成对抗模型即ACOGAN模型,所述ACOGAN模型包括生成器和判别器,所述生成器由编码器和解码器通过通道全连接层连接构成;/n(2)利用射线追踪技术生成RSS指纹仿真数据作为ACOGAN模型的训练集和测试集;/n(3)预处理训练集,将训练集转化成ACOGAN模型所需输入格式;/n(4)训练ACOGAN模型;/n(5)导出ACOGAN模型的训练参数;/n(6)预处理测试集,将测试集转化成ACOGAN模型所需输入格式;/n(7)通过ACOGAN模型预测存在指纹缺失的特定位置的RSS指纹。/n
【技术特征摘要】
1.基于自适应上下文生成对抗模型预估RSS缺失值的方法,其特征在于,包括以下步骤:
(1)结合AutoEncoder模型和GAN模型建立自适应上下文生成对抗模型即ACOGAN模型,所述ACOGAN模型包括生成器和判别器,所述生成器由编码器和解码器通过通道全连接层连接构成;
(2)利用射线追踪技术生成RSS指纹仿真数据作为ACOGAN模型的训练集和测试集;
(3)预处理训练集,将训练集转化成ACOGAN模型所需输入格式;
(4)训练ACOGAN模型;
(5)导出ACOGAN模型的训练参数;
(6)预处理测试集,将测试集转化成ACOGAN模型所需输入格式;
(7)通过ACOGAN模型预测存在指纹缺失的特定位置的RSS指纹。
2.根据权利要求1所述基于自适应上下文生成对抗模型预估RSS缺失值的方法,其特征在于,步骤(4)具体包括以下步骤:
(401)将训练数据输入ACOGAN模型中的生...
【专利技术属性】
技术研发人员:任晓琪,陶文源,翁仲铭,
申请(专利权)人:天津大学,
类型:发明
国别省市:天津;12
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。