一种融合指纹库的定位方法及定位装置制造方法及图纸

本发明专利技术提供一种融合指纹库的定位方法及定位装置，所述定位方法包括：基于本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹权重系数；基于上一批次和本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹退化系数；根据终端采集的无线网络信号指纹数据以及所述指纹权重系数和所述指纹退化系数，对所述终端进行定位；其中，所述训练数据包括带位置标签的无线网络信号指纹数据。本发明专利技术通过建立不同无线网络信号指纹的权重学习机制、退化学习机制，进而构建融合指纹库，可使指纹库跟踪无线环境的变化自动调节指纹特征，基于融合指纹库的定位更加精确。

A location method and device for fusing fingerprint database

The invention provides a positioning method and a positioning device for fusing fingerprint database, the positioning method includes: training to obtain the fingerprint weight coefficient of each wireless network signal of each reference position point based on the training data of this batch; training to obtain the fingerprint degradation of each wireless network signal of each reference position point based on the training data of the previous batch and this batch Coefficient: positioning the terminal according to the fingerprint data of wireless network signal collected by the terminal, the fingerprint weight coefficient and the fingerprint degradation coefficient; wherein, the training data includes the fingerprint data of wireless network signal with position label. By establishing the weight learning mechanism and degradation learning mechanism of fingerprint of different wireless network signals, and then constructing the fusion fingerprint database, the fingerprint database can automatically adjust the fingerprint characteristics by tracking the changes of wireless environment, and the positioning based on the fusion fingerprint database is more accurate.

【技术实现步骤摘要】
一种融合指纹库的定位方法及定位装置
本专利技术属于通信定位
，尤其涉及一种融合指纹库的定位方法及定位装置。
技术介绍
用户位置具有超强的连接能力，随着移动互联网的迅猛发展，基于位置的服务(LBS，Locationbasedservice)已被广泛应用于人们的工作和生活之中。而由于各种各样的无线网络信号充斥于人们的工作与生活空间，因此基于无线网络信号获取用户位置日益成为的用户定位领域热点课题，其优势在于无线网络信号的泛在性和其方案部署成本。现有技术方案一般是对单一网络下的单一信号量构建指纹，通常是采集主服务小区信号的信号场强量，通过采集的主服务小区信号的信号场强量对用户进行定位。但是在现实中，会存在多个网络混杂信号，每一个网络信号对用户的定位均会具有影响作用；无线网络信号所处的网络环境也不是一成不变的，无线网络信号环境的变化会对用户定位的精确度产生影响。
技术实现思路
为克服上述现有的对单一网络信号构建信号指纹定位的问题或者至少部分地解决上述问题，本专利技术实施例一种融合指纹库的定位方法及定位装置。根据本专利技术实施例的第一方面，提供一种融合指纹库的定位方法，包括：基于本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹权重系数；基于上一批次和本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹退化系数；根据终端采集的无线网络信号指纹数据以及所述指纹权重系数和所述指纹退化系数，对所述终端进行定位；其中，所述训练数据包括带位置标签的无线网络信号指纹数据。在上述技术方案的基础上，本专利技术还可以作如下改进。进一步的，所述基于本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹权重系数之前还包括：实时收集在每一个参考位置点测量的多个无线网络信号指纹数据，所述每一个参考位置的多个无线网络信号指纹数据构成训练数据，按照预设规则按批次划分所述训练数据；其中，所述多个无线网络信号包括主服务小区信号和邻小区信号，所述无线网络信号为2G信号或3G信号或4G信号或5G信号或Wifi信号或Bluetooth信号。进一步的，所述基于本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹权重系数包括：对于任一参考位置点的多个无线网络信号，将每一个无线网络信号的权重系数设置为多个预设权重系数中的一个；基于每一种权重系数组合下的多个无线网络信号指纹数据进行定位，得到每一种权重系数组合对应的定位位置；将每一个定位位置与对应的参考位置点的实际位置进行比较，将与对应的参考位置点的实际位置最接近的定位位置对应的权重系数组合作为所述任一参考位置点最终的每一个无线网络信号的指纹权重系数。进一步的，所述多个预设权重系数为Wi、Wi+Wstep和Wi-Wstep，其中，i为每一个参考位置点的编号，每一个预设权重系数位于设定的权重调整上下门限范围内。进一步的，所述基于上一批次和本批次训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹退化系数包括：对于上上批次训练数据中的任一参考位置点的任一无线网络信号，统计多次测量的所述任一无线网络信号的测量值Mi和对应的次数Ci，对所述Ci设置退化系数Di，所述退化系数为多个预设退化系数中的一个；根据Mi和Ci”，其中，Ci”＝Ci’+Cnew，Ci’＝Ci*Di，Cnew为上一批次训练数据中相同参考位置点的相同无线网络信号的测量值为Mi的次数，建立所述任一无线网络信号的正态分布模型；根据本批次训练数据中相同参考位置点的相同无线网络信号的多次测量，计算每一次测量的信号指纹在所述正态分布模型中的概率；对多次测量的信号指纹在所述正态分布模型中的概率求和，得到每一个退化系数对应的概率求和值；将最大概率求和值对应的退化系数作为上上批次训练数据中的任一参考位置点的任一无线网络信号的退化系数。进一步的，所述多个预设退化系数为Di、Di+Dstep和Di-Dstep，其中，i为每一个参考位置点的编号，每一个预设退化系数位于设定的退化调整上下门限范围内。进一步的，还包括：判断本批次训练数据中的训练样本数量是否大于最小数量门限，若是，进行训练；若否，则不进行训练；其中，每一个参考位置点的每一个无线网络信号指纹数据为一个训练样本。进一步的，所述根据终端采集的无线网络信号指纹数据以及所述指纹权重系数和所述指纹退化系数，对所述终端进行定位之前还包括：基于所述权重指纹系数和所述退化指纹系数，构建融合指纹定位模型，其中，所述权重指纹系数和所述退化指纹系数为所述融合指纹定位模型的模型参数；相应的，所述根据终端采集的无线网络信号指纹数据以及所述指纹权重系数和所述指纹退化系数，对所述终端进行定位包括：将终端采集的无线网络信号指纹数据输入所述融合指纹定位模型中，输出所述终端的定位位置。根据本专利技术实施例第二方面提供一种融合指纹库的定位装置，包括：第一训练模块，用于基于本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹权重系数；第二训练模块，用于基于上一批次和本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹退化系数；定位模块，用于根据终端采集的无线网络信号指纹数据以及所述指纹权重系数和所述指纹退化系数，对所述终端进行定位；其中，所述训练数据包括带位置标签的无线网络信号指纹数据。根据本专利技术实施例的第三个方面，还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的融合指纹库的定位方法。根据本专利技术实施例的第四个方面，还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的融合指纹库的定位方法。本专利技术实施例提供一种融合指纹库的定位方法及定位装置，该方法通过建立不同无线网络信号指纹的权重学习机制、退化学习机制，进而构建融合指纹库，可使指纹库跟踪无线环境的变化自动调节指纹特征，基于融合指纹库的定位更加精确。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的融合指纹库的定位方法整体流程示意图；图2为本专利技术一个实施例的指纹权重系数训练流程示意图；图3为本专利技术一个实施例的指纹退化系数训练流程示意图；图4为本专利技术一个实施例提供的融合指纹库的定位装置整体结构示意图；图5为本专利技术另一本文档来自技高网...

【技术保护点】
1.一种融合指纹库的定位方法，其特征在于，包括：/n基于本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹权重系数；/n基于上一批次和本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹退化系数；/n根据终端采集的无线网络信号指纹数据以及所述指纹权重系数和所述指纹退化系数，对所述终端进行定位；/n其中，所述训练数据包括带位置标签的无线网络信号指纹数据。/n

【技术特征摘要】
1.一种融合指纹库的定位方法，其特征在于，包括：
基于本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹权重系数；
基于上一批次和本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹退化系数；
根据终端采集的无线网络信号指纹数据以及所述指纹权重系数和所述指纹退化系数，对所述终端进行定位；
其中，所述训练数据包括带位置标签的无线网络信号指纹数据。


2.根据权利要求1所述的定位方法，其特征在于，所述基于本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹权重系数之前还包括：
实时收集在每一个参考位置点测量的多个无线网络信号指纹数据，所述每一个参考位置的多个无线网络信号指纹数据构成训练数据，按照预设规则按批次划分所述训练数据；
其中，所述多个无线网络信号包括主服务小区信号和邻小区信号，所述无线网络信号为2G信号或3G信号或4G信号或5G信号或Wifi信号或Bluetooth信号。


3.根据权利要求2所述的定位方法，其特征在于，所述基于本批次的训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹权重系数包括：
对于任一参考位置点的多个无线网络信号，将每一个无线网络信号的权重系数设置为多个预设权重系数中的一个；
基于每一种权重系数组合下的多个无线网络信号指纹数据进行定位，得到每一种权重系数组合对应的定位位置；
将每一个定位位置与对应的参考位置点的实际位置进行比较，将与对应的参考位置点的实际位置最接近的定位位置对应的权重系数组合作为所述任一参考位置点最终的每一个无线网络信号的指纹权重系数。


4.根据权利要求3所述的定位方法，其特征在于，所述多个预设权重系数为Wi、Wi+Wstep和Wi-Wstep，其中，i为每一个参考位置点的编号，每一个预设权重系数位于设定的权重调整上下门限范围内。


5.根据权利要求2所述的定位方法，其特征在于，所述基于上一批次和本批次训练数据，训练得到每一个参考位置点的每一个无线网络信号的指纹退化系数包括：
对于上上批次训练数据中的任一参考位置点的任一无线网络信号，统计多次测量的所述任一无线网络信号的测量值Mi和对应的次数Ci，对所述Ci设置退化系数Di，所述退化系数为多个预设退化系数中的一个；
根据Mi和Ci”，其中，Ci”＝Ci’+...

【专利技术属性】
技术研发人员：宋培强，李德强，
申请(专利权)人：北京东方国信科技股份有限公司，
类型：发明
国别省市：北京;11