一种适用于监管场所的多目标精确智能定位跟踪方法技术

本发明专利技术公开了一种适用于监管场所的多目标精确智能定位跟踪方法，包括如下步骤：采集定位区域感兴趣位置点的信号强度信息，并且对信号强度信息进行预处理，将其转换为符合深度LSTM网络模型的格式；将预处理后的数据进行局部特征提取，得到原始数据更丰富的信息表示，并输入深度LSTM网络模型对模型进行训练；采集监管场所的实时位置信息，并对信息进行预处理，将其转换为符合深度LSTM网络模型的格式；将预处理后的数据输入训练好的深度LSTM网络模型中，将深度LSTM网络模型的输出送入全连接层，得到更具区分性的表示形式；最后利用线性回归层得到最终的位置映射，输出位置信息。本发明专利技术所公开的方法可以有效提高定位精度，提高定位速度。

【技术实现步骤摘要】
一种适用于监管场所的多目标精确智能定位跟踪方法
本专利技术涉及一种定位跟踪方法，特别涉及一种适用于监管场所的多目标精确智能定位跟踪方法。
技术介绍
在监管场所等密闭环境下获得较强鲁棒性且准确的定位，一直是研究者致力解决的目标，并且人们日常大部分时间是在室内环境下，因此，室内定位的研究一直是业界研究的热点。近年来，随着智能手机和其他移动设备的普及，使很多基于位置的服务成为可能，同时也提供了一组可用于室内定位的嵌入式传感器。由于AP接入点的广泛普及和绝大多数设备支持IEEE802.11标准，很多基于接收信号强度和信道状态信息技术的定位系统被提出。位置指纹技术是利用记录AP参考点的特征数据，例如指纹，从而估计设备位置。传统的基于指纹定位技术分为两个阶段：第一阶段为离线阶段，在此期间，记录感兴趣区域中已知位置的来自多个接入点的信号强度，然后利用这些信号强度值和相应的真实位置训练一个基于概率分布的模型。第二阶段为跟踪阶段，将在未知位置检测到的信号强度值送入已经训练好的模型进行匹配估计最佳位置。其中概率技术相比于确定性技术可以更好的对抗固有的无线信本文档来自技高网...

【技术保护点】
1.一种适用于监管场所的多目标精确智能定位跟踪方法，其特征在于，包括如下步骤：/n(1)采集定位区域感兴趣位置点的信号强度信息，并且对信号强度信息进行预处理，将其转换为符合深度LSTM网络模型的格式；/n(2)将预处理后的数据进行局部特征提取，得到原始数据更丰富的信息表示，并输入深度LSTM网络模型对模型进行训练；/n(3)采集监管场所的实时位置信息，并对信息进行预处理，将其转换为符合深度LSTM网络模型的格式；/n(4)将预处理后的数据输入训练好的深度LSTM网络模型中，将深度LSTM网络模型的输出送入全连接层，得到更具区分性的表示形式；/n(5)最后利用线性回归层得到最终的位置映射，输出位...

【技术特征摘要】
1.一种适用于监管场所的多目标精确智能定位跟踪方法，其特征在于，包括如下步骤：
(1)采集定位区域感兴趣位置点的信号强度信息，并且对信号强度信息进行预处理，将其转换为符合深度LSTM网络模型的格式；
(2)将预处理后的数据进行局部特征提取，得到原始数据更丰富的信息表示，并输入深度LSTM网络模型对模型进行训练；
(3)采集监管场所的实时位置信息，并对信息进行预处理，将其转换为符合深度LSTM网络模型的格式；
(4)将预处理后的数据输入训练好的深度LSTM网络模型中，将深度LSTM网络模型的输出送入全连接层，得到更具区分性的表示形式；
(5)最后利用线性回归层得到最终的位置映射，输出位置信息。


2.根据权利要求1所述的一种适用于监管场所的多目标精确智能定位跟踪方法，其特征在于，步骤(1)中，将采集到的信号强度信息映射到相应的特征向量xi，将最弱的信号强度指定为-100dBm，之后将信号强度值范围归一化至[0，1]。


3.根据权利要求1所述的一种适用于监管场所的多目标精确智能定位跟踪方法，其特征在于，步骤(2)中，每个参考点选取采集到同一个AP的50个连续时间步长的信号强度值，使用滑动窗口连续不重叠移动提取到鲁棒的信号特征表示，并使用四分位数法丰富提取到的信号强度特征。


4.根据权利要求1所述的一种适用于监管场所的多目标精确智能定位跟踪方法，其特征在于，步骤(2)中，在深度LSTM网络中，在给定训练样本的真实位置和预测位置情况下，计算均方误差并进行反向传播，从而更新深度LSTM网络的参数，采用ADAM的优化方法计算每个参数的自适应学习率，来优化目标函数的模型参数。


5.根据权利要求1所述的一种适用于监...

【专利技术属性】
技术研发人员：熊海良，庄众，任美婷，侯强，许玉丹，王宏蕊，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37