【技术实现步骤摘要】
基于大间隔近邻的度量学习的指纹定位方法
[0001]本专利技术实施例涉及室内定位
，具体涉及一种基于大间隔近邻的 度量学习的指纹定位方法、装置、设备及可读介质。
技术介绍
[0002]随着网络和移动设备的使用的普及，对设备进行定位从而更好地提供相 关服务是一项很重要的活动，现有技术中基于无线电频谱的室内定位方法主 要分为两类：基于信道模型的室内定位方法和基于指纹的室内定位方法。
[0003]其中，基于信道模型的室内定位方法需要建立真实环境的信号传播模型， 在复杂室内环境中对信号进行分析和建模十分困难，而基于指纹的室内定位 方法不需要手工建立传播模型，只需要搜集指纹库，然后通过学习方法建立 指纹-位置关系映射，因此基于指纹定位较为主流。
[0004]目前基于指纹的定位方法一般是假设相邻位置间的指纹具有一定的相似 性。通过计算在线采集的指纹信息与离线指纹库中的数据信息的相似性，将 相似性最大的离线指纹信息所对应的位置确定为目标设备的位置。
[0005]而在进行相似度的计算时，需要对于数据点之间的距离...
【技术保护点】
【技术特征摘要】
1.一种基于大间隔近邻的度量学习的指纹定位方法，其特征在于，所述方法包括：获取预设区域内的待定位点的信号数据，所述信号数据包括在所述待定位点接收到的预设的多个信号发射器的信号强度数据；将所述信号数据输入目标定位模型中，其中，所述目标定位模型根据目标度量矩阵及指纹库训练得到，所述目标度量矩阵为使得每个样本的目标邻居和入侵点对应的损失函数最小时的距离计算参数，所述目标邻居为与各个样本对应的位置坐标之间的欧氏距离最近的k个样本，所述入侵点为与各个样本的位置坐标之间的欧氏距离与该样本与所述目标邻居的位置坐标之间的欧氏距离满足预设条件的样本，k为不为0的自然数；获取所述目标定位模型输出的所述待定位点对应的目标位置坐标。2.根据权利要求1所述的方法，其特征在于，所述指纹库包括预先在所述待定位区域的多个采集位置采集的多个指纹，每个指纹对应于一个采集位置的位置坐标，所述指纹包括在该指纹对应的采集位置上接收到的来自各个所述信号发射器的信号强度，在获取预设区域内的待定位点的信号数据之前，进一步包括：针对所述指纹库中的第i个指纹x
i
，将所述指纹库中的对应的位置坐标落在以预设的正实数r为半径，以x
i
对应的位置坐标q
i
为圆心的区域内的指纹确定为x
i
的真实邻居，得到x
i
的真实邻居集合N
i
；获取N
i
中对应的位置坐标与q
i
欧氏距离最近的s个指纹作为x
i
的目标邻居，s为不为0的自然数；对于每一个指纹x
i
与x
i
的目标邻居x
j
，若在所述指纹库中存在指纹x
l
对应的位置坐标q
l
与q
i
的欧氏距离小于q
i
与x
j
的位置坐标q
j
的欧氏距离加上预设的边界值的和，则将x
l
确定为x
i
的入侵点。3.根据权利要求1-2任一项所述的方法，其特征在于，在所述将所述信号数据输入目标定位模型中之前，进一步包括：根据下式表示所述损失函数：其中，d
M
(x
i
,x
j
)2＝||L(x
i
,x
l
)||2＝(x
i-x
j
)
T
M(x
i-x
j
)表征指纹x
i
与指纹x
j
在距离计算参数为M时的距离，i，j
→
i表示x
j
为x
i
的目标邻居，l表示x
i
的入侵点x
l
，μ为预设阈值，y
il
为在i＝l时为1、其他情况下为0的指示变量，M为所述距离计算参数；对所述损失函数的最小值进行求解；获取所述损失函数取最小值时的距离计算参数作为所述目标度量矩阵。4.根据权利要求3所述的方法，其特征在于，所述对所述损失函数进行求解，进一步包括：确定松弛变量ξ
ijl
，根据ξ
ijl
和所述损失函数确定目标函数，所述目标函数表示如下...
【专利技术属性】
技术研发人员：颜铭江，张静芳，张兰心，柏思琪，颜润华，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：
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。