一种深度学习射频信号指纹识别算法的定位方法和装置制造方法及图纸

本申请提供了一种深度学习射频信号指纹识别算法的定位方法和装置。通过所述客户端依据所述信号强度指纹的集合生成点位数据集；其中，点位数据集为所述客户端在目标商场内的每个点位的概率以及每个点位的具体信息的集合；所述具体信息包括相对应的点位所在的建筑、所在的楼层以及所在的射频信号特征集合；所述客户端依据所述点位数据集进行分组；所述分组包括建筑组集、楼层组集和射频信号特征组集；所述客户端依据所述建筑组集、楼层组集和射频信号特征组集确定所述客户端在所述目标范围的当前位置。通过客户端运用模型，使得能够快速识别相关店铺。本申请通过对射频信号发送的信号强度指纹的集合的接收和定位，能够用于识别无官方铺设的店铺。无官方铺设的店铺。无官方铺设的店铺。

【技术实现步骤摘要】
一种深度学习射频信号指纹识别算法的定位方法和装置


[0001]本申请涉及室内定位
，特别是一种深度学习射频信号指纹识别算法的定位方法和装置。

技术介绍

[0002]目标的位置信息在各种场合中发挥着重要作用，如车辆导航、矿井井下人员定位、医疗看护对象定位、建筑工地管理等。目前定位上应用最广泛的无疑是“全球卫星定位系统(GPS)”，GPS作为全球最广泛使用的卫星导航定位技术，在许多领域得到了推广应用。但GPS难以解决室内环境下的一些定位问题，大部分室内环境下都存在射频信号(WiFi无线通信技术)，因此利用射频WiFi进行定位无需额外部署硬件设备，是一个非常节省成本的方法。近十年来，在室内射频场景下的定位中，位置指纹法被广泛研究和采用。
[0003]现有的射频信号指纹定位识别技术是通过手机客户端侧定时将射频信号指纹数据集合上传到服务端，然后由服务端进行位置判断，判断完毕以后，再将判断结果返回给客户端。现有的射频场景识别技术适用于地图导航软件等对定位实时性要求高且无功耗要求的应用场景，来判定用户是否进入射频端所在大概区域。现有射频信号指纹定位技术方案中比较明显的问题：每次识别都需要网络请求，而网络请求依赖于当时的网络环境。如果网络比较慢或者没有网络，就会导致定位慢或者定位失败。而网络请求相对来说是一种比较耗电的操作，如果很耗电，则会给用户很差的体验。且现有射频信号指纹定位技术只能用于区域定位，无法应用于较为精准的用户店铺驻留行为判断。
[0004]现有射频信号场景识别技术通过在手机客户端侧射频信号通过算法处理判断使用者的店铺驻留状态，结合手机设备MEMS (Micro
‑
Electro
‑
Mechanical System，微机电系统)传感器判断用户运动状态，通过场景识别算法判断用户在店铺场景的驻留行为。现有射频信号场景识别技术只能用于有官方射频设备布设的店铺识别，无法应用于没有官方射频设备布设的店铺识别。

技术实现思路

[0005]鉴于所述问题，提出了本申请以便提供克服所述问题或者至少部分地解决所述问题的一种深度学习射频信号指纹识别算法的定位方法和装置，包括：
[0006]一种深度学习射频信号指纹识别算法的定位方法，所述方法涉及射频端和客户端，目标范围包括隔断区域和识别区域；所述隔断区域至少设置十个射频端；所述客户端预存有所述目标范围的点位信息、所述射频端的信号强度与所述点位信息相对应的数据信息；
[0007]所述方法用于所述客户端在目标范围的情况下通过射频确定所述客户端当前位置；所述方法包括：
[0008]当所述客户端进入所述目标范围时，所述客户端接收所述射频端发送的信号并将所述信号生成信号强度指纹的集合；
[0009]所述客户端依据所述信号强度指纹的集合生成点位数据集；其中，点位数据集为所述客户端在目标商场内的每个点位的概率以及每个点位的具体信息的集合；所述具体信息包括相对应的点位所在的建筑、所在的楼层以及所在的射频信号特征集合；
[0010]所述客户端依据所述点位数据集进行分组；所述分组包括建筑组集、楼层组集和射频信号特征组集；
[0011]所述客户端依据所述建筑组集、楼层组集和射频信号特征组集确定所述客户端在所述目标范围的当前位置；其中，所述当前位置包括所述客户端的区域状态；所述区域状态包括识别区域停留状态和隔断区域停留状态。
[0012]优选地，所述客户端依据所述建筑组集、楼层组集和射频信号特征组集确定所述客户端在所述目标范围的当前位置的步骤，包括：
[0013]所述客户端依据所述射频信号特征组集确定第一位置，并确定依据所述第一位置确定第一建筑和第一楼层；
[0014]所述客户端依据所述建筑组集和所述楼层组集生成第二建筑和第二楼层；
[0015]所述客户端将所述第一建筑与所述第二建筑相匹配，所述第一楼层与所述第二楼层相匹配，若二者均匹配则将所述射频端组的位置作为所述客户端在所述目标范围的当前位置输出。
[0016]优选地，所述客户端依据所述建筑组集和所述楼层组集生成第二建筑和第二楼层的步骤，包括：
[0017]所述客户端将所述建筑组集中点位数量最多的建筑组作为第二建筑输出；
[0018]所述客户端将所述楼层组集中点位数量最多的楼层组作为第二楼层输出。
[0019]优选地，所述客户端依据所述建筑组集和所述楼层组集生成第二建筑和第二楼层的步骤，包括：
[0020]所述客户端将所述第一建筑与所述第二建筑相匹配，所述第一楼层与所述第二楼层相匹配，若二者中有其一不匹配则不输出数据。
[0021]优选地，所述客户端依据所述点位数据集进行分组的步骤，包括：
[0022]所述客户端依据所述点位数据集中的具体信息分为第一建筑组集、第一楼层组件以及第一射频信号特征组集；
[0023]所述客户端依据所述概率分别将所述第一建筑组集、所述第一楼层组集以及第一射频信号特征组集进行排序生成所述建筑组集、楼层组集以及所述射频信号特征组集。
[0024]优选地，所述客户端依据所述射频信号特征组集确定第一位置的步骤，包括：
[0025]所述客户端依据所述射频信号特征组集中的概率确定第一射频信号特征集合，并依据所述第一射频信号特征集合确定所述第一位置。
[0026]优选地，所述方法还包括服务器端；
[0027]当所述服务器端识别所述客户端进入所述隔断区域时，所述服务端发送模型至所述客户端；其中，所述模型包括所述目标范围的点位信息、所述射频端的信号强度与所述点位信息相对应的数据信息。
[0028]为实现本申请还包括一种深度学习射频信号指纹识别算法的定位装置，所述装置涉及射频端和客户端，目标范围包括隔断区域和识别区域；所述隔断区域至少设置十个射频端；所述客户端预存有所述目标范围的点位信息、所述射频端的信号强度与所述点位信
息相对应的数据信息；
[0029]所述装置用于所述客户端在目标范围的情况下通过射频确定所述客户端当前位置；所述装置包括：
[0030]信号强度指纹的集合发送模块，用于当所述客户端进入所述目标范围时，所述客户端接收所述射频端发送的信号并将所述信号生成信号强度指纹的集合；
[0031]点位数据集生成模块，用于所述客户端依据所述信号强度指纹的集合生成点位数据集；其中，点位数据集为所述客户端在目标商场内的每个点位的概率以及每个点位的具体信息的集合；所述具体信息包括相对应的点位所在的建筑、所在的楼层以及所在的射频信号特征集合；
[0032]点位数据集分组模块，用于所述客户端依据所述点位数据集进行分组；所述分组包括建筑组集、楼层组集和射频信号特征组集；
[0033]当前位置确定模块，用于所述客户端依据所述建筑组集、楼层组集和射频信号特征组集确定所述客户端在所述目标范围的当前位置；其中，所述当前位置包括所述客户端的区域状态；所述区域状态包括识别区域停留状态和隔断区域停留状态。...

【技术保护点】

【技术特征摘要】
1.一种深度学习射频信号指纹识别算法的定位方法，其特征在于，所述方法涉及射频端和客户端，目标范围包括隔断区域和识别区域；所述隔断区域至少设置十个射频端；所述客户端预存有所述目标范围的点位信息、所述射频端的信号强度与所述点位信息相对应的数据信息；所述方法用于所述客户端在目标范围的情况下通过射频确定所述客户端当前位置；所述方法包括：当所述客户端进入所述目标范围时，所述客户端接收所述射频端发送的信号并将所述信号生成信号强度指纹的集合；所述客户端依据所述信号强度指纹的集合生成点位数据集；其中，点位数据集为所述客户端在目标商场内的每个点位的概率以及每个点位的具体信息的集合；所述具体信息包括相对应的点位所在的建筑、所在的楼层以及所在的射频信号特征集合；所述客户端依据所述点位数据集进行分组；所述分组包括建筑组集、楼层组集和射频信号特征组集；所述客户端依据所述建筑组集、楼层组集和射频信号特征组集确定所述客户端在所述目标范围的当前位置；其中，所述当前位置包括所述客户端的区域状态；所述区域状态包括识别区域停留状态和隔断区域停留状态。2.根据权利要求1所述的深度学习射频信号指纹识别算法的定位方法，其特征在于，所述客户端依据所述建筑组集、楼层组集和射频信号特征组集确定所述客户端在所述目标范围的当前位置的步骤，包括：所述客户端依据所述射频信号特征组集确定第一位置，并确定依据所述第一位置确定第一建筑和第一楼层；所述客户端依据所述建筑组集和所述楼层组集生成第二建筑和第二楼层；所述客户端将所述第一建筑与所述第二建筑相匹配，所述第一楼层与所述第二楼层相匹配，若二者均匹配则将所述射频端组的位置作为所述客户端在所述目标范围的当前位置输出。3.根据权利要求2所述的深度学习射频信号指纹识别算法的定位方法，其特征在于，所述客户端依据所述建筑组集和所述楼层组集生成第二建筑和第二楼层的步骤，包括：所述客户端将所述建筑组集中点位数量最多的建筑组作为第二建筑输出；所述客户端将所述楼层组集中点位数量最多的楼层组作为第二楼层输出。4.根据权利要求2所述的深度学习射频信号指纹识别算法的定位方法，其特征在于，所述客户端依据所述建筑组集和所述楼层组集生成第二建筑和第二楼层的步骤，包括：所述客户端将所述第一建筑与所述第二建筑相匹配，所述第一楼层与所述第二楼层相匹配，若二者中有其一不匹配则不输出数据。5.根据权利要求1所述的深度学习射频信号指纹识别算法的定位方法，其特征在于，所述客户端依据所述点位数据集进行分组的步骤，包括：所述客户端依据所述点位数据集中的具体信息分为第一建筑组集、第一楼层组件以及第一射频信号特征组集；所述客户端依据所述概率分别将所述第一建筑组集、所述第一楼层组集以及第一射频信号特征组集进行排序生成所述建筑组集、楼层组集以及所述射频信号特征组集。
6.根据权利要求2所述的深度学习射频信号指纹识别算法的定位方法，其特征在于，所述客户端依据所述射频信号特征组集确定第一位置的步骤，包括：所述客户端依据所述射频信号特征组集中的概率确定第一射频信号特征集合，并依据所述第一射频信号特征集合确定所述第一位置。7.根据权利...

【专利技术属性】
技术研发人员：苏醒，李鹤，陈俊男，马秋楠，余红钊，肖靖，
申请(专利权)人：广州市梦享网络技术有限公司，
类型：发明
国别省市：