基于多目标进化算法的室内定位方法及系统技术方案

本发明专利技术提出了一种基于多目标进化算法的室内定位方法及系统，其中该方法包括采用RFID阅读器获取与目标标签的多条通信数据以及目标标签的定位信息；建立GRU网络模型，并采用多目标进化算法对GRU网络模型的超参数进行调整以获取最优超参数，其中，在采用多目标进化算法对GRU网络模型的超参数进行调整时，每隔M代进行一次自适应邻域调整；根据最优超参数、多条通信数据以及目标标签的定位信息对GRU网络模型进行训练，以便通过训练好的GRU网络模型预测待定位标签的定位信息；由此，通过多目标进化算法对超参数进行调整，可以根据进化的不同阶段扩大或缩小邻域，有效提高了算法的整体性能，在保证多样性的基础上提高了收敛性。在保证多样性的基础上提高了收敛性。在保证多样性的基础上提高了收敛性。

【技术实现步骤摘要】
基于多目标进化算法的室内定位方法及系统


[0001]本专利技术涉及室内定位
，特别涉及一种基于多目标进化算法的室内定位方法、一种计算机可读存储介质、一种计算机设备以及一种基于多目标进化算法的室内定位系统。

技术介绍

[0002]相关技术中，由于建筑物遮挡等因素，定位精度达到10米以下的民用GPS室外定位无法为室内定位服务提供高精度服务；同时，伴随着5G技术的发展，新的编码方式、波束赋形、大规模天线阵列、毫米波频谱等为高精度距离测量提供技术支持；因此，室内定位的研究成为无线传感器网络服务的一个重要部分；传统的无线射频识别即射频识别技术(RFID)室内定位跟踪系统是一种以计算机为基础，集合了RFID数据采集，RFID数据处理与传输、GIS空间分析和查询等技术形成的智能技术系统；近些年来，专家学者们结合人工智能中的深度学习模型，将单个RFID阅读器收集到的标签接收信号强度(RSSI)时序特征作为输入，可以有效地预测标签的坐标；但是，深度模型中常常存在许多超参数，找到合适的超参数需要优化算法的支持；现有的网格搜索和随机搜索等优化技术耗费资源较多，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多目标进化算法的室内定位方法，其特征在于，包括以下步骤：采用RFID阅读器获取与目标标签的多条通信数据以及目标标签的定位信息；建立GRU网络模型，并采用多目标进化算法对所述GRU网络模型的超参数进行调整以获取最优超参数，其中，在采用多目标进化算法对所述GRU网络模型的超参数进行调整时，每隔M代进行一次自适应邻域调整；根据所述最优超参数、所述多条通信数据以及所述目标标签的定位信息对所述GRU网络模型进行训练，以便通过训练好的GRU网络模型预测待定位标签的定位信息。2.如权利要求1所述的基于多目标进化算法的室内定位方法，其特征在于，采用RFID阅读器获取与目标标签的多条通信数据以及目标标签的定位信息，包括：采用RFID阅读器沿既定轨迹移动，以便在移动过程中获取所述RFID阅读器与目标标签的多条标签信号强度特征数据以及所述目标标签的坐标信息。3.如权利要求1所述的基于多目标进化算法的室内定位方法，其特征在于，所述GRU网络模型的结构包括重置门和更新门。4.如权利要求1所述的基于多目标进化算法的室内定位方法，其特征在于，采用多目标进化算法对所述GRU网络模型的超参数进行调整以获取最优超参数，包括以下步骤：S1，将超参数作为多目标进化算法的决策变量，将评价指标作为多目标进化算法的目标值，并进行种群初始化；S2，计算决策变量对应的目标值，并将其最大化；S3，根据预先设置的迭代次数判断是否达到迭代次数，如果是，则判断最佳个体是否N次无更新，如果否，则选择父母进行进化中的交叉和变异操作以产生新的后代，并判断最佳个体是否更新M代，如果是，则进行一次自适应邻域调整后继续执行步骤S2，如果否，则直接继续执行步骤S2,以进行迭代操作；S5，判断最佳个体是否N次无更新，如果是，则输出所述最佳个体作为最优超参数；如果否，选择父母进行进化中的交叉和变异操作以产生新的后代，并判断是否隔M代未进行自适应邻域调整，如果是，则进行一次自适应邻域调整后继续执行步骤S2，如果否，则直接继续执行步骤S2,以进行迭代操作。5.如权利要求1所述的基于多目标进化算法的室内定位方法，其特征在于，在采用多目标进化算法对所述GRU网络模型的超参数进行调整时，每隔M代进行一次自适应邻域调整，包括：S31，当前邻域被选为匹配池时，执行邻域调整策略，使用eta_min参数和eta_max参数保存适应度方差的最小值和最大值，以便用于更新邻域大小；S32，每隔M代计算每个子问题对应的所有邻居的适应度；以及计算每个子问题对应的适应度方差并保存；...

【专利技术属性】
技术研发人员：杨律青，刘佳辉，丘以书，钱伟华，吴泳蓉，
申请(专利权)人：厦门大学，
类型：发明
国别省市：