一种基于CNN-LSTM特征融合网络的室内定位方法技术

本发明专利技术公开了一种基于CNN

【技术实现步骤摘要】
一种基于CNN
‑
LSTM特征融合网络的室内定位方法


[0001]本专利技术属于室内定位技术，具体涉及一种基于CNN
‑
LSTM特征融合网络的室内定位方法。

技术介绍

[0002]5G时代的来临，推动了智慧化城市的快速发展。人们对定位与导航的需求日益增大，基于位置的服务(LBS,Location
‑
based Service)也变得越来越重要。现如今，室外定位技术如全球定位系统(GPS，Global Positioning System)、蜂窝移动网络等已经趋于成熟，可以满足用户亚米级的定位需求。但是由于室内环境存在大量的障碍和遮挡，会使卫星或蜂窝网络的信号大幅度衰减，因此无法在室内环境中工作。而人们大部分的时间是在室内环境中度过的，因此对于室内的位置服务需求更加迫切。近年来，由于各行各业的定位需求不断增加，基于Wi
‑
Fi、红外线、超声波、蓝牙、Zigbee等室内定位技术得到了长足发展。其中，基于Wi
‑
Fi的室内定位技术因其部署成本低、定位精度高的优势本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN
‑
LSTM特征融合网络的室内定位方法，其特征在于包括以下步骤：步骤一、在目标区域内随机放置m(m≥1,m为整数)个无线接入点(AP，Access Point)，记为AP1,
…
,AP
m
，第h个AP记为AP
h
(h≤m,h为整数)，AP的通信范围包含整个目标区域。线性等间隔标定G＝M
×
N个参考点(RP,Reference Point)，邻近参考点之间的间隔为R，它们的位置坐标依次为依次表示为r1,
…
,r
M
,r
M+1
,
…
r
G
，目标区域长度、宽度分别为X、Y，且X＝(M+1)
×
R，Y＝(N+1)
×
R。步骤二、在目标区域采集m个AP信号，设r
i,q
(i＝1,...,G；q＝1,...m)为第i个定位点接收到的第q个AP的信号的RSSI(Received Signal Strength Indicator)。由于室内定位区域是一个二维平面，用RSSI
i
表示第i个定位点接收到的AP信号的RSSI向量，即RSSI
i
＝[r
i,1
,r
i,2
,
…
,r
i,m
]。步骤三、将第i个定位点接收到的AP信号的RSSI向量按照z
‑
score标准化进行变换为:其中υ
i
和σ
i
分别为平移因子和比例因子。他们分别表示RSSI矢量分量的均值和标准差，计算公式为:步骤四、基于CNN(Convolutional Neural Networks)模型提取预处理后指纹数据的空间特征。步骤五、基于LSTM(Long Short
‑
Term Memory)模型提取预处理后指纹数据的时间特征。步骤六、基于CNN模型和LSTM模型构建特征融合网络模型。步骤七、在目标点处收集m个AP的RSSI，即RSSI＝[rssi1,rssi2,
…
,rssi
m
]。然后同样进行步骤三的z
‑
score标准化处理，并将其作为步骤六构建的特征融合网络模型的输入数据，最后获得目标点的预测位置坐标。2.根据权利要求1所述的一种基于CNN
‑
LSTM特征融合网络的室内定位方法，其特征在于所述步骤四包括以下步骤：步骤四、基于CNN模型提取预处理后指纹数据的空间特征。具体包括以下步骤：步骤四(一)、网络架构确定。考虑到CNN的基本单元一般由输入层、卷积层、激活层、池化层和全连接层五部分组成。而一个完整的卷积神经网络则由一个或多个这样的基本单元构成。步骤四(二)、基于z
‑
score标准化后的指纹数据进行空间特征的提取。对于一个由指纹数据组成的多维数组X和一个包含L个基本单元的CNN，其第K个卷积层的输出为...

【专利技术属性】
技术研发人员：蒲巧林，陈有坤，周牧，蓝馨，蒋逢怡，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：