【技术实现步骤摘要】
一种室内定位模型建立方法及室内定位方法
[0001]本专利技术属于通信与无线网络
,更具体地,涉及一种室内定位模型建立方法及室内定位方法。
技术介绍
[0002]随着智能应用的不断发展,位置信息在生产和生活中扮演着越来越重要的角色。然而,准确的室内定位仍然是一个开放的挑战。以GPS为代表的卫星定位系统在室外环境中性能优异,但在室内环境中,由于墙壁和天花板的阻挡,卫星定位系统无法在室内提供准确的定位信息。在过去的几十年里,人们提出了多种基于不同信号和嵌入式传感器的室内定位方案。
[0003]其中基于Wi
‑
Fi的室内定位系统以其网络设施覆盖广、设计成本低、兼容性强等优点,成为研究的热点之一。目前,大多数公共场所都部署了Wi
‑
Fi设备,而且大多数的智能手机都内置了Wi
‑
Fi芯片,能够检测到Wi
‑
Fi信号强度等信息,这为该定位技术的研究提供了免费的网络基础,降低了系统的设计成本。同时,Wi
‑
Fi定位可以满足视距和非视距的定位需求,并且可以定位几乎所有Wi
‑
Fi兼容设备的位置,而无需安装任何额外的硬件。
[0004]近年来,由于在特征提取和预测方面的优异性能,许多研究人员将神经网络技术应用到室内定位中。最基本的基于神经网络的室内定位方案以接收信号强度(RSS)等信号特征作为神经网络的输入向量,经过多个全连接隐藏层处理后,通过分类或者回归输出最终定位结果。在众多神经网络中,卷积神经网络(C
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种室内定位模型建立方法,其特征在于,包括:将室内区域划分为多个栅格,并将各众包样本分配到距离最近的栅格;众包样本S
k
由采集位置坐标l
k
=(x
k
,y
k
)和在位置I
k
处接收到的RSS向量构成,k表示众包样本编号,N表示信号源总数;对于每一个栅格G
i
,计算其众包样本的RSS向量均值,作为栅格G
i
的指纹i表示栅格编号;对于每一个众包样本S
k
,计算各栅格的指纹与RSS向量f
k
的距离,得到信号空间距离矩阵并计算各栅格中心与位置l
k
的距离,得到物理空间距离矩阵由信号空间距离矩阵物理空间距离矩阵以及位置l
k
构成一条训练集样本;建立暹罗神经网络;所述暹罗神经网络包括:用于提取信号空间距离矩阵的特征V
sig
的第一特征提取模块,用于提取物理空间距离矩阵的特征V
phy
的第二特征提取模块,以及用于根据特征V
sig
预测位置的定位模块;以信号空间距离矩阵和物理空间距离矩阵作为输入,以位置为标签,以Loss=αLossA+(1
‑
α)LossF为损失函数,利用所有训练集样本训练所述暹罗神经网络,训练结束后,由第一特征提取模块和定位模块构成室内定位模型;Loss为总的损失,LossA为预测的位置与实际位置之间的差异,LossF为特征V
sig
与特征V
phy
之间的差异;α表示平衡系数,且0<α<1。2.如权利要求1所述的室内定位模型建立方法,其特征在于,计算栅格G
i
的指纹F
i
时,若栅格G
i
的所有众包样本均未接收到某个信号源的信号,则将栅格G
i
的指纹F
i
中来自该信号源的RSS值设置为极小值MIN;MIN小于可接收到的信号强度的最小值;并且,在计算众包样本S
k
的信号空间距离矩阵之前还包括:将RSS向量f
k
中未接收到的信号源的RSS值设置为极小值MIN。3.如权利要求2所述的室内定位模型建立方法,其特征在于,MIN=
‑
100dBm。4.如权利要求3所述的室内定位模型建立方法,其特征在于,在计算众包样本对应的信号空间距离矩阵时,还包括:若某个栅格没有指纹,则将该栅格对应的信号空间距离设为极大值MAX;MAX大于所有众包样本与当前栅格指纹距离的最大值。5.如权利要求1~4任一项所述的室内定位模型建立方法,其特征在于,所述定位模块根据特征V
sig
技术研发人员:王邦,綦廷浩,韦李潇,欧阳光,
申请(专利权)人:华中科技大学,
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。