一种基于模糊迁移学习模型的高精度室内定位方法技术

本发明专利技术公开了基于模糊迁移学习模型的高精度室内定位方法，该方法首先由目标区域数据采集模块采集目标区域的指纹特征集；然后由目标区域数据处理模块对采集的指纹特征集进行数据处理；接着由基于模糊迁移模型的室内定位模块接收经过数据处理模块处理后的数据，并根据该数据进行分析计算得到目标结果数据，该目标结果数据即为定位结果数据；该方法不仅实现了高精度室内定位，还降低了各类成本。还降低了各类成本。还降低了各类成本。

【技术实现步骤摘要】
一种基于模糊迁移学习模型的高精度室内定位方法


[0001]本专利技术属于室内定位
，具体是涉及一种基于模糊迁移学习模型的高精度室内定位方法。

技术介绍

[0002]近年来，随着物联网技术(internet of things，IOT)的快速发展和无线网络(wireless network)的普及，基于位置的服务(location based services，LBS)越来越深入人们生活的方方面面。LBS包括对不同环境中的目标对象的位置计算，LBS的关键就是对用户位置的准确获取，按应用场景LBS划分为室外定位和室内定位。
[0003]在室外环境中，全球导航卫星系统(global navigation satellite system，GNSS)可以实现准确定位，然而，GNSS在室内环境的定位粒度较大，无法满足室外环境中高精度定位的需求。在室内环境中，由于室内场景中广泛部署了无线网络，这样就使得利用无线信号进行室内定位的方式收到越来越多的关注和应用，利用无线信号进行室内定位的方式包括基于信号指纹的定位方法，该基于信号指纹的定位方法无需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模糊迁移学习模型的高精度室内定位方法，其特征在于，提供了基于模糊迁移学习模型的高精度室内定位系统，该系统包括依次连通的目标区域数据采集模块、目标区域数据处理模块、基于模糊迁移模型的室内定位模块和数据输出模块；其中目标区域数据采集模块用于采集目标区域的指纹特征集；其中目标区域数据处理模块用于针对上述采集到的目标区域的指纹特征集进行数据处理，得到适用于下一模块处理的数据；其中基于模糊迁移模型的室内定位模块用于接收经过数据处理模块处理后的数据，并根据该数据进行分析计算得到目标结果数据，该目标结果数据即为定位结果数据；其中数据输出模块用于输出定位结果数据，供用户参考；所述方法包括以下步骤：步骤1，首先由基于模糊迁移学习模型的高精度室内定位系统中的目标区域数据采集模块采集目标区域的指纹特征集；步骤2，然后由基于模糊迁移学习模型的高精度室内定位系统中的目标区域数据处理模块针对上述采集到的目标区域的指纹特征集进行数据处理，得到适用于下一模块处理的数据；步骤3，接着由基于模糊迁移学习模型的高精度室内定位系统中的基于模糊迁移模型的室内定位模块接收经过数据处理模块处理后的数据，并根据该数据进行分析计算得到目标结果数据，该目标结果数据即为定位结果数据；步骤4，最后由基于模糊迁移学习模型的高精度室内定位系统中的数据输出模块输出定位结果数据，供用户参考。2.根据权利要求1所述的基于模糊迁移学习模型的高精度室内定位方法，其特征在于，生成所述基于模糊迁移模型的室内定位模块具体包括以下步骤：步骤S1，通过样本区域数据采集模块对样本区域进行数据采集，采集得到样本区域的指纹特征集；步骤S2，通过样本区域数据处理模块针对上述采集到的样本区域的指纹特征集进行数据处理，得到适用于下一模块处理的数据；步骤S3，通过样本区域数据样本划分模块将上述数据处理后的样本区域的指纹特征集进行划分，得到训练集样本数据和测试集样本数据；步骤S4，基于训练集样本数据对基础模型进行训练，得到训练后的模型，该模型作为基于模糊迁移模型的室内定位模块，用于对目标区域采集的数据集进行分析计算，得到定位结果数据，供用户参考。3.根据权利要求2所述的基于模糊迁移学习模型的高精度室内定位方法，其特征在于，所述步骤S2包括以下步骤：S21设采样点P的采样时长为Γ，短时段设为τ，则在t时间段内即从时间t后的短时段τ内，采样点P采样到的RSS向量用公式(1)表示为：则在下一个时间段内(t+τ
→
t+2τ)，采样点P采样到的RSS向量用公式(2)表示为：
则在t时间段内即从时间t后的短时段τ内，采样点P的近邻P
i
采样到的RSS向量用公式(3)表示为：S22通过公式(4)计算采样点P在t时间的ISF：ISF(P,t)＝RSS(P,t
→
t+τ)+RSS(P,t+τ
→
t+2τ)＝[ISf1,ISf2,
…
,ISf
n
]
ꢀꢀ
公式(4)上述公式(4)中，S23通过公式(5)计算采样点P在t时间的CSF：CSF(P,t)＝RSS(P,t
→
t+τ)+RSS(P
i
,t
→
t+τ)＝[CSf1,CSf2,
…
,CSf
n
] 公式(5)上述公式(5)中，S24由此得到采样点P在T时间的短时特征集为：SFS(P,t)＝ISF(P,t)∪CSF(P,t)；S25由此得到采样点P在整个采样时段Γ的短时特征集用公式(6)表示为：SFS(P,Γ)＝∑
t∈Γ
SFS(P,t) 公式(6)通过上述步骤得到采样点的短时特征集SFS。4.根据权利要求3所述的基于模糊迁移学习模型的高精度室内定位方法，其特征在于，所述步骤S4包括以下步骤：S41首先，通过优化长短期记忆神经网络训练短时特征数据SFS，得到Optimized LSTM，用于初步构建迁移学习的Pre
‑
Model；S42然后，引入注意力机制的思想，使用面向稀疏数据的轻量级机制SENet对上述初步构建的迁移学习的Pre
‑
Model进行优化，得到Optimization SE
‑
LSTM，该Optimization SE
‑
LSTM为优化后的训练模型。5.根据权利要求4所述的基于模糊迁...

【专利技术属性】
技术研发人员：杨浩，吴晟，何运，朱立才，
申请(专利权)人：盐城师范学院，
类型：发明
国别省市：