【技术实现步骤摘要】
一种基于Wavelet
‑
CNN的多建筑楼层定位方法
[0001]本专利技术属于多建筑楼层定位领域,具体涉及一种基于
Wavelet
‑
CNN
的多建筑楼层定位方法
。
技术介绍
[0002]随着互联网和移动通信技术的发展,人们对基于室内位置服务的需求越来越多,导航定位服务已经成为许多人生活中的重要组成部分
。
全球卫星导航系统
(GNSS)
以其优越的定位实时性和高精度成为最重要的定位工具之一
。
由于人们大部分时间都在室内度过,全球卫星导航系统被广泛用于确定户外区域的位置,而卫星信号无法穿透墙壁,缺乏视线
(LOS)
等因素使其在室内定位方面受到限制,无法为人们日常生活中提供室内定位服务
。Wi
‑
Fi、
蓝牙
、
射频识别
(RFID)、
红外和超宽带
(UWB)
等技术已经被开发并用于室内定位,而在这些技术中,
Wi
‑
Fi
的高性价比成为最受欢迎的可行性技术
。
[0003]基于
Wi
‑
Fi
的定位由于其广泛的部署和简单性在这些方法中脱颖而出,特别是基于指纹识别的室内定位由于其易用性和不需要额外的硬件设施而被广泛用于室内定位
。
指纹技术利用接受到的信号强度指示
(RSSI)
或信道状态信 ...
【技术保护点】
【技术特征摘要】
1.
一种基于
Wavelet
‑
CNN
的多建筑楼层定位方法,其特征在于:包括离线学习阶段和在线定位阶段,离线学习阶段:首先对离线采集的
Wi
‑
Fi
信号数据进行小波变换和归一化的预处理,然后再将预处理后的
RSSI
值的矢量转换为灰度图像,数据划分为训练集和验证集,
CNN
训练模型对这些灰度图像进行训练,提取指纹数据的所有相关特征,并建立特征图;在线定位阶段:将实时采集到的
Wi
‑
Fi
信号数据进行相同的预处理操作后转换为实时指纹图像,将每个实时指纹图像送入训练好的
CNN
模型中与训练好的特征图匹配,最后,从训练好的
CNN
模型中输出建筑物识别号
ID
和楼层
ID
实现楼层定位
。2.
根据权利要求1所述的一种基于
Wavelet
‑
CNN
的多建筑楼层定位方法,其特征在于:所述步骤
1)
中将
RSSI
值转换成灰度图像的具体过程为:首先将给定的一维数组创建成一个二维数组,在不会影响一维数组向量的情况下添加或减少虚拟值,使原始数据值中的
AP
数量的总数为
n2,并将其所有的添加的虚拟
Ap
的
RSSI
值添加为
+100
,即为未检测值,然后将1×
n2的向量重塑成
n
×
n
的灰度图像
。3.
根据权利要求1所述的一种基于
Wavelet
‑
CNN
的多建筑楼层定位方法,其特征在于:所述小波变换采用
Haar
小波,设置去噪水平为3,得到三个尺度的近似系数和细节系数,然后根据设定的阈值将每个系数进行阈值化处理
。4.
根据权利要求3所述的一种基于
Wavelet
‑
CNN
的多建筑楼层定位方法,其特征在于:
Haar
小波函数可以用以下两个函数表示:在小波分解过程中,将信号分解为不同尺度的近似系数和细节系数,对于
Haar
...
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。