System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及室内定位,具体为一种采用多头注意力机制神经网络进行室内定位的方法和装置。
技术介绍
1、一般来说,利用wifi信号作为特征的室内定位有两个主要方法:基于模型和基于wifi指纹的方法,前者利用传播接收信号形式的无线信号模型强度(rss-received signalstrength)、飞行时间(tof-time of flight)到达角(aoa-angle of arrival)之类构建模型,进行预测,后者考虑物理wifi的可测量属性,利用离散的空间点不同指纹(fingerprints)或签名(signatures)以区分位置,由于室内wifi信号一般具有大幅波动,很难获得准确的传播模型,所以一般选用指纹识别的方法,相比其他室内定位需求,例如蓝牙、rfid等,wifi的构建简单,成本低,大部分智能设备也都有wifi模块,所以wifi技术比较适合用来进行室内定位。
2、当前,在指纹方法中,接收到的信号强度指示器(rssi-received signalstrength indicator)被广泛用作本地化中的功能,因为rssi可以从大多数wifi接收器轻松获得,例如各种手机,但是rssi的方法有一些明显的缺点,设备异质性,即rssi信号的变化,在不同的智能设备(包括智能手机,iot设备)的特征,在实际操作中,不同智能设备rssi特征会有差异,传统室内定位解决方案可能无法应对由于设备差异导致的rssi差异,从而会定位精度会降低,而且不同智能手机捕获的给定位置的感知rssi值可能会有很大差异。
3
技术实现思路
1、针对现有技术的不足,本专利技术提供了一种采用多头注意力机制神经网络进行室内定位的方法和装置,解决了上述
技术介绍
中提出的问题。
2、为实现以上目的,本专利技术通过以下技术方案予以实现:一种采用多头注意力机制神经网络进行室内定位的方法,所述采用多头注意力机制神经网络进行室内定位的方法包括下述操作步骤:
3、s1、wifi ap:
4、每个wifi ap的rssi有与之对应的rp,rp采用独热编码,其中rssi的强度,需要进行归一化处理;
5、s2、rssi指纹信息的采集:
6、对于需要定位的室内空间,采集不同rp的rssi指纹信息,将其结构化保存在数据库中,其中所有采集的信息都录入数据库中,作为已知参照数据;
7、s3、指纹增强处理:
8、对输入的指纹信息进行增强处理,所用的增强处理在训练阶段和推理阶段必须一致;
9、s4、输入多头注意力层:
10、rssi指纹作为q和k,rp作为v,以此作为多头注意力层的输入,多头注意力层采用多头注意力公式,公式如下:
11、
12、multihead(q,k,v)=concat(h1,h2,h3…hn)wo
13、其中dk是k向量的维度,
14、s5、多头注意力层输出:
15、多头注意力层的输出作为两个全连接层的输入,全连接层的输入和输出数量属于超参数,需根据实际情况选择,全连接层后的激活函数采用relu即可;
16、s6、全连接层的输出:
17、两个全连接层输出后紧跟着进入池化层,然后进入softmax层进行分类输出,作为预测结果。
18、进一步的,所述步骤s1中,wifi ap全称为wifi access point,wifi ap是无线网络的核心即无线接入点。
19、进一步的,所述步骤s1中,独热编码又称一位有效编码,其方法如下:
20、使用n位状态寄存器来对n个状态进行编码,每个状态都有它独立的寄存器位,并且在任意时候,其中只有一位有效,即只有一位是1,其余都是零值,其中1表示rssi信号最强,最小为0表示没有rssi信号。
21、进一步的,所述步骤s2中,rp全称为reference point,rp为基准点用于辅助3d特征的创建,作为特征截面绘制的参照面、模型定位的参照面和控制点、装配用参照面。
22、进一步的,所述步骤s3中,增强处理采用随机增强或高斯噪音。
23、进一步的,所述步骤s4中,q全称为query,k全称为key,v全称为and value。
24、进一步的,所述步骤s4中,输入多头注意力层的信号都需要预先进行归一化处理。
25、进一步的,所述步骤s5中,全连接层共有两层,且第二层的节点数量要比第一层多。
26、进一步的,所述步骤s6中,两个全连接层的损失函数采用交叉熵,优化器采用adam。
27、一种装置,该装置为智能手机,所述智能手机应用有如上所述的采用多头注意力机制神经网络进行室内定位的方法。
28、本专利技术提供了一种采用多头注意力机制神经网络进行室内定位的方法和装置,具备以下有益效果:
29、该采用多头注意力机制神经网络进行室内定位的方法和装置,多头注意力机制的引入以及q、k、v的选择,并根据实际情况选择合适的超参数,实现性能和效果之间的平衡,由于实现对于小规模的室内定位,无需采用复杂网络,而且由于多头注意力层的引入,减少了设备的rssi指纹差异变化带来的定位误差,从而提高定位精准度。
本文档来自技高网...【技术保护点】
1.一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述采用多头注意力机制神经网络进行室内定位的方法包括下述操作步骤:
2.根据权利要求1所述的一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述步骤S1中,WIFIAP全称为WifiAccess point,WIFI AP是无线网络的核心即无线接入点。
3.根据权利要求1所述的一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述步骤S1中,独热编码又称一位有效编码,其方法如下:
4.根据权利要求1所述的一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述步骤S2中,RP全称为Reference point,RP为基准点用于辅助3D特征的创建,作为特征截面绘制的参照面、模型定位的参照面和控制点、装配用参照面。
5.根据权利要求1所述的一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述步骤S3中,增强处理采用随机增强或高斯噪音。
6.根据权利要求1所述的一种采用多头注意力机制神经网络进行室内定位的方法,
7.根据权利要求1所述的一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述步骤S4中,输入多头注意力层的信号都需要预先进行归一化处理。
8.根据权利要求1所述的一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述步骤S5中,全连接层共有两层,且第二层的节点数量要比第一层多。
9.根据权利要求1所述的一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述步骤S6中,两个全连接层的损失函数采用交叉熵,优化器采用Adam。
10.一种装置,其特征在于:该装置为智能手机,所述智能手机应用有如权利要求1-9任意一项所述的采用多头注意力机制神经网络进行室内定位的方法。
...【技术特征摘要】
1.一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述采用多头注意力机制神经网络进行室内定位的方法包括下述操作步骤:
2.根据权利要求1所述的一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述步骤s1中,wifiap全称为wifiaccess point,wifi ap是无线网络的核心即无线接入点。
3.根据权利要求1所述的一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述步骤s1中,独热编码又称一位有效编码,其方法如下:
4.根据权利要求1所述的一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述步骤s2中,rp全称为reference point,rp为基准点用于辅助3d特征的创建,作为特征截面绘制的参照面、模型定位的参照面和控制点、装配用参照面。
5.根据权利要求1所述的一种采用多头注意力机制神经网络进行室内定位的方法,其特征在于:所述步骤s3...
【专利技术属性】
技术研发人员:王斌,王微,刘德生,金帅,周宇,
申请(专利权)人:中科晶锐苏州科技有限公司,
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。