[发明专利]一种多分类器全局动态融合的室内定位方法

权利要求书

1.一种多分类器全局动态融合的室内定位方法，其特征在于：如下步骤：

步骤1、对划分好的各格点采集信号强度建立RSS指纹库；

步骤2、在RSS指纹库中，把每个格点的信号强度值分为两部分，一部分用于学习得到多个分类器，另一部分输入到分类器进行结果预测、并根据结果预测计算每个格点的全局融合权重向量储存在权重矩阵中；

步骤2.1、将RSS指纹库中每个格点分成两部分；

步骤2.2、将每个格点等份取出一部分RSS值输入多个机器学习算法中得到对应的分类器；

步骤2.3、将每个格点的另一部分RSS值输入到分类器中，得到预测结果，即得到分类器估计的定位位置；

步骤2.4、根据定义的映射函数和预测结果定义融合误差表达式求解非线性规划问题得到格点上的全局融合权重储存在权重矩阵中；

所述步骤2.4的具体如下：

融合误差表达式为：

式中，e(θ_r(i)|w)代表RSS值θ_r(i)在权重向量w下的定位误差，p是真实格点二维坐标，K是分类器个数，||·||₂代表二范数，w_j为第j个分类器的融合权重，w＝[w₁ w₂…w_K]^T是融合权重向量，w^T是w的转置，h_j(θ_r(i))是第j个分类器的映射函数，它对第r个格点上的第i次RSS值θ_r(i)所对应的空间位置的标签进行预测，

h(θ_r(i))＝[h₁(θ_r(i))h₂(θ_r(i))…h_K(θ_r(i))]^T，f(h_j(θ_r(i)))描述了从格点位置标签到格点真实二维坐标的映射，f(h(θ_r(i)))＝[f(h₁(θ_r(i)))f(h₂(θ_r(i)))…f(h_K(θ_r(i)))]^T；

求解非线性规划问题得到格点r上的全局融合权重如下：

式中，w_r＝[w_r1 w_r2…w_rK]^T表示第r个格点上的权值矢量，w_rj为第r个格点上的第j个分类器的权值，N为在格点r上收集的RSS值样本个数，可以得到大小为95×K的权重矩阵：

步骤3、把未知源的RSS值输入到各分类器进行位置估计并和位置估计在权重矩阵中索引的最优融合权重向量确定未知源的坐标位置。

2.根据权利要求1所述的一种多分类器全局动态融合的室内定位方法，其特征在于：所述步骤1的具体步骤如下：

步骤1.1、在需要定位的环境中固定好路由器的位置并将环境划分为等大小的格点；

步骤1.2、搭建好WiFi网络，依次将信号源置于定位环境中的各个格点并记录下此时的信号源位置坐标，然后发射信号，记录各路由器接收到的各格点中信号源发射的RSS值；

步骤1.3、将各路由器RSS值存储下来形成RSS指纹库。

3.根据权利要求1所述的一种多分类器全局动态融合的室内定位方法，其特征在于：所述步骤3的具体步骤如下：

步骤3.1、把未知源的RSS值输入到各分类器，根据分类器预测结果得到匹配格点，即定位位置：是测试样本；

步骤3.2、根据分类器的匹配格点索引权重矩阵中对应的最优融合权重

步骤3.3、根据最优融合权重向量以及分类器的定位位置，可得未知源的坐标位置，公式为：