[发明专利]一种基于深度学习的WiFi室内定位系统有效
| 申请号: | 201710833040.8 | 申请日: | 2017-09-15 |
| 公开(公告)号: | CN107529222B | 公开(公告)日: | 2020-11-06 |
| 发明(设计)人: | 钱久超;洪燕;刘佩林 | 申请(专利权)人: | 上海交通大学 |
| 主分类号: | H04W64/00 | 分类号: | H04W64/00;H04W84/12;G01C21/20;G01S5/02;G01S5/10 |
| 代理公司: | 上海汉声知识产权代理有限公司 31236 | 代理人: | 胡晶 |
| 地址: | 200240 *** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 深度 学习 wifi 室内 定位 系统 | ||
1.一种基于深度学习的WiFi室内定位系统,其特征在于:它包括依次连接的离线数据获取模块(100)、粗指纹库建立模块(200)、特征指纹库提取模块(300)、在线数据融合模块(400)和目标位置输出模块(500),其中,
所述离线数据获取模块(100)用于获取接入点的物理地址信息,采集位于参考点处离线接收信号强度数据,并将这些数据传输给粗指纹库建立模块(200);
所述粗指纹库建立模块(200)遍历所有参考点处的离线接收信号强度数据,使得离线接收信号强度与参考点的位置坐标一一对应生成粗指纹库;
所述特征指纹库提取模块(300)归一化参考点处离线接受信号强度数据,将其输入至四层深度置信网络进行训练,四层深度置信网络输出权重和偏置矩阵存储为特征指纹;
所述在线数据融合模块(400)实时采集接收信号强度数据并对其进行归一化处理,再利用每个参考点处的特征指纹对实时采集的接收信号强度数据进行重构,将重构的接受信号强度数据与实时采集的原数据输入至径向基函数,计算出两者之间的差异度,遍历所有的参考点,计算出当前接收信号强度数据出现在每个参考点处的概率,最后通过参考点位置的权重计算出实时接收信号强度数据对应的地理位置;
所述的目标位置输出模块(500)将基于数据融合算法估算出的目标位置进行输出,完成对目标位置的定位;
所述离线数据获取模块(100)包括无线传感器模块(101)和离线接收信号强度采集模块(102),无线传感器模块(101)用于扫描所有接入点无线传感器的物理地址,离线接收信号强度采集模块(102)用于采集位于参考点处来自于接入点无线传感器的离线接受信号强度数据;
所述粗指纹库建立模块(200)包括参考点位置记录模块(201)、粗指纹库生成模块(202)和粗指纹库输出模块(203);粗指纹库建立模块(200)将由参考点离线接收信号强度采集模块(102)采集参考点处的离线接受信号强度数据与由参考点位置记录模块(201)记录参考点处的位置坐标与进行一一对应,遍历所有参考点形成粗指纹库,输送至粗指纹库输出模块(203);
所述特征指纹库提取模块(300)包括离线接收信号归一化模块(301)、四层深度置信网络模块(302)、特征指纹提取模块(303)和特征指纹库输出模块(304);离线接受信号归一化模块(301)与粗指纹库建立模块(200)相连,将每个参考点处的离线接收强度信号归一化到(0,1)之间,将归一化的离线接收信号强度信号在四层深度置信网络模块(302)中进行训练,特征指纹提取模块(303)将四层深度置信网络模块(302)中的权重与偏置矩阵提取出来作为特征指纹进行存储,特征指纹库输出模块(304)组合所有参考点处的特征指纹形成特征指纹库进行输出;
所述在线数据融合模块(400)包括实时接收信号强度数据采集模块(401)、实时接收信号强度数据归一化模块(402)、在线数据融合模块(403)、参考点地理位置读入模块(404)和目标位置计算模块(405);所述实时接收信号强度采集模块(401)采集接入点无线传感器的实时接收信号强度,实时接收信号归一化模块(402)将实时信号归一化至(0,1)之间,在线数据融合模块(403)与特征指纹库提取模块(300)及实时接收信号强度数据归一化模块(402)相连,在线数据融合模块(403)通过数据融合算法得到目标位置出现在参考点的概率,并输出至目标位置计算模块(405);同时参考点地理位置读入模块(404)从特征指纹库提取模块(300)中获取参考点的位置坐标并输送至目标位置计算模块(405),该模块通过参考点的位置坐标及实时接收信号强度数据出现在参考点概率计算出目标的位置坐标,目标位置输出模块(500)将实时接收信号强度对应的位置坐标进行输出;
所述四层深度置信网络模块(302)包括特征指纹预训练模块(3021)、数据重构模块(3022)和特征指纹调优模块(3023),所述特征指纹预训练模块(3021)与粗指纹库建立模块(200)相连,所述特征指纹预训练模块(3021)将离线接收信号强度进行归一化,并利用四层深度置信网络对归一化的离线接收信号强度进行训练,将相邻网络层之间的权重和偏置矩阵定义为特征指纹;特征指纹预训练模块(3021)与数据重构模块(3022)相连,所述数据重构模块(3022)将特征指纹进行转置,通过反向传播重构出接收信号强度数据,特征指纹调优模块(3023)与特征指纹预训练模块(3021)和数据重构模块(3022)相连,所述特征指纹调优模块(3023)将特征指纹预训练模块(3021)的离线接收信号强度与数据重构模块(3022)中重构的接受信号强度做差处理,若差值大于预设阈值时,继续返回特征指纹预训练模块(3021)进行新的特征指纹训练,否则输出特征指纹至特征指纹库提取模块(303);
所述在线数据融合模块(403)包括依次连接的实时接收信号强度方差计算模块(4031)、径向函数计算模块(4032)和位置概率计算模块(4033);所述实时接收信号方差计算模块(4031)与实时接收信号强度归一化模块(402)相连,计算实时采集的接收信号强度的方差,并将方差输送至径向函数计算模块(4032),所述径向函数计算模块(4032)与特征指纹库提取模块(300)相连,径向函数计算模块(4032)处理的结果输送至位置概率计算模块(4033),计算出实时接收信号强度数据出现在参考点位置的概率,并将最终的位置概率输送至目标位置计算模块(405)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710833040.8/1.html,转载请声明来源钻瓜专利网。





