[发明专利]一种基于卷积神经网络识别技术的WIFI室内定位方法

说明书

本发明公开了一种基于卷积神经网络识别技术的WIFI室内定位方法，首先对室内定位区域划分参考点，对每个参考点进行WIFI信号采集，然后分别将每个参考点的数据处理后通过小波变换为对应位置的特征图构建初级定位指纹库；再将每个参考点的特征图进行像素变换构建定位指纹库的训练集，将训练集中每个参考点的特征图加标签后送入改进的卷积神经网络模型中训练得到分类模型；最后通过采样待测位置WIFI信号，数据处理后通过小波变换为对应位置的特征图送入得到的分类模型中进行分类，对位置类别做加权平均，从而实现针对待测位置的定位，即实现了WIFI室内定位。本发明特别适宜在商业场合中应用，其设备简单、功耗低。

技术领域

本发明涉及WIFI室内定位方法，尤其是涉及一种基于卷积神经网络识别技术的WIFI室内定位方法，适用于大型超市或商场的商品定位，手机定位等各种室内定位技术。

背景技术

随着无线通信技术与网络技术的不断发展和全面普及，各种新业务与新需求层出不穷，其中位置感知计算和基于位置的服务在人们的生产生活中起到了至关重要的作用，如何确定用户位置是实施前述应用的首要问题，因此定位技术是位置感知计算和基于位置的服务的核心问题。GPS技术的成熟应用虽然能够满足人们对室外定位的各种需求，然而由于GPS信号穿透能力差无法适用于室内环境,因此急需寻找一种可行的室内定位方法来弥补全球定位系统的不足。

室内定位有着非常广阔的应用前景，目前已有一些室内定位方案，比如基于计算机视觉、红外传感器、超声波、和射频识别等，虽然能够解决定位问题，但分别存在如下问题：

计算机视觉定位，具有较高的辨识度，能够清晰显示目标的行走状态；但对室内环境要求较高，需要视野比较开阔的室内环境，对于复杂多隔间的室内环境需要相应配置很多台设备，增加开销。

红外线技术是一个比较常见的技术，目前比较典型的代表是Active Badge系统。定位系统复杂度较高，功耗较大，由于光线不能穿过障碍物，使得红外线仅能视距传播，容易受其它灯光干扰，并且红外线的传输距离较短，使其室内定位的效果很差。当移动设备放置在口袋里或者被墙壁遮挡时，就不能正常工作，需要在每个房间、走廊安装接收天线，导致总体造价较高。

基于超声波的定位技术使用在一些实验性的工作中，而实际利用超声波的商用设备很少，因此实际应用并不多，且容易受多径效应和非视距传播的影响，降低定位精度；同时，它还需要大量的底层硬件设施投资，总体成本较高。

射频识别定位技术利用射频方式进行非接触式双向通信交换数据，实现移动设备识别和定位的目的，但是这种技术不便于整合到移动设备之中，而且作用距离短。

发明内容

本发明是为避免上述现有技术所存在的不足之处，提供一种基于卷积神经网络识别技术的WIFI室内定位方法，使其相应配置的设备更为简单、成本低、功耗低、对室内环境要求不高、具有多径分辨能力，能观察视距或非视距路径上信号的微弱波动，不受光线影响。

本发明为解决技术问题采用如下技术方案：

本发明基于卷积神经网络识别技术的WIFI室内定位方法是按如下步骤进行：

步骤1、将一室内空间的外接矩形作为WIFI室内定位区域，将所述WIFI室内定位区域均匀划分为a个正方形网格,以每个正方形网格的中心点作为参考点，形成参考点集合CP，CP＝{CP₁,CP₂,...,CP_i,...,CP_a}，CP_i为第i个参考点，是指第i个正方形网格内的参考点，i＝1,2,...,a。

步骤2、在所述WIFI室内定位区域的外部设置一个具有b根天线的路由器作为发射设备AP，在每个参考点上设置一个具有c根天线的接收设备,b和c的取值均大于0；