[发明专利]一种基于Softmax回归多分类识别器的多楼层室内定位方法

权利要求书

1.一种基于Softmax回归多分类识别器的多楼层室内定位方法，其特征在于，包括离线阶段和在线阶段：

1)离线阶段

步骤(1)：采集离线RSS指纹信息，建立离线RSS指纹库；

步骤(2)：初始化Softmax回归多分类识别器参数，建立初始多分类识别器楼层判别模型，利用离线RSS指纹库对Softmax回归多分类识别器进行训练；

步骤(3)：利用训练得到的模型参数构建Softmax多楼层判别分类器模型；

2)在线阶段

步骤(4)：获取待定位目标采集到的各AP的RSS值，输入Softmax多分类识别器楼层判别模型中，利用Softmax多分类识别器楼层判别模型计算待定位目标属于每个楼层的概率，选取最大概率对应楼层作为待定位目标所在楼层的最终判定结果；

步骤(5)：依据待定位目标采集到的各AP的RSS值与所在楼层的RSS指纹库中各采样点采集的RSS值的距离，计算待定位目标所在具体位置；

所述步骤(2)中Softmax多楼层判别分类器模型为：

其中，θ＝(θ₁,θ₂,…,θ_K)表示Softmax多楼层判别分类器模型的参数，利用离线RSS指纹库构建的训练样本进行计算获得，在训练过程中，初始值为随机值；y⁽ⁱ⁾表示楼层类别标签；K表示建筑物中实际楼层数目；j表示其中建筑物中层楼标号；x⁽ⁱ⁾表示在某一楼层的网格i处所采集的N个AP的RSS值，p(y⁽ⁱ⁾＝j|x⁽ⁱ⁾；θ)表示x⁽ⁱ⁾属于在楼层j采集的预测概率值；表示归一化函数，T表示转置。

2.根据权利要求1所述的基于Softmax回归多分类识别器的多楼层室内定位方法，其特征在于，所述步骤(3)中Softmax多楼层判别分类器模型的参数，是基于离线RSS指纹库构建的训练样本，采用梯度下降法最小化交叉熵损失函数进行模型训练时，得到的最小交叉熵损失函数对应的参数；

所述交叉熵损失函数的计算公式为：

其中，m表示建筑物中所有楼层的网格总数量；K表示建筑物中实际楼层数目；j表示其中某一层楼；1{·}是示性函数，其取值规则为1{值为真的表达式}＝1，1{值为假的表达式}＝0；1{y⁽ⁱ⁾＝j}表示样本的真实概率分布；p(y⁽ⁱ⁾＝j|x⁽ⁱ⁾；θ)表示x⁽ⁱ⁾属于在楼层j采集的预测概率值。

3.根据权利要求2所述的基于Softmax回归多分类识别器的多楼层室内定位方法，其特征在于，所述步骤(2)中采用梯度下降法最小化交叉熵损失函数的梯度计算表达式为：

其中，是一个向量，第l个元素表示J(θ)对θ_j的第l个分量的偏导数。