[发明专利]一种使用领域自适应实现异构设备高精度室内定位的方法

权利要求书

1.一种使用领域自适应实现异构设备高精度室内定位的方法，其特征在于，包括如下步骤：

(1)通过常用终端在实际场景中模拟多种设备异构情况的定位过程；

(2)对于室内定位系统，需对待测试环境均匀划分采样点，以采集并搭建周边各接入点的无线信号强度的指纹库；随后进行离线集成学习训练，训练阶段通过随机森林回归、多层感知机回归和多层感知机分类构成的集成学习，训练建立各个参考点位置标签与其对应指纹之间的映射关系，保存已训练的位置估计网络模型；最后进行在线位置估计测试，当在线用户接受到周围接入点的指纹时，经过相关对齐在线调整后，利用已训练的算法进行实时定位；

(3)在线调整阶段时，先对另一手机接收到的测试源域数据进行白化操作，消除源域数据的特征相关性；再计算指纹库中各训练目标域数据之间的相关性，将相关性作用在白化后的源数据上，重建源数据的特征；通过源域和目标域二阶统计信息之间的不断逼近，使得源域与目标域融合；二阶统计特性保留了数据特征对齐的同时还保留了分布信息；

(4)实时接收的指纹经过已训练的位置估计网络，该算法能够预计出位置坐标。

2.根据权利要求1所述的使用领域自适应实现异构设备高精度室内定位的方法，其特征在于，所述步骤(2)中搭建指纹库步骤具体包括如下过程：

(11)将待测区域按照面积均匀划分一定间隔的网格参考点，作为定位区域的采样点；

(12)在每个参考点上以终端A接受记录附近一段时间内所有接入点AP发送的无线信号强度，形成包含参考点位置[x_i,y_i]、各个AP的MAC地址和对应接收到信号强度[rss₁,rss₂,...,rss_n]的指纹向量([rss₁,rss₂,...,rss_n],[x_i,y_i])；

(13)每个参考点的指纹向量即可组合存储为该待测区域的离线指纹库。

3.根据权利要求1所述的使用领域自适应实现异构设备高精度室内定位的方法，其特征在于，所述步骤(2)中离线集成学习训练步骤包括如下过程：

(11)对指纹库中RSS数据[rss₁,rss₂,...,rss_n]归一化为零均值和标准方差后，将离线数据集根据十折交叉验证法划分指纹库数据，[rss₁,rss₂,...,rss_n]为信号强度；指纹库数据被分为训练集，验证集和测试集；训练的过程中是在训练集上进行训练，最终的定位结果是在测试集上测试；

(12)以随机森林回归、多层感知机回归和多层感知机分类模型作为基学习器在训练集和验证集上组合成集成学习，训练过程的目标函数是编码后的神经元与有标签的位置之间的映射关系的均方误差，最小化目标函数优化参数；

(13)采用预测位置与实际位置的距离作为精度的批判标准，记待定位区域有L个未知的未知参考点，其中第i个参考点的真实地理位置记为(x_i,y_i)，输入定位系统中估计的位置记为(x_i′,y_i′)，则平均定位误差ALE能够表示为：