[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

说明书

本发明提供了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，通过对齐在线定位终端采集的指纹向量与离线阶段指纹库指纹的二阶统计信息来最小化两个领域之间的偏移，而且不需要任何关于终端标签的信息。基于迁移学习框架，将领域自适应与消除终端差异性结合，以提高定位系统的延展性。在分类器训练之前，以离线阶段固定终端采集的指纹库作为目标特征，对在线时的任意终端指纹的源目标白化对齐，即可大大削减异构性带来的对定位性能的损害。本发明方法简洁快速的实现了在线调整，在实际多终端定位时取得了理想的性能。

技术领域

本发明属于定位技术领域，涉及基于WLAN的室内定位技术，尤其涉及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。

背景技术

基于终端的指纹定位系统的精度取决于终端接收到的来自各个接入点AP的通信包，RSS值是实现定位的基础。不同的数据采集设备配备不同的硬件芯片和天线，可能具有不同的信号感知能力，因而会产生不同的数据分布。当在线阶段信号分布发生变化，需要重新采集更新新的指纹库为保持系统的定位精度，而大型复杂建筑中采集并维护信号强度指纹库极其耗费人力资源。终端版本迭代速度之快使得指纹库的采集设备并不能覆盖市面上所有的智能终端。在实际的定位系统中，用户使用的各种移动设备不同于用于构建无线电地图的设备，严重影响定位系统的推广和使用。此外，在异构设备定位时，易出现终端域偏移，从而造成定位性能下降，定位精度不足。

发明内容

为解决上述问题，本发明提出了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，，以实现对异构设备在线定位时更好的定位性能。本发明利用相关对齐最小化源数据和目标数据边际布的距离。依照指纹库数据为参照，对离线阶段和在线阶段指纹的二阶统计特性进行变换对齐的操作。在混淆源域和目标域后，分类器无法区分源域和目标域，自然可以缓解设备差异性带来的影响。

为了达到上述目的，本发明提供如下技术方案：

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，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；

(5)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，笼统的囊括了设备在芯片、天线方向和安装材料等差异导致的异构性；

(6)实时接收的指纹经过已训练的位置估计网络，该算法可以预计出位置坐标。

进一步的，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，作为该定位区域的采样点；

(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])；