[发明专利]一种基于特征融合的室内定位方法、系统及终端

权利要求书

1.一种基于特征融合的室内定位方法，其特征在于，所述方法包括：

移动设备上第一应用程序在室内中的路线上收集第一数据，并存储到服务器的数据库中，所述第一数据包括序列信号数据和图像数据；

所述服务器根据所述第一数据训练预测神经网络，所述预测神经网络用于为客户端的查询提供预测结果；

所述客户端上的第二应用程序启动后将收集到的第二数据发送给所述服务器；

所述服务器根据接收到的第二数据和所述预测神经网络确定定位导航结果。

2.根据权利要求1所述的基于特征融合的室内定位方法，其特征在于，所述服务器根据所述第一数据训练预测神经网络，包括：

将所述序列信号数据进行预处理，获得所述序列信号数据的初步特征；

在特征水平上对不同序列信号数据的初步特征进行融合；

使用融合特征进行位置和方向的预测。

3.根据权利要求2所述的基于特征融合的室内定位方法，其特征在于，所述将所述序列信号数据进行预处理，获得所述序列信号数据的初步特征包括：

通过全连接层和非线性激活层对所述序列信号数据进行初始处理；

利用RNN循环神经网络对初始处理后的序列信号数据提取时间相关性；

采用CNN卷积神经网络对图像数据进行特征提取，替代所述全连接层和非线性激活层；

从RNN循环神经网络得到所述序列信号数据的初步特征。

4.根据权利要求2所述的基于特征融合的室内定位方法，其特征在于，所述在特征水平上对不同序列信号数据的初步特征进行融合，包括：

在得到各个信号的初步特征以后，使用全连接层和非线性激活层将特征映射到融合特征空间，在融合特征空间中实现对不同信号的融合，以得到更加具有区分度的融合特征。

5.根据权利要求4所述的基于特征融合的室内定位方法，其特征在于，所述使用融合特征进行位置和方向的预测，包括：

对得到的融合特征使用全连接层和非线性激活层来回归出预测的位置和方向；

将预测的位置和方向提供给用户，以对用户进行导航。

6.根据权利要求1所述的基于特征融合的室内定位方法，其特征在于，还包括：

使用同一批训练数据，随机初始化网络参数来得到多个具有不同误差的网络，然后采用求平均值的方式将这些网络的预测结果结合起来得到了更加准确的结果。

7.根据权利要求1所述的基于特征融合的室内定位方法，其特征在于，还包括：采用混合密度网络进行定位导航结果的不确定性估计。

8.根据权利要求7所述的基于特征融合的室内定位方法，其特征在于，所述采用混合密度网络进行定位导航结果的不确定性估计包括：

利用预测神经网络的学习能力让高斯混合模型来拟合训练数据的分布；

使用分布结果来对所述预测神经网络的预测结果进行评估，以实现对定位导航结果的不确定性估计。

9.一种基于特征融合的室内定位系统，其特征在于，所述系统包括：

第一获取模块，用于移动设备上第一应用程序在室内中的路线上收集第一数据，并存储到服务器的数据库中，所述第一数据包括序列信号数据和图像数据；

训练模块，用于所述服务器根据所述第一数据训练预测神经网络，所述预测神经网络用于为客户端的查询提供预测结果；

第二获取模块，用于所述客户端上的第二应用程序启动后将收集到的第二数据发送给所述服务器；

确定模块，用于所述服务器根据接收到的第二数据和所述预测神经网络确定定位导航结果。

10.一种终端，其特征在于，包括：

处理器；

存储器，用于存储计算机可执行指令；

当所述处理器执行所述计算机可执行指令时，所述处理器执行权利要求1-8任一项所述的基于特征融合的室内定位方法。