[发明专利]一种基于异构迁移学习的室内定位方法

权利要求书

1.一种基于异构迁移学习的室内定位方法，其特征在于，包括以下步骤：

S1、在定位环境中部署路由器，并将环境划分为间隔距离相同的均匀格点；

S2、采集源域数据：

S21、依次将探测设备置于定位环境中的各个格点并记录下此时的探测设备位置坐标，然后探测周围路由器的信号，记录接收到的各路由器的RSS值；

S22、将步骤S21中得到的所有RSS值和格点位置存储下来，作为WiFi指纹库，同时也是源域数据；

S23、随机将探测设备置于定位环境中的部分格点，并记录接收到的路由器的RSS值，作为共现数据中与源域相关的一部分；

S3、采集目标域数据：

S31、改变环境中路由器的部署情况，再次将探测设备置于定位环境中并记录接收到的各个路由器的RSS值；

S32、将步骤S31中的得到的RSS值存储下来，作为待定位样本，即目标域数据；

S33、将探测设备置于定位环境中和S23中的一致格点位置，并记录接收到的路由器的RSS值，作为共现数据中与目标域相关的一部分；

S4、将步骤S23和步骤S33中采集到的数据按照格点位置进行拼接，作为共现数据；具体方法是：

设得到的源域数据为其中是第i个样本对应所有能被探测到的m_s个路由器的所有RSS的向量，n_s代表源域的样本总数，随机在整个定位环境中采集RSS数据，记为作为共现数据中源域信息部分，其中n_c代表共现数据样本数；

得到的目标域数据为其中是第i个样本对应所有能被探测到的m_t个路由器的所有RSS的向量，n_t代表目标域的样本总数，m_s≠m_t，在和源域相同的位置在定位环境中采集RSS数据，记为作为共现数据中目标域信息部分；

将U和V拼接得到共现数据为X_c＝[U；V]；

S5、利用共现数据作为连接源域和目标域的桥梁，获得源域映射到目标域特征空间的映射矩阵，并计算出源域映射后的样本数据；具体方法是：

通过映射矩阵A^T将源域映射到目标域的特征空间中：

其中，H_ts和H_s是矩阵H中的元素，H＝M+αL，α是控制映射矩阵复杂度的参数，β是控制拓扑约束重要程度的参数，L＝D-W，W(i,j)＝w(x_i,x_j)是相似度矩阵，D(i,i)＝∑_jW(i,j)是一个对角线矩阵，是单位矩阵，w(x_i,x_j)具体为：

其中其中u_k是第k个共现数据样本中和源域相同的部分，v_k是第k个共现数据样本中和目标域相同的部分；

M具体为：

映射后的数据为和X_t是同构数据，从而在目标域的特征空间中，使用机器学习算法进行位置估计；

S6、利用映射后的有标签源域数据训练分类器，为无标签的目标域数据进行位置计算，获得定位结果。