[发明专利]基于大数据的无线实时位置定位方法

权利要求书

1.基于大数据的无线实时位置定位方法，其特征是，包括如下步骤：

首先，将被定位的检测区域网格化，设置在检测区域内的无线路由器发射无线信号，在网格化后区域的每个方格内用无线信号接收器多次采集无线路由器的无线信号的信息，将采集的无线信号信息组成大数据集无线信号指纹库；

信号预处理：将大数据集无线指纹库中的无线信号数据或者无线接收器所观测到的信号向量进行归一化处理；

参数训练：采用受限玻尔兹曼机RBM训练和误差反向传播BP训练相结合的方式对深度神经网络DNN的参数进行学习，训练深度神经网络；

基于训练的深度神经网络DNN的信号特征提取和特征分类：所述特征提取是提取当前时刻所观测到的无线信号的特征，利用训练的深度神经网络DNN对归一化处理后的输入向量进行非线性变换，将输入向量投影到合适的空间；所述特征分类是将提取到的特征进行分类，从而实现对当前实际位置所对应的方格进行实时位置估计；

最后，基于隐马尔科夫模型HMM的位置估计：利用所估计位置在时间上连续性，将深度神经网络DNN的多个输出转换为隐马尔科夫序列，采用隐马尔科夫模型HMM对隐马尔科夫序列进行实时位置估计，从而得到最佳的实时定位位置。

2.如权利要求1所述的基于大数据的无线实时位置定位方法，其特征是，所述无线信号信息包括无线信号自身的物理地址与无线信号强度信息。

3.如权利要求1所述的基于大数据的无线实时位置定位方法，其特征是，所述信号预处理的具体步骤为：输入为一组无线信号向量，对该无线信号向量而言，每一个元素代表了一个无线信号发射器在同一观测位置上的信号强度；对于每一个无线信号发射器而言，在由近及远的无线信号接收器上所观测到的该发射器所发出的无线信号强度由-30向-100递减；故采用公式v＝(R+100)/70将信号向量归一化到[0 1]范围内；其中，R表示某观测位置所观测到各信号发射器所发出的信号强度组成的向量，v表示预处理后的结果，同时也是神经网络的输入。

4.如权利要求1所述的基于大数据的无线实时位置定位方法，其特征是，所述特征提取的具体步骤为：采用深度神经网络DNN来提取特征向量，所述特征提取是由底层输入层经过中间隐藏层往最上层隐藏层传递的过程，层与层之间的传递包括线性变换公式(4)和非线性变换公式(5)：

θ＝Wv+b    (4)

h=11+e-θ---(5)]]>

其中，W为层间神经元之间的权重系数，b为神经元的偏置，θ为线性变换结果；h为神经元被激活的概率，其值为θ的sigmoid函数。

5.如权利要求1所述的基于大数据的无线实时位置定位方法，其特征是，所述特征分类的具体步骤为：

引入分类器实现对输入的无线信号向量的分类：将采集到的信号归一化预处理后输入DNN，通过底层输入层传递到最上层隐藏层，提取得到信号的特征，再通过分类器在输出层得到估计结果y_i，即输入信号向量R的实际位置l位于各个方格l_i的概率P(l＝l_i|R)，从而实现对信号实际位置的预估计。