[发明专利]一种基于WiFi的室内定位优化算法有效
| 申请号： | 201710084372.0 | 申请日： | 2017-02-16 |
| 公开（公告）号： | CN107071894B | 公开（公告）日： | 2020-04-24 |
| 发明（设计）人： | 文玎玲;谭峻东;余天尧;龙云亮 | 申请（专利权）人： | 广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学 |
| 主分类号： | H04W64/00 | 分类号： | H04W64/00;G01S5/02 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 528300 广东省佛山市顺德区大良*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 wifi 室内 定位 优化 算法 | ||
1.一种基于WiFi的室内定位优化算法，其特征在于，包括以下步骤：
训练阶段：
S1：线下采集RSSI数据，并将所采集的RSSI数据转换成RSSI指纹库，记为F；
S2：将RSSI指纹库的RSSI值部分与x、y坐标值部分分离；其中，RSSI值部分记为数据集X，x、y坐标值部分记为Y1、Y2；
S3：将数据集X经过自动编码器进行自学习，构造一个非递归神经网络hw,b；
S4：将数据集X经过非递归神经网络hw,b通过不断训练得到一个新的数据集X'，使得hw,b(X)≈X'；
S5：将新的数据集X'与其对应的x、y坐标值部分结合起来，形成新的RSSI指纹库，记为F'；新的RSSI指纹库F'是原始RSSI指纹库F的另外一种表现形式，能完全代表F；
测试阶段：
S6：将给出的某一位置RSSI指纹f，经过与训练阶段同样的非递归神经网络hw,b转换为新的模式f'，其中hw,b(f)≈f'；
S7：通过分类算法进行指纹库匹配分别对x坐标值和y坐标值分类，得出最终定位结果。
2.根据权利要求1所述的基于WiFi的室内定位优化算法，其特征在于，步骤S3中，自动编码器编码是通过降维或升维学习一组数据的表现形式。
3.根据权利要求1所述的基于WiFi的室内定位优化算法，其特征在于，步骤S3中，非递归神经网络hw,b有多个神经元层，包括输入层、隐藏层和输出层。
4.根据权利要求2所述的基于WiFi的室内定位优化算法，其特征在于，所述非递归神经网络hw,b每层的维度数没有限制。
5.根据权利要求1所述的基于WiFi的室内定位优化算法，其特征在于，步骤S7中的分类算法为k最近邻分类算法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学，未经广东顺德中山大学卡内基梅隆大学国际联合研究院;中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710084372.0/1.html，转载请声明来源钻瓜专利网。
