[发明专利]基于堆叠受限玻尔兹曼机和随机森林算法的室内定位方法

权利要求书

1.一种基于堆叠受限玻尔兹曼机和随机森林算法的室内定位方法，其特征在于：

通过步骤1)～4)获得基于WLAN信号强度的室内定位模型：

1)在室内定位运用场景中，布置M个参考节点(Reference Point，RP)和N个接入节点(Access Point，AP)，在Q个时刻，获取每个参考节点所接收到的接入节点的信号强度数据，形成数据样本集C＝{C₁、C₂、......C_Q}，

其中：为第m个参考节点在第q个时刻，所检测到的第n个接入节点的信号强度数据，q＝1、2......Q、n＝1、2……N，m＝1、2、……M；

2)将步骤1)获取的数据样本集C进行归一化处理，得到数据C^*,

3)深度特征提取：

基于受限玻尔兹曼机算法构建一个含有多个隐藏层的深度特征学习模型，预训练数据C^*；深度学习网络每一层的权重分别为W₁、W₂…W_f，特征集为hf；

4)将深度学习提取到的特征集hf作为定位输入数据集，利用随机森林算法进行训练建模，得到随机森林模型,

定位时，通过步骤A)～D)，获得待定位点的位置信息：

A)采用与步骤1)相同的方法，记录室内定位场景中的某个待定位点在当前时刻所能接收到的接入节点的信号强度数据，并保存到向量E中，E＝[a₁a₂a₃...a_N]；a_n为某个待定位点处检测到的第n个接入节点的信号强度数据，n＝1、2……N；

B)采用与步骤2)相同的归一化方法和规则，将向量E归一化处理，得到向量F；

C)设定堆叠受限玻尔兹曼机网络的层数为f+1层，每层的权重采用步骤3)所得到的权重W₁，W₂…W_f，再将处理后的向量F作为神经网络的输入，得到输出结果U^(f),

D)将步骤C)得到的数据集U^(f)作为输入，代入由步骤4)所训练得到的随机森林模型中，其输出值对应到步骤1)中所设置的N个参考节点之一。