[发明专利]基于随机森林模型的定位方法、装置及存储介质

权利要求书

1.一种基于随机森林模型的定位方法，应用于电子装置，其特征在于，该方法包括：

S1、接收移动终端上报的多台无线设备的设备信号数据；

S2、从所述设备信号数据中提取每台无线设备的信号强度数据作为特征值，组合每台无线设备的特征值生成一个特征向量；

S3、将所述特征向量输入预先确定的室内定位分类器，预测所述移动终端多种可能的位置坐标及每种可能的位置坐标的概率；及

S4、从所述室内定位分类器输出的预测结果中选择概率最大的位置坐标，并将该概率最大的位置坐标发送至移动终端。

2.如权利要求1所述的基于随机森林模型的定位方法，其特征在于，所述步骤S4可以替换为：

判断所述多种可能的位置坐标的最大概率值是否大于或等于预设阈值，当最大概率值大于或等于预设阈值时，判定本次定位有效，并将最大概率值对应的位置坐标发送至移动终端；当最大概率值小于预设阈值时，判定本次定位无效。

3.如权利要求1或2所述的基于随机森林模型的定位方法，其特征在于，所述步骤S2包括：

S21、从所述设备信号数据中获取n组信号强度数据，其中，每组信号强度数据中包含有多个无线设备的信号强度数据，n＞1；

S22、根据所述n组信号强度数据，分别统计每台无线设备对应的信号强度数据并进行过滤处理：计算每台无线设备的信号强度数据的偏离量，删除偏离量满足预设权重的信号强度数据；及

S23、计算每台无线设备经过滤处理后剩余的多个信号强度数据的平均值作为每台无线设备的特征值，将所述每组信号强度数据中的每台无线设备的特征值组合成一个特征向量。

4.如权利要求3所述的基于随机森林模型的定位方法，其特征在于，所述步骤S22包括：

计算该无线设备的信号强度数据的平均值，将信号强度数据与所述平均值之间的差值作为该信号强度数据的偏离量；及

根据该无线设备的信号强度数据的总数和所述预设权重确定要删除的信号强度数据的数量m，删除该无线设备的信号强度数据中偏离量最大的m个信号强度数据，其中，m＜n。

5.如权利要求1所述的基于随机森林模型的定位方法，其特征在于，所述预先确定的室内定位分类器的训练步骤包括：

分别收集移动终端在多个采样点检测到的多台无线设备的设备信号数据，从所述设备信号数据中提取每台无线设备的信号强度数据作为特征值；

组合在每个采样点收集的每台无线设备的特征值，生成该采样点对应的特征向量，所述多个采样点及多个采样点分别对应的特征向量组成样本集；

从样本集中的抽取第一比例的采样点的位置及该第一比例的采样点对应的特征向量作为训练集，从样本集中的抽取第二比例的采样点的位置及该第二比例的采样点对应的特征向量作为验证集；

利用所述训练集对随机森林模型进行训练，得到所述室内定位分类器；及

利用所述验证集对所述室内定位分类器的准确性进行验证，若准确率大于或者等于预设准确率，则训练结束，或者，若准确率小于预设准确率，则增加样本数量并重新执行训练步骤。

6.如权利要求5所述的基于随机森林模型的定位方法，其特征在于，所述“将在每个采样点收集的每台无线设备的特征值进行组合，生成该采样点对应的特征向量”的步骤还包括：

对每台无线设备的特征值赋予权重，增强较大特征值的权重，削弱较小特征值的权重，形成每台无线设备的特征向量。

7.一种电子装置，其特征在于，该电子装置包括：存储器、处理器，所述存储器上存储有基于随机森林模型的定位程序，该定位程序被所述处理器执行时实现如下步骤：

A1、接收移动终端上报的多台无线设备的设备信号数据；

A2、从所述设备信号数据中提取每台无线设备的信号强度数据作为特征值，组合每台无线设备的特征值生成一个特征向量；

A3、将所述特征向量输入预先确定的室内定位分类器，预测所述移动终端多种可能的位置坐标及每种可能的位置坐标的概率；及

A4、从所述室内定位分类器输出的预测结果中选择概率最大的位置坐标，并将该概率最大的位置坐标发送至移动终端。