[发明专利]一种基于二分类技术的定位方法及系统

说明书

本发明涉及无线区域网中定位技术领域，公开了一种基于二分类技术的定位方法及系统，以解决在定位过程中出现的精度低、鲁棒性差、信号传播容易受到环境影响的问题；本发明的方法包括对待测区域进行网格划分，采集待测区域内包括网格划分编号的历史样本，构建特征集、训练集、以及验证集；根据特征集计算网格特征，将训练集的样本视为正样本，同时根据正样本调整得到负样本，根据正样本和负样本构建训练候选集，根据网格特征和训练候选集得到第一模型；采用验证集的样本验证第一模型的误差是否在设定范围内，若误差属于设定的范围，则模型训练成功，采用第一模型定位实时WiFi信息的具体位置。

技术领域

本发明涉及无线区域网中定位技术领域，尤其涉及一种基于二分类技术的定位方法及系统。

背景技术

目前，全球定位系统GPS在户外拥有非常好的定位效果，户外的定位系统的可接受误差在几十米，但是在室内场景下，人们希望得到更精确的室内位置，这就需要更高的定位精度。尽管目前的技术，如蓝牙、Zigbee、超声波定位技术等取得很大进展，但是这些技术对定位硬件设备和应用环境都有特定的要求，存在经济性差等问题。在大型商业环境下仍存在定位信号不准、环境信息不全、信息缺失、不同空间距离太近等等挑战，因此如何精确的定位是一个难题。随着无线网络技术的发展和WiFi的普及，使得WiFi定位技术得到广大的关注。现有的WiFi定位技术主要通过建立位置指纹库的方法来进行定位，一个位置对应一个独特的指纹。通过待定位目标和无线接入点进行交互，获得接入点的WiFi指纹。这个指纹可以是单维或多维的，比如待定位设备在接收或者发送信息(或信号)，那么指纹可以是这个信息(或信号)的一个特征或多个特征，最常见的特征是信号强度。通过将待定位区域划分成不同的网格，在网格里接收来自各个WiFi的信号强度，得到各网格的指纹。在定位阶段，从指纹库里找到和移动设备接收信号最匹配的指纹，一旦找到最匹配指纹，就可以确定移动设备的位置。

WiFi的普及使得相关定位技术越来越成熟，但是目前该类技术仍存在三大问题：第一，成本较高，需购买安装设备。第二，精度低、鲁棒性差，信号的传播容易受到环境影响，特别是在复杂环境中，时间、设备、人的朝向都会影响到接收信号的强度，导致定位不精确，鲁棒性较差。第三，数据单一，传统的指纹库技术只利用了WiFi信息，没有考虑到数据的真实分布和大数据的价值。

发明内容

本发明目的在于提供一种基于二分类技术的定位方法及系统，以解决在定位过程中出现的精度低、鲁棒性差、信号传播容易受到环境影响的问题。

为实现上述目的，本发明提供了一种基于二分类技术的定位方法，包括以下步骤：

S1：对待测区域进行网格划分，采集待测区域内包括网格划分编号的历史样本，根据所述历史样本构建特征集、训练集、以及验证集；

S2：根据所述特征集计算网格特征，所述网格特征包括历史样本与网格之间的相似度指标和网格相关信息；

S3：将所述训练集的样本视为正样本，同时根据正样本调整得到负样本，根据所述正样本和所述负样本构建训练候选集，根据所述相似度指标和所述训练候选集得到第一模型；

S4：采用所述验证集的样本验证所述第一模型的误差是否在设定范围内，若误差属于设定的范围，则模型训练成功，采用所述第一模型定位实时WiFi信息的具体位置。

优选地，所述S2具体包括以下步骤：

S21：从所述特征集中提取网格指纹和网格相关信息，根据所述网格指纹建立指纹库；

S22：采用TF-IDF对样本信息进行加权，根据衡量指标衡量加权后的样本信息与所述指纹库的相似度，根据所述相似度确定用于表示历史样本与各网格之间相似度的相似度指标。

优选地，所述S22中，所述衡量指标包括样本信息与网格之间的欧式距离和余弦相似度。