[发明专利]基于深度学习的WiFi指纹定位方法

说明书

本发明涉及大型室内环境中的楼层定位，为达到更优的楼层识别以及更小的定位延迟。为此，本发明采取的技术方案是，基于深度学习的WiFi指纹定位方法，利用基于wlan指纹的室内定位问题的多建筑多层数据库UJIIndoorLoc指纹数据库，在离线阶段通过选取可接收的公共WiFi接入点AP(Access Point)信号以及对指纹样本点进行均值滤波的方法大幅缩减指纹库的冗余，在线匹配阶段使用堆叠自编码技术提取指纹数据的高维信息，最后使用分类器进行分类，获取WiFi定位信息。本发明主要应用于wifi室内定位场合。

技术领域

本发明涉及大型室内环境中的楼层定位，具体涉及基于深度学习的WiFi指纹定位方法。

背景技术

对于目前的室外定位，美国的全球定位系(GPS)、俄罗斯的格洛纳斯(GLONASS)、欧洲的伽利略(GALILEO)系统技术都已经非常成熟，而中国也推出了自己的北斗卫星定位系统。但是，卫星定位只适用于室外环境的定位，在室内环境中由于信号衰减过快，导致卫星定位无法正常使用。但随着时代的变迁，人们的生活工作娱乐等活动更多的发生在室内，室内定位技术显得非常实用，具有较大的拓展空间。其应用的范围也将非常广泛，如学校，大型商场，地下车库，医院等都可以实现对目标的快速定位。

作为LBS(Location Based Service)最后一米的室内定位虽然饱受关注，但技术的不够成熟依然是不争的事实。跟GPS，AGPS(Assisted Global Positioning System)等室外定位系统相比，室内定位系统依然没有形成一个官方的组织来制定统一的技术规范，目前的技术手段都是在各个企业定义的私有协议和方案下发展的，也导致各种室内定位技术层出不穷。WiFi定位技术是近几年来研究的热点，WiFi定位可以达到米级定位(1～10米)，传统的WiFi定位产品主要应用在相对专业的领域(矿井、监狱、医院、石油石化等)，但是随着市场对室内定位需求的增加，很多国外的大公司，如谷歌已经把WiFi室内定位和室内地图引入了“谷歌地图”，目前已经覆盖了北美和欧洲数万家大型的场馆，苹果公司也在2013年收购了室内定位公司WiFiSLAM。国内的高德、百度等公司也在相继研发WiFi室内定位产品。

发明内容

为克服现有技术的不足，针对传统的GPS定位无法在复杂的室内环境中生效，本发明旨在提出一种基于深度学习的大型室内环境中的楼层定位，能达到更优的楼层识别以及更小的定位延迟。为此，本发明采取的技术方案是，基于深度学习的WiFi指纹定位方法，利用基于wlan指纹的室内定位问题的多建筑多层数据库UJIIndoorLoc指纹数据库，在离线阶段通过选取可接收的公共WiFi接入点AP(Access Point)信号以及对指纹样本点进行均值滤波的方法大幅缩减指纹库的冗余，在线匹配阶段使用堆叠自编码技术提取指纹数据的高维信息，最后使用分类器进行分类，获取WiFi定位信息。

在AP选择上，对于建筑物定位时，选择整个数据库，先去除边缘AP，然后比较训练集跟测试集，选择公共AP作为输入数据，去除其他沉余AP信号；对于楼层定位时，按指纹库空间特性划分数据库子集，使用同样的方法去除沉余信号。

在采样点的处理上，选择均值平滑滤波技术，将同一个点采集的K个不同指纹信号取均值，将均值信号作为该点的指纹信号。

本发明的特点及有益效果是：

本发明提出了基于深度学习的复杂空间环境中的楼层定位。在离线阶段，采用削减AP个数以及对指纹样本点进行均值滤波的方法，大幅缩减指纹库大小并降低了由于信号波动造成的干扰。然后在匹配算法上采用了堆叠自编码加SoftMax分类器的深度学习算法，相比较传统的KNN算法，本文的算法能达到更优的分类结果以及更小的定位延迟，在处理后的指纹库上进行划分子集的分步楼层定位，得到了更优的结果。

附图说明：

图1指纹定位原理图。

图2自编码器结构图。