[发明专利]一种基于神经网络的室内定位计算方法

权利要求书

1.一种基于神经网络的室内定位计算方法，其特征在于，方法步骤如下：

S1：建立室内地图，采集原始信号强度数据；

S2：信号强度数据清洗；

S3：建立基于Tensorflow的DNN神经网络分类算法模型；

S4：计算信号强度数据的特征向量，进行机器学习训练；

S5：神经网络预测，根据信号强度特征对终端位置进行分类，输出计算结果。

2.根据权利要求1所述的一种基于神经网络的室内定位计算方法，其特征在于，S1中S1建立室内地图、采集原始数据具体步骤如下：

S1-1：确定室内平面图，划分网格区域；

S1-2：在需要定位的区域指定位置点部署Wi-Fi探针；

S1-3：通过Wi-Fi探针采集各个位置区域终端的信号强度。

3.根据权利要求1所述的一种基于神经网络的室内定位计算方法，其特征在于，S2中信号强度数据清洗具体步骤如下：

S2-1：去除原始数据中异常的、过大和过小的信号强度数据；

S2-2：根据配置，根据探针分组，求取单位时间内（如1分钟）各个探针探测到的各终端信号强度的平均值；

S2-3：使用区域ID标注各组数据来自的区域。

4.根据权利要求1所述的一种基于神经网络的室内定位计算方法，其特征在于，S3中立模型具体步骤如下：

S3-1：输入层定义特征列为不同区域、各个探针采集到的信号强度平均值；

S3-2：定义2个各含10节点的隐藏层；

S3-3：输出层定位为不同位置区域id。

5.根据权利要求1所述的一种基于神经网络的室内定位计算方法，其特征在于，S4具体步骤如下：

4-1：用特征向量V=(t1,t2,…,tn)表示信号强度特征，其中，为各个探针探测到的信号强度，定义V为分类器的输入数据；

S4-2：构建位置与信号强度特征的线性关系；

S4-3：对特征集中特征进行分类预测训练；

S4-4：设置训练步数，采用梯度下降法迭代优化拟合出最合适的位置与信号强度特征线性关系函数。

6.根据权利要求1所述的一种基于神经网络的室内定位计算方法，其特征在于，S5中具体步骤为：

S5-1：输入待预测的信号强度的特征向量；

S5-2：输出预测出来的区域ID结果。