[发明专利]一种基于机器学习的混合室内定位方法

说明书

本发明公开了一种基于机器学习的混合室内定位方法。为了克服现有技术采用单一的网络制式进行定位，难以综合各种无线定位技术的优点的问题；本发明包括：A.离线网络训练阶段；电力物联网终端接入多种制式无线网络，获得混合的无线信号强度信息，记录对应的位置信息组成数据集；利用收集的数据集，对设计好的机器学习网络模型进行训练，直至模型收敛；B.在线室内定位阶段；电力物联网终端实时采集多种制式无线网络信息；将无线网络信息输入到训练好的模型中；运行训练好的模型算法，得到最终定位结果。完成的模型能够利用多种无线网络制式的信号信息，实现混合无线室内定位，综合各种无线定位技术的优点。

技术领域

本发明涉及一种无线通信室内定位领域，尤其涉及一种基于机器学习的混合室内定位方法。

背景技术

由于现代通信和网络技术的飞速发展，各种各样的通信和网络技术必将会被应用到智能电网以及泛在电力物联网的场景中，满足各类电力业务的需求。如常见的WiFi网络、ZigBee网络、Bluetooth网络、LoRa网络等，由于其具有容易部署，复杂度低，通信速率多样化，成本低等特点，这些电力无线专网早已部署在电力物联网中。

另一方面，随着互联网和无线技术的迅猛发展，以互联网为基础的智能化经济发展新形态改变了人们的生活方式，同时也带来了层出不穷的应用，其中包括定位技术。目前，人们已经可以借助全球定位系统、北斗等卫星定位技术在户外实现精度可达一米的精确定位。在高度发达的信息时代背景下，移动用户对位置信息的需求已经不仅仅局限于户外粗略定位，精确的实时定位需求与日俱增。但是，由于房屋墙壁建筑等建筑材料的遮挡，室内的卫星信号会大幅衰减，导致其定位严重失准，精度降低。目前还缺少可广泛使用的、较为成熟的、精度较高的室内定位技术。因此，室内定位技术的研究日渐成为当前的研究热点。

在电力物联网环境中，室内定位技术的应用需求更为迫切。由于电力物联网终端通常工作于室内环境。而实时获取电力物联网终端的位置变得尤为重要。依靠传统的卫星定位技术很难满足定位的需求，这就需要利用室内的无线信号，完成定位信息的获取。

现有的室内定位技术主要包括Bluetooth技术、ZigBee定位技术、RFID技术、以及WiFi技术等。在上述室内定位技术中，Bluetooth技术所需设备体积小，但是它具有传输距离短；RFID技术定位精度高，但是容易受到干扰的影响，ZigBee定位与WiFi定位技术相似，覆盖范围比较大。这些定位技术都是利用无线信号的强度信息，寻找位置与信号强度的表达式。但是在应用时，都是利用单一的网络制式进行定位，很难综合各种无线定位技术的优点。

传统的无线室内定位算法主要包括：K近邻法和SVM算法等传统的机器学习算法。这些传统的算法具有复杂度低，运行速度快，易于实现等优点。但随着无线网路的增多，收集到的无线信号强度信息也在增大，这将会导致室内定位延时增加，影响室内定位的效果。

例如，一种在中国专利文献上公开的“基于室内RFID、室外GPS定位的监控通信系统”，其公告号CN103630922A，包括定位监控通信系统和监控服务中心，所述定位监控通信系统包括GPS室外定位通信模块和RFID室内定位模块，所述RFID室内定位模块、GPS室外定位通信模块、监控服务中心依次连接，还包括不少于三个、设置于室内的不同地方的RFID室内定位标签。该方案无法结合多种定位技术的优点。

发明内容

本发明主要解决现有技术采用单一的网络制式进行定位，难以综合各种无线定位技术的优点的问题；提供一种基于机器学习的混合室内定位方法，利用多种无线网络制式的信号信息，在大规模数据下快速运行面向电力物联网的混合无线室内定位，综合各种无线定位技术的优点。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于机器学习的混合室内定位方法，包括：

A.离线网络训练阶段；