[发明专利]一种基于迁移学习的室内定位方法、装置、设备和介质

权利要求书

1.一种基于迁移学习的室内定位方法，其特征在于，应用于中心服务器，所述方法包括：

当接收到针对待定位终端的定位请求时，获取所述待定位终端所处空间的室内平面图以及所述定位请求所携带的定位指纹向量；

按照预定规格对所述室内平面图进行网格划分，得到室内网格图；

提取所述定位指纹向量的中间特征，构建特征输入矩阵；

将所述特征输入矩阵输入到预设的目标神经网络模型，生成所述定位指纹向量对应的位置概率向量；

根据所述室内网格图和所述位置概率向量，确定所述待定位终端的室内位置坐标。

2.根据权利要求1所述的方法，其特征在于，所述提取所述定位指纹向量的中间特征，构建特征输入矩阵的步骤，包括：

将所述定位指纹向量映射到频域并进行快速傅里叶逆变换，得到所述定位指纹向量在所述频域的时域特征；

采用所述定位指纹向量和所述时域特征，构建特征输入矩阵。

3.根据权利要求1所述的方法，其特征在于，所述将所述特征输入矩阵输入到预设的目标神经网络模型，生成所述定位指纹向量对应的位置概率向量的步骤，包括：

将所述特征输入矩阵输入到预设的目标神经网络模型；

通过所述目标神经网络模型内的降维层对所述特征输入矩阵进行降维，得到中间矩阵；

通过所述目标神经网络模型内的卷积层、池化层、全连接层和分类层依次处理所述中间矩阵，生成所述定位指纹向量对应的位置概率向量。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述室内网格图和所述位置概率向量，确定所述待定位终端的室内位置坐标的步骤，包括：

获取所述室内网格图所包含的全部网格区域的网格区域中心坐标；

采用全部所述网格区域中心坐标构建网格区域中心坐标向量；

分别计算所述网格区域中心坐标向量和所述位置概率向量在每个向量维度的向量乘积；

采用各个所述向量乘积的和值，确定所述待定位终端的室内位置坐标。

5.根据权利要求4所述的方法，其特征在于，所述中心服务器包括初始指纹向量库，所述方法还包括：

接收所述室内网格图内的多个预设终端上传的训练指纹向量；

按照所述室内网格图内包含的各个网格区域为检索区域，所述训练指纹向量为检索目标，检索当前时刻的所述初始指纹向量库；

根据检索结果更新所述初始指纹向量库，得到更新指纹向量库；

基于所述更新指纹向量库与所述初始指纹向量库之间的向量库距离，结合所述训练指纹向量构建预设的初始神经网络模型对应的损失函数；

通过最小化所述损失函数调整所述初始神经网络模型内的模型参数，生成目标神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述初始指纹向量库存有多个初始指纹向量；所述根据检索结果更新所述初始指纹向量库，得到更新指纹向量库的步骤，包括：

在所述初始指纹向量库内检索存在所述训练指纹向量的网格区域作为目标网格区域；

判断所述目标网格区域内的初始指纹向量是否与所述目标网格区域内的训练指纹向量相同；

若不同，则计算所述目标网格区域内的训练指纹向量的平均值，并采用所述平均值更新所述目标网格区域内的初始指纹向量；

若相同，则保存所述目标网格区域内的初始指纹向量；

当全部所述目标网格区域更新完成后，结合剩余的所述网格区域内的各个所述初始指纹向量，得到更新指纹向量库。