[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

说明书

本发明公开了一种基于迁移学习的室内定位方法、装置、设备和介质，应用于中心服务器，方法包括：当接收到针对待定位终端的定位请求时，获取待定位终端所处空间的室内平面图以及定位请求所携带的定位指纹向量；按照预定规格对室内平面图进行网格划分，得到室内网格图；提取定位指纹向量的中间特征，构建特征输入矩阵；将特征输入矩阵输入到预设的目标神经网络模型，生成定位指纹向量对应的位置概率向量；根据室内网格图和位置概率向量，确定待定位终端的室内位置坐标，从而更为精确地确定待定位终端的室内位置坐标。

技术领域

本发明涉及室内定位技术领域，尤其涉及一种基于迁移学习的室内定位方法、装置、设备和介质。

背景技术

随着科技的发展，人们通过手机、平板电脑和笔记本电脑等便携式设备获取自身位置信息的需求越来越多，进而出现了各种各样的定位方式，例如全球定位系统(GlobalPositioning System，通常简称GPS)、北斗系统等。

然而随着城市的发展，建筑的规模越来越大，人们对室内定位的需求越来越大，但上述的定位技术主要适用于室外空旷位置，利用同步卫星建立的定位系统进行定位，而室内接收卫星信号的能力较差，难以使用卫星定位系统进行精确室内定位。

为此，现有的室内定位方式通常是通过Wi-Fi、蓝牙、UWB、RFID、红外线、RFID、ZigBee、超声波、移动通讯网络、地磁以及指纹定位等实现，但上述室内定位方式通常是基于离线建立的无线电地图进行在线定位，但由于其无线电信号强度容易受到温度、湿度、人为走动、室内摆设移动等环境变化的影响，导致室内定位精度下降。

发明内容

本发明提供了一种基于迁移学习的室内定位方法、装置、设备和介质，解决了现有的室内定位方法由于其信号强度容易受到温度、湿度、人为走动、室内摆设移动等环境变化的影响，导致室内定位精度下降的技术问题。

本发明第一方面提供的一种基于迁移学习的室内定位方法，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。

可选地，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。

可选地，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。

可选地，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；