[发明专利]基于Boosting和样本差异的通用指纹定位方法及系统

权利要求书

1.一种基于Boosting和样本差异的通用指纹定位方法，其特征在于：在离线阶段，进行定位模型训练和定位场景下指纹库数据采集，

所述定位模型训练的实现方式为，在不限场景的多个已知点分别进行多次RSS信息采集，每次采集的数据作为一条样本；收集完RSS信息后，对所有样本进行配对，得到正样本对和负样本对；计算出相对特征来代表每个样本对中两个样本之间的差异，所述相对特征包括重合特征、排序特征、相似度特征和移位特征；将提取的相对特征作为分类器的输入，采用Boosting方式对分类器进行训练，得到二分类模型，二分类模型的输出是两个样本数据来源于同一点或相邻点的概率；所述RSS表示信号接收强度；

所述定位场景下指纹库数据采集的实现方式为，在定位场景内多个坐标已知的指纹点上采集无线信号数据，每个指纹点上采集的无线信号数据称为指纹信息，每个指纹点上采集的无线信号数据包括扫描到的AP名称和对应的信号强度；所述AP表示接入点；

在定位阶段，当某一时刻需定位时，通过扫描得到一组无线数据的观测列表，然后利用AP筛选相应指纹信息，根据筛选结果和观测列表计算相对特征，将所得特征向量输入到离线阶段已经训练好的定位模型中；定位模型输出每个特征向量的相应概率，最后概率最高的点为最终定位结果；所述根据筛选结果和观测列表计算相对特征，实现方式如下，

将实时扫描的信息经AP筛选、RSS归一化处理后结果和指纹库中筛出的内含实时定位扫描到的AP的指纹点信息通过比较、运算做出同离线训练时一样的特征向量，得到相对特征。

2.根据权利要求1所述基于Boosting和样本差异的通用指纹定位方法，其特征在于：所述相似度特征包括欧氏距离、余弦相似度、切比雪夫距离、皮尔逊系数、曼哈顿距离、点积比、归一化点积比和形态相似距离。

3.根据权利要求1所述基于Boosting和样本差异的通用指纹定位方法，其特征在于：所述移位特征包括位方差、位均差、交换差和交换距离差。

4.根据权利要求1所述基于Boosting和样本差异的通用指纹定位方法，其特征在于：对RSS信息采集结果进行归一化处理。

5.一种基于Boosting和样本差异的通用指纹定位系统，其特征在于：用于实现如权利要求1-4任一项所述的一种基于Boosting和样本差异的通用指纹定位方法。

6.根据权利要求5所述基于Boosting和样本差异的通用指纹定位系统，其特征在于：包括以下模块，

第一模块，用于在离线阶段进行定位模型训练，

所述定位模型训练的实现方式为，在不限场景的多个已知点分别进行多次RSS信息采集，每次采集的数据作为一条样本；收集完RSS信息后，对所有样本进行配对，得到正样本对和负样本对；计算出相对特征来代表每个样本对中两个样本之间的差异，所述相对特征包括重合特征、排序特征、相似度特征和移位特征；将提取的相对特征作为分类器的输入，采用Boosting方式对分类器进行训练，得到二分类模型，二分类模型的输出是两个样本数据来源于同一点或相邻点的概率；

第二模块，用于在离线阶段进行定位场景下指纹库数据采集；

所述定位场景下指纹库数据采集的实现方式为，在定位场景内多个坐标已知的指纹点上采集无线信号数据，每个指纹点上采集的无线信号数据称为指纹信息，每个指纹点上采集的无线信号数据包括扫描到的AP名称和对应的信号强度；

第三模块，用于在定位阶段，当某一时刻需定位时，通过扫描得到一组无线数据的观测列表，然后利用AP筛选相应指纹信息，根据筛选结果和观测列表计算相对特征，将所得特征向量输入到离线阶段已经训练好的定位模型中；定位模型输出每个特征向量的相应概率，最后概率最高的点为最终定位结果。

7.根据权利要求6所述基于Boosting和样本差异的通用指纹定位系统，其特征在于：包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如权利要求1-4任一项所述的一种基于Boosting和样本差异的通用指纹定位方法。

8.根据权利要求6所述基于Boosting和样本差异的通用指纹定位系统，其特征在于：包括可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序执行时，实现如权利要求1-4任一项所述的一种基于Boosting和样本差异的通用指纹定位方法。