[发明专利]基于改进LSSVR的室内指纹定位方法

权利要求书

1.基于改进LSSVR的室内指纹定位方法，其特征在于，所述方法包含离线训练阶段和在线匹配阶段；

所述离线训练的步骤为：

S1-1、在待定位区域按照一定的间隔放置若干参考点；

S1-2、在每个参考点采集来自全部AP点的信号强度作为当前参考点的位置指纹数据，用于构建无线电地图；

S1-3、通过KPCA算法进行数据的预处理，提取出RSSI样本的定位特征，构建指纹数据库；

S1-4、将参考点的位置和相应的定位特征作为训练样本对，利用LSSVR算法进行训练，同时利用SAPSO算法对LSSVR的参数进行优化，得到最终的LSSVR模型；

所述在线匹配的步骤为：在待定位目标点采集来自全部AP点的信号强度，利用建立好的LSSVR模型对提取后的定位特征进行位置估计。

2.根据权利要求1所述的基于改进LSSVR的室内指纹定位方法，其特征在于，所述S1-2所述的在每个参考点采集来自全部AP点的信号强度作为当前参考点的位置指纹数据具体步骤为：

在定位区域布设N个参考节点，每个参考节点的物理位置为l_i(x_i,y_i)，在各个参考节点采集来自n个AP点的RSSI值，每个参考点都要进行多次采集取均值，将得到的RSSI均值作为当前参考节点l_i(x_i,y_i)的原始位置指纹信息，它是一个n维向量F_i＝(rss_i,1,rss_i,2,...,rss_i,n)^T，i∈(1,N)，其中rss_i,j为采集多次来自第j个AP点的RSSI的均值；将全部参考节点的原始位置指纹构成一个N×n维的原始位置指纹空间F＝(F₁,F₂,...,F_N)^T。

3.根据权利要求2所述的基于改进LSSVR的室内指纹定位方法，其特征在于，所述S1-3的具体步骤为：

将F作为输入通过KPCA算法提取原始位置指纹的特征，构建特征位置指纹空间F′＝(F₁′,F₂′,...,F′_N)^T，其中F_i′即为l_i(x_i,y_i)的特征指纹。

4.根据权利要求1所述的基于改进LSSVR的室内指纹定位方法，其特征在于，所述S1-4的具体步骤为：

S1-4-1、初始化LSSVR算法参数γ和σ，以及粒子的速度和位置，起始温度T₀，退火系数ξ；

S1-4-2、选择室内定位精度作为粒子群的适应度函数f(x)，并利用LSSVR模型计算初始适应度值f(x₀)；

S1-4-3、计算每个粒子的速度v和位置x，以及适应度差值Δf；

S1-4-4、计算当前温度T下各粒子接受新解的概率P并更新速度和位置；

S1-4-5、更新个体的全局极值p_best以及种群的全局极值g_best；

S1-4-6、退火，寻找下一个温度T′时的最优解；

S1-4-7、判断是否达到全局最优解，否则跳转至S1-4-3；

S1-4-8、根据S1-4-7输出的参数建立最优的LSSVR模型。