[发明专利]一种室内定位模型建立方法及室内定位方法

权利要求书

1.一种室内定位模型建立方法，其特征在于，包括：

将室内区域划分为多个栅格，并将各众包样本分配到距离最近的栅格；众包样本S^k由采集位置坐标l^k＝(x^k,y^k)和在位置I^k处接收到的RSS向量构成，k表示众包样本编号，N表示信号源总数；

对于每一个栅格Gⁱ，计算其众包样本的RSS向量均值，作为栅格Gⁱ的指纹i表示栅格编号；

对于每一个众包样本S^k，计算各栅格的指纹与RSS向量f^k的距离，得到信号空间距离矩阵并计算各栅格中心与位置l^k的距离，得到物理空间距离矩阵/由信号空间距离矩阵/物理空间距离矩阵/以及位置l^k构成一条训练集样本；

建立暹罗神经网络；所述暹罗神经网络包括：用于提取信号空间距离矩阵的特征V^sig的第一特征提取模块，用于提取物理空间距离矩阵的特征V^phy的第二特征提取模块，以及用于根据特征V^sig预测位置的定位模块；

以信号空间距离矩阵和物理空间距离矩阵作为输入，以位置为标签，以Loss＝αLossA+(1-α)LossF为损失函数，利用所有训练集样本训练所述暹罗神经网络，训练结束后，由第一特征提取模块和定位模块构成室内定位模型；Loss为总的损失，LossA为预测的位置与实际位置之间的差异，LossF为特征V^sig与特征V^phy之间的差异；α表示平衡系数，且0α1。

2.如权利要求1所述的室内定位模型建立方法，其特征在于，计算栅格Gⁱ的指纹Fⁱ时，若栅格Gⁱ的所有众包样本均未接收到某个信号源的信号，则将栅格Gⁱ的指纹Fⁱ中来自该信号源的RSS值设置为极小值MIN；MIN小于可接收到的信号强度的最小值；

并且，在计算众包样本S^k的信号空间距离矩阵之前还包括：将RSS向量f^k中未接收到的信号源的RSS值设置为极小值MIN。

3.如权利要求2所述的室内定位模型建立方法，其特征在于，MIN＝-100dBm。

4.如权利要求3所述的室内定位模型建立方法，其特征在于，在计算众包样本对应的信号空间距离矩阵时，还包括：若某个栅格没有指纹，则将该栅格对应的信号空间距离设为极大值MAX；MAX大于所有众包样本与当前栅格指纹距离的最大值。

5.如权利要求1～4任一项所述的室内定位模型建立方法，其特征在于，所述定位模块根据特征V^sig预测位置时，采用回归的方法。

6.如权利要求1～4任一项所述的室内定位模型建立方法，其特征在于，第一特征提取模块和第二特征提取模块结构相同；所述第一特征提取模块包括依次连接的：

第一卷积层，其包括16个尺寸为5×5的卷积核；

第一最大池化层，池化大小为2×2，池化步长为(2,2)；

第二卷积层，其包括32个尺寸为5×5的卷积核；

第二最大池化层，池化大小为2×2，池化步长为(2,2)；

第一全连接层；

以及第二全连接层。