[发明专利]一种基于信号强度的深度学习回归融合定位方法

摘要

本发明提供一种基于信号强度的深度学习回归融合定位方法，涉及基于信号强度的定位方法领域。本发明包括如下步骤：步骤1，在待定位环境中建立指纹库；步骤2，对指纹库中的数据进行预处理；步骤3，将预处理后的数据输入自动编码模型中进行预训练；步骤4，在自动编码模型的基础上构建DNN模型，再对DNN模型进行训练；步骤5，构建CNN模型并将预处理后的数据输入CNN模型进行训练；步骤6，根据DS证据融合理论对DNN模型与CNN模型的输出概率值进行融合，计算预测结果；步骤7，根据模型估计结果与真实结果之间的误差值来调整DNN模型和CNN模型；步骤8，根据调整好的分类模型进行实时定位。本发明利用DNN和CNN的互补优势能全面地提取特征，提高了定位的准确度。

主权项

1.一种基于信号强度的深度学习回归融合定位方法，其特征在于，包括如下步骤：步骤1：在待定位环境中建立信号强度指纹库；步骤2：对指纹库中的数据进行预处理；步骤3：将预处理后的数据输入构建好的自动编码模型中，进行自动编码模型预训练；步骤4：基于训练好的自动编码模型构建DNN模型，再将步骤2得到的预处理后的数据输入DNN模型对DNN模型进行训练；步骤5：构建CNN模型，将步骤2中得到的预处理后的数据输入CNN模型中对CNN模型进行训练；步骤6：通过基于平均源的DS证据融合理论对DNN模型与CNN模型输出概率值进行融合，计算预测结果，并构建回归模型，预测结果为指纹库中格点坐标的加权和；步骤7：通过最小化代价函数来对模型进行参数优化：根据步骤6中的预测结果与真实结果之间的误差值来调整DNN模型参数和CNN模型参数；步骤8：根据步骤2‑7训练好的DNN和CNN融合模型进行实时定位；其中，步骤1‑步骤7为线下阶段，步骤8为线上阶段。