CN106793072A - 一种室内定位***快速搭建方法 - Google Patents

Abstract

本发明涉及一种室内定位***快速搭建方法，包括以下步骤：步骤a，设置目标室内定位空间基于WiFi信号强度数据的室内定位环境；步骤b，组建相似室内定位空间位置指纹库集；步骤c，在目标室内定位空间采集WiFi信号强度数据，构成目标室内定位空间位置指纹库；步骤d，采用迁移学习方法从相似室内定位空间的位置指纹库集的知识矩阵中确定最佳知识矩阵。采用本发明所述的室内定位***快速搭建方法在搭建过程中采用迁移学习的方法，减少了室内定位***的位置指纹采集量，大大降低了搭建室内定位***的时间周期和人力成本。同时在定位***搭建过程中，能持续增加有效的室内定位空间的位置指纹库数据量，不断提高新的室内定位***的搭建效率。

Description

一种室内定位***快速搭建方法

技术领域

本发明涉及室内定位***，特别是涉及一种室内定位***快速搭建的搭建方法。

背景技术

在现代定位技术中，室外定位技术完成使命之后的“最后一公里”导航衍生出了室内定位技术。现有的室内定位技术在城市居民生活中有着极大的现实需求，通常情况下采用基于WiFi信号强度的室内定位***，由于其具有较低的硬件成本，较高的定位精度等特点而受到了广泛的研究应用。然而，现有的基于WiFi信号强度的室内定位***在搭建过程中，需要花费大量的人力成本和时间成本用于采集位置指纹数据和构成目标定位空间的有效位置指纹库，这些问题很大程度限制了基于WiFi信号强度的室内定位***在实际应用中快速推广和大面积的使用。

发明内容

针对现有技术的不足，本发明提供了一种采用迁移学习技术对室内定位***进行快速搭建的搭建方法。

一种室内定位***快速搭建方法，包括以下步骤：

步骤a，设置目标室内定位空间基于WiFi信号强度数据的室内定位环境；

步骤b，组建相似室内定位空间位置指纹库集；

步骤c，在目标室内定位空间采集WiFi信号强度数据，构成目标室内定位空间位置指纹库；

步骤d，采用迁移学习方法从相似室内定位空间的位置指纹库集的知识矩阵中确定最佳知识矩阵。

优选的，在步骤a中，设置目标室内定位空间的定位环境的方法包括下列步骤：

步骤a1，将目标室内定位空间分割为N个信标区域；

步骤a2，在目标室内定位空间设置M个WiFi信号强度嗅探器；

在步骤b中，组建相似室内定位空间位置指纹库集的方法包括下列步骤：

步骤b1，将已知的室内定位空间的位置指纹库数据收集到源位置指纹库集；

步骤b2，从源位置指纹库集选出作为目标室内定位空间的相似室内定位空间的位置指纹库，并组建成相似室内定位空间位置指纹库集；

在步骤c中，从目标室内定位空间的每个信标区域L_i(1≤i≤N)采集WiFi信号强度数据，将数据处理后储存在数据库中，并使用一个多元组表示每一个数据单元，其表示方法如下：

(RSS₁，RSS₂，...，RSS_M，L_i)

每一个数据单元都表示信标区域L_i收集到的M个Wifi信号强度数据，其中RSS_j(1≤j≤M)表示第j个WiFi信号强度嗅探器接收到的WiFi信号强度数据；将目标室内定位空间的位置指纹表示为r^t＝{RSS₁，RSS₂，...，RSS_M}，并且一个信标区域能够对应多个位置指纹，设置R^t为r^t的集合，使得R^t为目标室内定位空间位置指纹库；

在步骤d中，确定最佳知识矩阵的方法包括下列步骤：

步骤d1，构建相似室内定位空间知识矩阵池；

步骤d2，从相似室内定位空间知识矩阵池中计算出适合目标室内定位空间的最佳知识矩阵。

优选的，在步骤b中，相似室内定位空间是与目标室内定位空间设置了相同数量WiFi信号强度嗅探器的室内定位空间；

在步骤c中，在目标室内定维空间内，从每个信标区域选取的WiFi信号强度数据采集点的数量为2个，使得一个信标区域能够对应2个位置指纹，在每个采集点采集WiFi信号强度数据所持续的时间为2分钟。

优选的，在步骤d1中，设置K为每个相似室内定位空间中WiFi信号强度分布的知识矩阵，并且设置P为知识矩阵K的集合，使得P为相似室内定位空间的知识矩阵池；对于每一个相似室内定位空间的WiFi信号强度数据，能够使用以下公式来计算一个知识矩阵：

公式中tr(·)表示求矩阵的迹，B的值设置为100，p的值设置为2， 其中R^s为该相似室内定位空间的位置指纹库，N为在该相似室内定位空间中收集的位置指纹数据的数量值；I为单位矩阵；Y为R^s中位置指纹与信标区域关系的核矩阵，Y(i，j)＝1表示R^s中对应的L_i相等，同时表示收集于同一信标区域，否则Y(i，j)＝-1；通过计算后能够得到K＝LL^T，其中L为知识矩阵K经过奇异值分解后处理得到的矩阵，Q为与一个目标室内定位空间相对应的相似室内定位空间的数量值，最后得到P＝{K₁，K₂，...，K_Q}；

在步骤d2中，设置K_t为目标室内定位空间所对应的最佳知识矩阵，从相似室内定位空间知识矩阵池P中计算出适合目标室内定位空间的最佳知识矩阵K_t的方法包括下列步骤：

步骤d21，计算每一个相似室内定位空间与目标室内定位空间的位置指纹库相似性，计算公式如下：

S_i＝-(c₁*MMD_i+c₂*Dif_i)

其中c₁，c₂∈(0，1)，并且c₁+c₂＝1，Dif_i设置为相似室内定位空间与目标室内定位空间信标区域数量的差值，MMD_i设置为相似室内定位空间与目标室内定位空间的位置指纹库的最大均值差异，最大均值差异的计算公式为：

其中R^s为相似室内定位空间所对应的位置指纹库，R^t为目标室内定位空间所对应的位置指纹库，位置指纹其中N_s，N_t为R^s，R^t的列数，表示位置指纹的数量；

步骤d22，计算最佳知识矩阵K_t的方法如下：

计算每一个相似室内定位空间与目标室内定位空间的位置指纹库关联度，计算公式如下：

其中知识矩阵K_i∈P，Y^t为R^t中位置指纹与信标区域关系的核矩阵，Y^t(i，j)＝1表示R^t中对应的L_i相等，同时表示收集于同一信标区域，否则Y^t(i，j)＝-1；其中使得关联度Degree_i取最大值时的知识矩阵K_i就为最佳知识矩阵K_t。

优选的，与一个目标室内定位空间对应的相似室内定位空间的数量Q的值为10。

优选的，在步骤d21中，设置c₁＝0.8，c₂＝0.2。

优选的，在步骤a1中，将目标室内定位空间分割为N个均匀分布的信标区域。

优选的，WiFi信号强度嗅探器为无线路由器。

采用本发明所述的室内定位***快速搭建方法，减少了基于WIFI信号强度的室内定位***的离线指纹数据的采集量，在***搭建过程中采用迁移学习的方法，大大降低了搭建室内定位***的时间周期和人力成本。同时在定位***搭建过程中，能持续增加有效的室内定位空间的位置指纹库数据量，不断提高新的室内定位***的搭建效率。

附图说明

图1为本发明实施例的流程示意图。

具体实施方式

本发明所涉及的室内定位***包括了WiFi信号强度嗅探器、无线设备以及后台服务器。在定位过程中首先设置WiFi信号强度嗅探器处于Monitor运行模式，无线设备主动发送无线数据链路帧，然后由WiFi信号强度嗅探器捕获所述无线数据链路帧，并解析获取的无线数据链路帧中包含的无线设备信号强度数据以及无线设备的MAC地址相关数据，最后由WiFi信号强度嗅探器将获取的数据附上自己的MAC地址数据后发送到后台服务器进行处理，完成对无线设备的室内定位工作。通常在定位***开始正常工作之前，需要对整个室内定位环境的位置指纹数据进行采集处理，其中位置指纹数据包含了定位空间中某一点位置的WiFi信号强度数据，为了提高定位精度，普通的方法往往采取增加WiFi信号强度采集点数量的方式，而对该数据进行大量逐点采集及处理数据的工作量非常大，人力成本高，周期长。本发明在室内定位***的搭建过程中采用迁移学习的方法对只有少量采集点的目标室内定位空间的位置指纹数据进行辅助处理，能快速有效的完成定位***的搭建，实现对无线设备的室内定位工作。

其中无线设备包括那些能通过WiFi无线局域网连接到网络的所有设备，如智能手机、笔记本电脑、智能手环或者数码相机等设备；而WiFi信号强度嗅探器包括所有能运行在Monitor运行模式下的网络设备，运行在该模式下的网络设备能捕获无线数据链路帧，而市面上大多数无线路由器都能在Monitor模式下运行。现通过具体实施例对本发明所述的一种室内定位***快速搭建方法进行详细说明如下：

实施例：

由图1所示，一种基于WiFi信号强度的室内定位***快速搭建方法，具体方法包括了下列步骤：

步骤a，设置目标室内定位空间基于WiFi信号强度数据的室内定位环境，具体方法包括下列步骤：

步骤a1，将目标室内定位空间分割为N个均匀分布的信标区域，其中每个信标区域设置为面积为4×4m²的正方形区域；

步骤a2，在目标室内定位空间设置M个WiFi信号强度嗅探器，这里采用无线路由器作为WiFi信号强度嗅探器，并设置无线路由器处于Monitor运行模式，使其能捕获无线数据链路帧的相关数据。

步骤b，组建相似室内定位空间位置指纹库集。为了能够快速搭建目标室内定位空间的位置指纹库，利用能够相似室内定位空间的位置指纹库来改善目标室内定位空间位置指纹库的定位效果。其中相似室内定位空间是指与目标室内定位空间铺设了相同数量WiFi信号强度嗅探器的室内定位空间。组建相似室内定位空间位置指纹库集的方法包括下列步骤：

步骤b1，将已知的室内定位空间的位置指纹库数据收集到源位置指纹库集；

步骤b2，从源位置指纹库集选择出作为目标室内定位空间的相似室内定位空间的位置指纹库，并组建成相似室内定位空间位置指纹库集。

步骤c，在目标室内定位空间采集WiFi信号强度数据，构成目标室内定位空间位置指纹库，具体方法为：

从目标室内定位空间的每个信标区域L_i(1≤i≤N)采集WiFi信号强度数据，将数据处理后储存在数据库中，并使用一个多元组表示每一个数据单元，如下所示：

(RSS₁，RSS₂，...，RSS_M，L_i)

每一个数据单元都表示信标区域L_i收集到的M个Wifi信号强度数据，其中RSS_j(1≤j≤M)表示第j个WiFi信号强度嗅探器的接收到的WiFi信号强度数据，单位为dbM；将目标室内定位空间的位置指纹表示为r^t＝{RSS₁，RSS₂，...，RSS_M}，并且一个信标区域能够对应多个位置指纹，设置R^t为r^t的集合，使得R^t为目标室内定位空间的位置指纹库。

为了减少WiFi信号强度嗅探器在目标室内定位空间内采集WiFi信号强度数据的时间，从每个信标区域选取的WiFi信号强度数据采集点的数量为2个，使得一个信标区域能够对应2个位置指纹，在每个采集点采集WiFi信号强度数据所持续的时间为2分钟；若要提高采集精度，将每个信标区域选取的WiFi信号强度数据采集点的数量设置为4个，此时一个信标区域能够对应4个位置指纹。

步骤d，采用迁移学习方法从相似室内定位空间的位置指纹库集的知识矩阵中确定最佳知识矩阵，改善目标室内定位空间定位效果，用以辅助定位***完成定位工作；

对于相似室内定位空间的位置指纹库集，***采用迁移学习方法来学习每个相似室内定位空间的WiFi信号强度的分布知识，并为目标室内定位空间选择最佳的分布知识来改善定位效果，确定最佳知识矩阵的方法包括下列步骤：

步骤d1，构建相似室内定位空间知识矩阵池，具体方法如下：

设置K为每个相似室内定位空间中WiFi信号强度分布的知识矩阵，设置P为相似室内定位空间知识矩阵池，并且P为知识矩阵K的集合；设置Q为与一个目标室内定位空间对应的相似室内定位空间的数量值；对于每一个相似室内定位空间的WiFi信号强度数据，能够使用以下公式来计算一个知识矩阵：

公式中tr(·)表示求矩阵的迹，B和p是两个预设的常量，将B设为100，p设为2，其中R^s为该相似室内定位空间的位置指纹库，表示在该相似室内定位空间的一个信标区域内收集到的位置指纹数据，N为在该相似室内定位空间中收集的位置指纹数据的数量值。Y为R^s中位置指纹与信标区域关系的核矩阵，Y(i，j)＝1表示R^s中对应的L_i相等，同时表示收集于同一信标区域，否则Y(i，j)＝-1。I为单位矩阵。

A为对称矩阵，所以能够使用特征分解将A表示为A＝Vdiag(δ)V^T，其中V是A的特征向量，δ是A的特征系数。因此能够得到A₊＝Vdiag(δ₊)V^T，其中δ₊是A中δ对应的非负向量，δ₊[i]＝max(0，δ[i])。

因为能够证明K是一个M×M的半正定矩阵，所以K能够用奇异值分解(SVD)表示为：K＝LL^T，其中L为知识矩阵K经过奇异值分解后处理得到的矩阵。

进一步地，按照以下公式能够计算相似室内定位空间的位置指纹库R中的两组位置指纹r_i，r_j之间的差异值数据d_K：

所以对于Q个与目标室内定位空间相对应的相似室内定位空间，能够计算得到Q个不同的知识矩阵K，组成一个待选的相似室内定位空间的知识矩阵池P：

P＝{K₁，K₂，...，K_Q}

这里设置Q的值为10，即有10个与目标室内定位空间相对应的相似室内定位空间。

步骤d2，从相似室内定位空间知识矩阵池中计算出适合目标室内定位空间的最佳知识矩阵。

设置K_t为目标室内定位空间所对应的最佳知识矩阵，从相似室内定位空间知识矩阵池P中计算出适合目标室内定位空间的最佳知识矩阵K_t的方法包括下列步骤：

步骤d21，计算每一个相似室内定位空间与目标室内定位空间的位置指纹库相似性，计算公式如下：

S_i＝-(c₁*MMD_i+c₂*Dif_i)

其中c₁，c₂∈(0，1)，并且c₁+c₂＝1，这里设置c₁＝0.8，c₂＝0.2。Dif_i设置为相似室内定位空间与目标室内定位空间信标区域数量的差值，MMD_i设置为相似室内定位空间与目标室内定位空间的位置指纹库的最大均值差异，其计算公式为：

其中R^s为相似室内定位空间所对应的位置指纹库，R^t为目标室内定位空间所对应的位置指纹库，位置指纹其中N_s，N_t为R^s，R^t的列数，表示位置指纹的数量。

步骤d22，计算最佳知识矩阵的方法如下：

计算每一个相似室内定位空间与目标室内定位空间的位置指纹库关联度，计算公式如下：

其中知识矩阵K_i∈P，Y^t为R^t中位置指纹与信标区域关系的核矩阵，Y^t(i，j)＝1表示R^t中对应的L_i相等，同时表示收集于同一信标区域，否则Y^t(i，j)＝-1。其中使得关联度Degree_i取最大值时的知识矩阵K_i就为最佳知识矩阵K_t。

完成步骤d以后，就能使用步骤d中确定的最佳知识矩阵K_t指导完成目标室内定位空间的定位***指纹库搭建，并辅助***完成室内定位的工作，具体的方法如下：

设置r_t为实时获取的目标室内定位空间的一个位置指纹，设置为实时位置指纹r_t与目标室内定位空间位置指纹库中位置指纹的差异值数据，利用KNN算法，通过比较实时位置指纹r_t与目标室内定位空间位置指纹库中位置指纹的差异设置使得最小的位置指纹所对应的信标区域为预测区域L_t，的计算公式如下：

其中能够使用奇异值分解得到L_t。同时，定位***采用KNN算法来进行实时定位的计算，并将最近邻权数k设为1。

在定位***运行过程中，将获得的新指纹数据组成测试数据指纹库，当基于测试数据指纹库的定位***的定位准确率参数达到表示高定位精度的设定值时，能够将测试数据指纹库加入源位置指纹数据库集。

使用本发明所述的室内定位***快速搭建方法，减少了基于WIFI信号强度的室内定位***的离线指纹数据的人工采集量，在***搭建过程中采用迁移学习的方法，大大降低了搭建室内定位***的时间周期和人力成本。同时在定位***搭建过程中，能持续增加有效的室内定位空间的位置指纹库数据量，不断增加源位置指纹数据库集中的指纹数据，提高新的室内定位***的搭建效率。

本发明的上述实施例仅仅是为说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化和变动。这里无法所有的实施方式予以穷举。凡是属于本发明的技术方案所引申出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (8)

1.一种室内定位***快速搭建方法，其特征在于，包括以下步骤：

步骤a，设置目标室内定位空间基于WiFi信号强度数据的室内定位环境；

步骤b，组建相似室内定位空间位置指纹库集；

步骤c，在目标室内定位空间采集WiFi信号强度数据，构成目标室内定位空间位置指纹库；

步骤d，采用迁移学习方法从相似室内定位空间的位置指纹库集的知识矩阵中确定最佳知识矩阵。

2.根据权利要求1所述的一种室内定位***快速搭建方法，其特征在于，在步骤a中，设置目标室内定位空间的定位环境的方法包括下列步骤：

步骤a1，将目标室内定位空间分割为N个信标区域；

步骤a2，在目标室内定位空间设置M个WiFi信号强度嗅探器；

在步骤b中，组建相似室内定位空间位置指纹库集的方法包括下列步骤：

步骤b1，将已知的室内定位空间的位置指纹库数据收集到源位置指纹库集；

步骤b2，从源位置指纹库集选出作为目标室内定位空间的相似室内定位空间的位置指纹库，并组建成相似室内定位空间位置指纹库集；

在步骤c中，从目标室内定位空间的每个信标区域L_i(1≤i≤N)采集WiFi信号强度数据，将数据处理后储存在数据库中，并使用一个多元组表示每一个数据单元，其表示方法如下：

(RSS₁，RSS₂，...，RSS_M，L_i)

每一个数据单元都表示信标区域L_i收集到的M个Wifi信号强度数据，其中RSS_j(1≤j≤M)表示第j个WiFi信号强度嗅探器接收到的WiFi信号强度数据；将目标室内定位空间的位置指纹表示为r^t＝{RSS₁，RSS₂，...，RSS_M}，并且一个信标区域能够对应多个位置指纹，设置R^t为r^t的集合，使得R^t为目标室内定位空间位置指纹库；

在步骤d中，确定最佳知识矩阵的方法包括下列步骤：

步骤d1，构建相似室内定位空间知识矩阵池；

步骤d2，从相似室内定位空间知识矩阵池中计算出适合目标室内定位空间的最佳知识矩阵。

3.根据权利要求2所述的一种室内定位***快速搭建方法，其特征在于，在步骤b中，相似室内定位空间是与目标室内定位空间设置了相同数量WiFi信号强度嗅探器的室内定位空间；

在步骤c中，在目标室内定位空间内，从每个信标区域选取的WiFi信号强度数据采集点的数量为2个，使得一个信标区域能够对应2个位置指纹，在每个采集点采集WiFi信号强度数据所持续的时间为2分钟。

4.根据权利要求2或3中任一项所述的一种室内定位***快速搭建方法，其特征在于，在步骤d1中，设置K为每个相似室内定位空间中WiFi信号强度分布的知识矩阵，并且设置P为知识矩阵K的集合，使得P为相似室内定位空间的知识矩阵池；对于每一个相似室内定位空间的WiFi信号强度数据，能够使用以下公式来计算一个知识矩阵：

$K={\left(\frac{B}{tr\left(A_{+}^{\frac{p}{p-1}}\right)}\right)}^{\frac{1}{p}}{A}_{+}^{\frac{1}{p-1}},$

公式中tr(·)表示求矩阵的迹，B的值设置为100，p的值设置为2，其中R^s为该相似室内定位空间的位置指纹库，N为在该相似室内定位空间中收集的位置指纹数据的数量值；I为单位矩阵：Y为R^s中位置指纹与信标区域关系的核矩阵，Y(i，j)＝1表示R^s中对应的L_i相等，同时表示收集于同一信标区域，否则Y(i，j)＝-1；通过计算后能够得到K＝LL^T，其中L为知识矩阵K经过奇异值分解后处理得到的矩阵，Q为与一个目标室内定位空间相对应的相似室内定位空间的数量值，最后得到P＝{K₁，K₂，...，K_Q}；

在步骤d2中，设置K_t为目标室内定位空间所对应的最佳知识矩阵，从相似室内定位空间知识矩阵池P中计算出适合目标室内定位空间的最佳知识矩阵K_t的方法包括下列步骤：

步骤d21，计算每一个相似室内定位空间与目标室内定位空间的位置指纹库相似性，计算公式如下：

S_i＝-(c₁*MMD_i+c₂*Dif_i)

其中c₁，c₂∈(0，1)，并且c₁+c₂＝1，Dif_i设置为相似室内定位空间与目标室内定位空间信标区域数量的差值，MMD_i设置为相似室内定位空间与目标室内定位空间的位置指纹库的最大均值差异，最大均值差异的计算公式为：

$MMD(R^s,R^t)=\left|\right|\frac{1}{N_s}\underset{j=1}{\overset{N_s}{\Σ}}{r}_j^s-\frac{1}{N_t}\underset{j=1}{\overset{N_t}{\Σ}}{r}_j^t\left|\right|$

其中R^s为相似室内定位空间所对应的位置指纹库，R^t为目标室内定位空间所对应的位置指纹库，位置指纹其中N_s，N_t为R^s，R^t的列数，表示位置指纹的数量；

步骤d22，计算最佳知识矩阵K_t的方法如下：

计算每一个相似室内定位空间与目标室内定位空间的位置指纹库关联度，计算公式如下：

${\mathrm{Degree}}_i=tr\left({\mathrm{HR}}^{t^T}{K}_i{R}^t{\mathrm{HY}}^t\right)+S_i$

其中知识矩阵K_i∈P，Y^t为R^t中位置指纹与信标区域关系的核矩阵，Y^t(i，j)＝1表示R^t中对应的L_i相等，同时表示收集于同一信标区域，否则Y^t(i，j)＝-1；其中使得关联度Degree_i取最大值时的知识矩阵K_i就为最佳知识矩阵K_t。

5.根据权利要求4所述的一种室内定位***快速搭建方法，其特征在于，与一个目标室内定位空间对应的相似室内定位空间的数量Q的值为10。

6.根据权利要求5所述的一种室内定位***快速搭建方法，其特征在于，在步骤d21中，设置c₁＝0.8，c₂＝0.2。

7.根据权利要求6所述的一种室内定位***快速搭建方法，其特征在于，在步骤a1中，将目标室内定位空间分割为N个均匀分布的信标区域。

8.根据权利要求7所述的一种室内定位***快速搭建方法，其特征在于，WiFi信号强度嗅探器为无线路由器。