[發(fā)明專利]基于大數(shù)據(jù)的無線實(shí)時(shí)位置定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410205616.2
• 申請(qǐng)日: 2014-05-15
• 公開（公告）號(hào): CN103945533A
• 公開（公告）日: 2014-07-23
• 發(fā)明（設(shè)計(jì)）人: 張偉;劉侃;田天;宮世杰
• 申請(qǐng)（專利權(quán)）人: 濟(jì)南嘉科電子技術(shù)有限公司
• 主分類號(hào): H04W64/00
• 分類號(hào): H04W64/00;G01S5/02
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 張勇

1.基于大數(shù)據(jù)的無線實(shí)時(shí)位置定位方法，其特征是，包括如下步驟：

首先，將被定位的檢測(cè)區(qū)域網(wǎng)格化，設(shè)置在檢測(cè)區(qū)域內(nèi)的無線路由器發(fā)射無線信號(hào)，在網(wǎng)格化后區(qū)域的每個(gè)方格內(nèi)用無線信號(hào)接收器多次采集無線路由器的無線信號(hào)的信息，將采集的無線信號(hào)信息組成大數(shù)據(jù)集無線信號(hào)指紋庫(kù)；

信號(hào)預(yù)處理：將大數(shù)據(jù)集無線指紋庫(kù)中的無線信號(hào)數(shù)據(jù)或者無線接收器所觀測(cè)到的信號(hào)向量進(jìn)行歸一化處理；

參數(shù)訓(xùn)練：采用受限玻爾茲曼機(jī)RBM訓(xùn)練和誤差反向傳播BP訓(xùn)練相結(jié)合的方式對(duì)深度神經(jīng)網(wǎng)絡(luò)DNN的參數(shù)進(jìn)行學(xué)習(xí)，訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)；

基于訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)DNN的信號(hào)特征提取和特征分類：所述特征提取是提取當(dāng)前時(shí)刻所觀測(cè)到的無線信號(hào)的特征，利用訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)DNN對(duì)歸一化處理后的輸入向量進(jìn)行非線性變換，將輸入向量投影到合適的空間；所述特征分類是將提取到的特征進(jìn)行分類，從而實(shí)現(xiàn)對(duì)當(dāng)前實(shí)際位置所對(duì)應(yīng)的方格進(jìn)行實(shí)時(shí)位置估計(jì)；

最后，基于隱馬爾科夫模型HMM的位置估計(jì)：利用所估計(jì)位置在時(shí)間上連續(xù)性，將深度神經(jīng)網(wǎng)絡(luò)DNN的多個(gè)輸出轉(zhuǎn)換為隱馬爾科夫序列，采用隱馬爾科夫模型HMM對(duì)隱馬爾科夫序列進(jìn)行實(shí)時(shí)位置估計(jì)，從而得到最佳的實(shí)時(shí)定位位置。

2.如權(quán)利要求1所述的基于大數(shù)據(jù)的無線實(shí)時(shí)位置定位方法，其特征是，所述無線信號(hào)信息包括無線信號(hào)自身的物理地址與無線信號(hào)強(qiáng)度信息。

3.如權(quán)利要求1所述的基于大數(shù)據(jù)的無線實(shí)時(shí)位置定位方法，其特征是，所述信號(hào)預(yù)處理的具體步驟為：輸入為一組無線信號(hào)向量，對(duì)該無線信號(hào)向量而言，每一個(gè)元素代表了一個(gè)無線信號(hào)發(fā)射器在同一觀測(cè)位置上的信號(hào)強(qiáng)度；對(duì)于每一個(gè)無線信號(hào)發(fā)射器而言，在由近及遠(yuǎn)的無線信號(hào)接收器上所觀測(cè)到的該發(fā)射器所發(fā)出的無線信號(hào)強(qiáng)度由-30向-100遞減；故采用公式v＝(R+100)/70將信號(hào)向量歸一化到[0?1]范圍內(nèi)；其中，R表示某觀測(cè)位置所觀測(cè)到各信號(hào)發(fā)射器所發(fā)出的信號(hào)強(qiáng)度組成的向量，v表示預(yù)處理后的結(jié)果，同時(shí)也是神經(jīng)網(wǎng)絡(luò)的輸入。

4.如權(quán)利要求1所述的基于大數(shù)據(jù)的無線實(shí)時(shí)位置定位方法，其特征是，所述特征提取的具體步驟為：采用深度神經(jīng)網(wǎng)絡(luò)DNN來提取特征向量，所述特征提取是由底層輸入層經(jīng)過中間隱藏層往最上層隱藏層傳遞的過程，層與層之間的傳遞包括線性變換公式(4)和非線性變換公式(5)：

θ＝Wv+b????(4)

h=11+e-θ---(5)]]>

其中，W為層間神經(jīng)元之間的權(quán)重系數(shù)，b為神經(jīng)元的偏置，θ為線性變換結(jié)果；h為神經(jīng)元被激活的概率，其值為θ的sigmoid函數(shù)。

5.如權(quán)利要求1所述的基于大數(shù)據(jù)的無線實(shí)時(shí)位置定位方法，其特征是，所述特征分類的具體步驟為：

引入分類器實(shí)現(xiàn)對(duì)輸入的無線信號(hào)向量的分類：將采集到的信號(hào)歸一化預(yù)處理后輸入DNN，通過底層輸入層傳遞到最上層隱藏層，提取得到信號(hào)的特征，再通過分類器在輸出層得到估計(jì)結(jié)果y_i，即輸入信號(hào)向量R的實(shí)際位置l位于各個(gè)方格l_i的概率P(l＝l_i|R)，從而實(shí)現(xiàn)對(duì)信號(hào)實(shí)際位置的預(yù)估計(jì)。