[發明專利]一種WiFi定位方法及服務器及定位模型建立方法

在審

• 申請號: 201611046238.3
• 申請日: 2016-11-22
• 公開（公告）號: CN106792769A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 王斌
• 申請（專利權）人: 上海斐訊數據通信技術有限公司
• 主分類號: H04W16/22
• 分類號: H04W16/22;H04W64/00
• 代理公司: 上海碩力知識產權代理事務所31251
• 代理人: 郭桂峰

1.一種WiFi定位方法，其特征在于，所述方法包括步驟：

S100、獲取檢測區域中各個無線接入點接收到待檢測客戶端發出的信號的信號強度數據；

S200、將步驟S100中獲取的所述信號強度數據輸入定位模型的輸入數據層；

S300、基于訓練后的定位模型的網絡層計算所述信號強度數據，在定位模型的輸出層輸出所述待檢測客戶端的預測位置坐標。

2.如權利要求1所述的基于深度神經網絡的WiFi定位方法，其特征在于，所述步驟S100之前還包括步驟：S000、預先訓練所述定位模型。

3.如權利要求2所述的基于深度神經網絡的WiFi定位方法，其特征在于，所述步驟S000進一步包括步驟：

S001、根據檢測區域建立平面直角坐標系，在所述平面直角坐標系中標出用于訓練的預設訓練位置坐標，X軸和Y軸的單位長度設為預設值；

S002、依次在所述預設訓練位置坐標上設置訓練終端，采集檢測區域內各個無線接入點接收到的每個所述預設訓練位置坐標上訓練終端發出的信號的信號強度數據；

S003、分別將每個預設訓練位置坐標以及采集的各個無線接入點接收到的所述預設訓練位置坐標上訓練終端發出的信號的信號強度數據作為一組訓練樣本數據，生成訓練數據集，并送入深度神經網絡中；

S004、依次將訓練數據集中的每一組訓練樣本數據中的信號強度數據輸入所述深度神經網絡的數據輸入層，經過所述深度神經網絡輸出相對應的訓練結果；

S005、依次將輸出的訓練結果與其對應的預設訓練位置坐標進行比較，根據比較結果對深度神經網絡進行訓練，將訓練后的深度神經網絡作為所述定位模型。

4.如權利要求3所述的WiFi定位方法，其特征在于，所述步驟S005進一步包括步驟：

按照下述公式分別將輸出的訓練結果與其對應的預設訓練位置坐標進行比較：

$\mathrm{\σ}=\sqrt{{(X_1-X_2)}^2+{(Y_1-Y_2)}^2}$

其中，σ表示輸出的訓練結果與其對應的預設訓練位置坐標的誤差；(X₁,Y₁)表示每次訓練輸出的訓練結果；(X₂,Y₂)表示對應的預設訓練位置坐標；

根據訓練數據集中的每一組訓練樣本數據對所述深度神經網絡進行訓練，使得每次訓練輸出的訓練結果與所述預設訓練位置坐標進行比較后的誤差σ收斂于預設范圍內。

5.一種WiFi定位服務器，其特征在于，包括：

數據采集模塊，用于獲取檢測區域中各個無線接入點接收到待檢測客戶端發出的信號的信號強度數據；

定位模塊，用于將采集到的所述信號強度數據輸入定位模型的輸入數據輸入層，基于定位模型的網絡層計算所述信號強度數據，在定位模型的輸出層輸出所述待檢測客戶端的預測位置坐標。

6.如權利要求5所述的WiFi定位服務器，其特征在于，還包括：

訓練模塊，用于預先訓練深度神經網絡，將訓練后的深度神經網絡作為所述定位模型。