[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

技術領域

本發明涉及無線局域網技術領域，尤其涉及一種WiFi定位方法及服務器及定位模型建立方法。

背景技術

目前在世界范圍內的定位技術主要有GPS定位、Wi-Fi定位、藍牙定位等，GPS定位主要應用于室外，Wi-Fi、藍牙定位既可用于室內，也可用于室外。由于Wi-Fi定位相對成熟，下面以Wi-Fi定位技術為背景來介紹本發明的具體內容。隨著無線路由器的普及，目前大部分公共區域都已經實現十幾個甚至幾十個WiFi信號覆蓋，而且這些路由器在向四周傳播WiFi信號的同時，也不停的發送其物理地址與信號強度等信息，只要在其信號覆蓋范圍內，即使不知道Wi-Fi的密碼，也同樣能獲得這些信息。

通用的WiFi室內定位技術大多是基于IEEE802.11b/g協議的無線局域網(WLAN)的信號強度定位技術。基于信號強度的定位技術基本原理是根據接收到的信號的強度推算信號接收器與信號源之間的距離，主要分成兩類：三角形強度算法以及位置指紋識別算法。其中三角形強度算法精度低，難以滿足室內定位要求；而普通指紋識別算法又存在接收設備不同而使得接收信號存在誤差的缺陷。

發明內容

為解決上述技術問題，本發明提供一種WiFi定位方法及服務器及定位模型建立方法，通過采集各個無線接入點對應的信號強度數據，實現基于深度神經網絡的WiFi定位。

本發明提供的技術方案如下：

本發明公開了一種WiFi定位方法，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。

進一步優選的，所述步驟S100之前還包括步驟：S000、預先訓練所述定位模型。

進一步優選的，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。

進一步優選的，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：

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。

本發明還公開了一種WiFi定位服務器，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。

進一步優選的，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。