[發(fā)明專利]基于堆疊受限玻爾茲曼機(jī)和隨機(jī)森林算法的室內(nèi)定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710464400.1
• 申請(qǐng)日: 2017-06-19
• 公開（公告）號(hào): CN107817466B
• 公開（公告）日: 2021-02-19
• 發(fā)明（設(shè)計(jì)）人: 王楷;熊慶宇;余星;姚政;孫國(guó)坦;馬龍昆
• 申請(qǐng)（專利權(quán)）人: 重慶大學(xué)
• 主分類號(hào): G01S5/02
• 分類號(hào): G01S5/02;G01S5/10
• 代理公司: 重慶大學(xué)專利中心 50201
• 代理人: 王翔

1.一種基于堆疊受限玻爾茲曼機(jī)和隨機(jī)森林算法的室內(nèi)定位方法，其特征在于：

通過(guò)步驟1)～4)獲得基于WLAN信號(hào)強(qiáng)度的室內(nèi)定位模型：

1)在室內(nèi)定位運(yùn)用場(chǎng)景中，布置M個(gè)參考節(jié)點(diǎn)(Reference Point，RP)和N個(gè)接入節(jié)點(diǎn)(Access Point，AP)，在Q個(gè)時(shí)刻，獲取每個(gè)參考節(jié)點(diǎn)所接收到的接入節(jié)點(diǎn)的信號(hào)強(qiáng)度數(shù)據(jù)，形成數(shù)據(jù)樣本集C＝{C₁、C₂、......C_Q}，

其中：為第m個(gè)參考節(jié)點(diǎn)在第q個(gè)時(shí)刻，所檢測(cè)到的第n個(gè)接入節(jié)點(diǎn)的信號(hào)強(qiáng)度數(shù)據(jù)，q＝1、2......Q、n＝1、2……N，m＝1、2、……M；

2)將步驟1)獲取的數(shù)據(jù)樣本集C進(jìn)行歸一化處理，得到數(shù)據(jù)C^*,

3)深度特征提取：

基于受限玻爾茲曼機(jī)算法構(gòu)建一個(gè)含有多個(gè)隱藏層的深度特征學(xué)習(xí)模型，預(yù)訓(xùn)練數(shù)據(jù)C^*；深度學(xué)習(xí)網(wǎng)絡(luò)每一層的權(quán)重分別為W₁、W₂…W_f，特征集為hf；

4)將深度學(xué)習(xí)提取到的特征集hf作為定位輸入數(shù)據(jù)集，利用隨機(jī)森林算法進(jìn)行訓(xùn)練建模，得到隨機(jī)森林模型,

定位時(shí)，通過(guò)步驟A)～D)，獲得待定位點(diǎn)的位置信息：

A)采用與步驟1)相同的方法，記錄室內(nèi)定位場(chǎng)景中的某個(gè)待定位點(diǎn)在當(dāng)前時(shí)刻所能接收到的接入節(jié)點(diǎn)的信號(hào)強(qiáng)度數(shù)據(jù)，并保存到向量E中，E＝[a₁a₂a₃...a_N]；a_n為某個(gè)待定位點(diǎn)處檢測(cè)到的第n個(gè)接入節(jié)點(diǎn)的信號(hào)強(qiáng)度數(shù)據(jù)，n＝1、2……N；

B)采用與步驟2)相同的歸一化方法和規(guī)則，將向量E歸一化處理，得到向量F；

C)設(shè)定堆疊受限玻爾茲曼機(jī)網(wǎng)絡(luò)的層數(shù)為f+1層，每層的權(quán)重采用步驟3)所得到的權(quán)重W₁，W₂…W_f，再將處理后的向量F作為神經(jīng)網(wǎng)絡(luò)的輸入，得到輸出結(jié)果U^(f),

D)將步驟C)得到的數(shù)據(jù)集U^(f)作為輸入，代入由步驟4)所訓(xùn)練得到的隨機(jī)森林模型中，其輸出值對(duì)應(yīng)到步驟1)中所設(shè)置的N個(gè)參考節(jié)點(diǎn)之一。