[發明專利]一種基于歷史數據和增量的指紋庫的更新方法及裝置

有效

• 申請號: 201810841196.5
• 申請日: 2018-07-27
• 公開（公告）號: CN108984785B
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 牛曉光;王安康;張淳;王嘉偉;王震;楊青虎
• 申請（專利權）人: 武漢大學
• 主分類號: G06F16/23
• 分類號: G06F16/23;G06F16/2458
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 羅飛

1.一種基于歷史數據和增量的指紋庫的更新方法，其特征在于，包括：

步驟S1：獲取歷史WiFi指紋數據，將所述歷史WiFi指紋數據合成為第一WiFi指紋序列，并提取所述第一WiFi指紋序列中的時間特征、空間特征和RSS特征；

步驟S2：基于預設聚類算法所述歷史WiFi指紋數據依次按照所述時間特征、所述空間特征、所述RSS特征進行聚類，獲得聚類結果，其中，所述歷史WiFi指紋數據為同一封閉區域內的指紋數據，預設聚類算法為基于密度的噪聲應用空間聚類算法；

步驟S3：獲取當前WiFi指紋數據，對所述當前WiFi指紋數據，基于所述聚類結果對所述歷史WiFi指紋數據進行匹配，獲得第一候選類，其中，當所述第一候選類的覆蓋范圍在空間上存在重疊時，則利用主動探針在沒有新數據的重疊區域中采集探針數據，并計算所述探針數據與第一候選類中位于重疊區域的數據的RSS特征距離，再根據所述RSS特征距離對所述第一候選類進行篩選，獲得篩選后的第二候選類；

步驟S4：為所述探針數據、所述當前WiFi指紋數據和所述歷史WiFi指紋數據設置置信度矩陣K＝[K₁,K₂,…,K_n]，其中，所述探針數據的置信度K_z＝1，當前WiFi指紋數據的置信度K_b＝0.8，歷史WiFi指紋數據置信度為K_L，其中，K_L＝c/t，t為歷史WiFi指紋數據與當前WiFi指紋數據的RSS特征與位置特征的最小距離，c為預設恒定常數，且K_LK_b；n為三種類型數據的總數目；

步驟S5：在無人環境下采集當前地圖的第一完整指紋庫，并為每個無線訪問節點設置OS-ELM網絡模型，對所述OS-ELM網絡模型進行初次訓練，獲得初始網絡模型；

步驟S6：基于所述第二候選類、所述置信度矩陣K，對所述初始網絡模型進行增量更新，獲得更新后的網絡模型，并基于所述更新后的網絡模型對所述第一完整指紋庫進行更新，獲得更新后的第二完整指紋庫。

2.如權利要求1所述的方法，其特征在于，步驟S1具體包括：

步驟S1.1：收集眾包用戶設備采集的WiFi指紋數據，將其作為所述歷史WiFi指紋數據，其中所述歷史WiFi指紋數據包含RSS定位結果與采集時間；

步驟S1.2：根據所述采集時間將所述歷史WiFi指紋數據合成為第一WiFi指紋序列；

步驟S1.3：根據所述RSS定位結果對所述第一WiFi指紋序列進行劃分，并挑選出符合預設條件的無線訪問節點；

步驟S1.4：從所述第一WIFI指紋序列中提取出所述RSS特征、所述時間特征以及所述位置特征。

3.如權利要求1所述的方法，其特征在于，步驟S2具體包括：

S2.1：根據所述時間特征進行一次聚類，獲得一次聚類后的簇；

步驟S2.1.1：獲得預設封閉區域的掃描半徑eps和最小包含點數minPts；

步驟S2.1.2：任選一個未被訪問的點作為當前點，找出與其距離在eps之內的所有附近點；

步驟S2.1.3：如果附近點的數量≥minPts，則當前點與其附近點形成一個簇，并且將所述當前點標記為已訪問，然后執行步驟2.4；如果附近點的數量minPts，則將所述當前點標記作為噪聲點；

步驟S2.1.4：遞歸執行步驟S2.1.3，以與步驟S2.1.3相同的方法處理該簇內所有未被標記為已訪問的點，從而對簇進行擴展；

步驟S2.1.5：循環執行步驟S2.1.2-S2.1.4，用同樣的方法處理未被訪問的點，直到所述預設封閉區域內所有點均被掃描過，則該次聚類完成；

S2.2：在所述一次聚類后的簇的基礎上，根據所述空間特征，執行步驟S2.1.1-步驟S2.1.5，進行二次聚類，獲得二次聚類后的簇；

S2.2：在所述二次聚類后的簇的基礎上，根據所述RSS特征，執行步驟S2.1.1-步驟S2.1.5，進行三次聚類，獲得三次聚類后的簇，并將所述三次聚類后的簇作為所述聚類結果。