[發明專利]基于層次聚類技術和在線極限學習機的室內定位方法

有效

• 申請號: 201810964227.6
• 申請日: 2018-08-23
• 公開（公告）號: CN109195110B
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 顏俊;路培彬;錢琛;曹艷華
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04W4/029
• 分類號: H04W4/029;H04W4/33;H04W4/80;G06K9/62
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽

1.一種基于層次聚類技術和在線極限學習機的室內定位方法，其特征在于，包括如下步驟：

S1、訓練庫構建步驟，測量并獲得定位區域內多個不同位置處無線信號的信號強度向量，構成離線指紋數據訓練庫；

S2、聚類處理步驟，利用層次聚類技術對離線指紋數據訓練庫進行無監督聚類處理，分別得到受攻擊的訓練數據樣本和未受到攻擊的訓練數據樣本；

S3、模型建立步驟，對訓練數據樣本進行處理，得到位置遞歸模型；

S4、位置估計步驟，將在線收集到的信號強度測量值代入位置遞歸模型中，得到位置估計值；

S1所述訓練庫構建步驟，具體包括：

S11、測量定位區域內多個不同位置處無線信號的信號強度值；

S12、將所測量的信號強度值轉化為信號強度向量，并將每個位置上的信號強度向量與該位置對應的坐標組合視為一個訓練數據樣本；

S13、收集全部訓練數據樣本，構建得到離線指紋數據訓練庫；

S2所述聚類處理步驟，具體包括：

S21、對離線指紋數據訓練庫內的訓練數據樣本進行初始化處理，得到多個聚類；

S22、計算每個聚類之間的距離，形成距離矩陣；

S23、將距離最近的兩個聚類進行合并，形成一個新的聚類，再使用新的聚類進行迭代，計算新的距離矩陣；

S24、重復S22與S23，直至聚類的數目變成兩個，以剩下的兩個聚類中樣本數目較少的一個聚類作為受攻擊的訓練數據樣本、另一個聚類作為未受到攻擊的訓練數據樣本；

S3所述模型建立步驟，具體包括：

利用在線極限學習機訓練未受到攻擊的訓練數據樣本，得到位置遞歸模型；

S4所述位置估計步驟，具體包括：

S41、對定位區域內需要進行定位的對象所在位置處的無線信號的信號強度值進行在線收集；

S42、將收集到的信號強度值代入位置遞歸模型中，得到對象的位置估計值。

2.根據權利要求1所述的基于層次聚類技術和在線極限學習機的室內定位方法，其特征在于：所述無線信號為WIFI信號。

3.根據權利要求1所述的基于層次聚類技術和在線極限學習機的室內定位方法，其特征在于，S21具體包括：

S211、對離線指紋數據訓練庫中的信號強度向量進行z-score標準化處理；

S212、將離線指紋數據訓練庫中的每一個信號強度向量均作為一個聚類。

4.根據權利要求3所述的基于層次聚類技術和在線極限學習機的室內定位方法，其特征在于，S211中所述對離線指紋數據訓練庫中的信號強度向量進行z-score標準化處理，處理公式為：

z＝(x-μ)/σ，

其中，x為離線指紋數據訓練庫中任一具體的信號強度向量，μ為離線指紋數據訓練庫中所有信號強度向量的平均值，σ為離線指紋數據訓練庫中所有信號強度向量的標準差。