[發明專利]用于LoRa網絡的室內定位的方法及機器可讀存儲介質

有效

• 申請號: 201811050927.0
• 申請日: 2018-09-10
• 公開（公告）號: CN109379695B
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 趙弋洋;王蓮;馬云濤;王建
• 申請（專利權）人: 北京西普陽光教育科技股份有限公司
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04W4/021;H04W4/33;H04W64/00;G06F16/29
• 代理公司: 北京潤平知識產權代理有限公司 11283
• 代理人: 陳瀟瀟;肖冰濱

本發明實施例提供一種用于LoRa網絡的室內定位的方法及機器可讀存儲介質，屬于通信領域。該方法包括：基于所述LoRa網絡在室內采集LoRa環境數據；基于該LoRa環境數據以及歷史數據庫，對遷移學習模型進行訓練，所述歷史數據庫包括基于除所述LoRa網絡以外的其他無線網絡在室內采集的環境數據及該環境數據所對應的室內位置信息；以及基于訓練之后的遷移學習模型以及所述LoRa環境數據，確定該LoRa環境數據所對應的室內位置信息。藉此，實現了基于LoRa網絡進行室內定位。

技術領域

本發明涉及通信領域，具體地涉及一種用于LoRa網絡的室內定位的方法及機器可讀存儲介質。

背景技術

定位技術是一種確定被追蹤特定意義的目標的物理位置的方法。由于位置信息的重要性，目前已經有多種技術和方法提供或者探測室內或者室外的位置信息。比較成熟的方法包括GPS、北斗為代表的室外定位系統，以UWB、藍牙、Wi-Fi等為代表的室內定位系統。定位技術同時可以為其它已有應用提供位置信息，以提高應用服務的精準度。

現有技術中，GPS和北斗都是針對戶外的環境，在室內由于信號遮擋的問題，很難準確定位室內目標。UWB、藍牙、Wi-Fi等技術，需要提前在室內感應區域內部署，但鑒于Wi-Fi等的功能性滿足，因此在建筑物內的部署是比較密集且由不同的組織提供。基于Wi-Fi信號特征的定位方法，已經被廣泛的研究并能提高的精度。

雖然相關專利(例如CN201711115293.8和CN201711320578.5)使用了GAN方法等，并聲明可以取得一定程度的定位準確性，但都沒有針對自主式的物聯網網絡LoRaWAN進行處理。出于方便性和安全性的考慮，室內定位技術已經得到了廣泛的研究。同時伴隨著無線通信技術的發展與普及，無線設備的實用性大幅度提高。作為一項成功的定位系統，全球定位系統(Global Positioning System，簡稱GPS)已經大規模的應用在道路交通等室外定位領域。但是由于衛星信號受到建筑物的屏蔽與遮擋，GPS系統無法在室內環境中進行準確的定位，與此同時GPS接收設備會增加整個系統的造價。因此，目前正在研究和使用的室內定位系統都采用了其它技術，諸如無線技術、紅外技術、超聲波技術等。這些已有方法僅針對無線傳感器網絡(WSN)、無線局域網(WLAN、IEEE 802.1)、藍牙、UWB等，缺少對未來物聯網系統LoRa技術的支持。

發明內容

本發明的目的是提供一種用于LoRa網絡的室內定位的方法及機器可讀存儲介質，其可實現基于LoRa網絡進行室內定位。

為了實現上述目的，本發明的一個方面提供一種用于LoRa網絡的室內定位的方法，該方法包括：基于所述LoRa網絡在室內采集LoRa環境數據；基于該LoRa環境數據以及歷史數據庫，對遷移學習模型進行訓練，所述歷史數據庫包括基于除所述LoRa網絡以外的其他無線網絡在室內采集的環境數據及該環境數據所對應的室內位置信息；以及基于訓練之后的遷移學習模型以及所述LoRa環境數據，確定該LoRa環境數據所對應的室內位置信息。

可選地，所述基于該LoRa環境數據及歷史數據庫對遷移學習模型進行訓練包括：根據所述歷史數據庫和所述LoRa環境數據分別建立第一訓練概率函數和第二訓練概率函數；以及根據預設映射函數調整所述第一訓練概率函數和所述第二訓練概率函數的概率分布并不斷調整所述預設映射函數，最終使得所述第一訓練概率函數和所述第二訓練概率函數的概率分布以及目標條件概率相同，其中最終確定的所述預設映射函數即為所述遷移學習模型。

可選地，所述不斷調整所述預設映射函數為根據以下公式不斷調整所述預設映射函數：A(D_s,D_t)＝2(1-2cost(h))。

可選地，所述歷史數據庫中包括的環境數據包括以下至少一者：所述其他無線網絡的信號強度、磁場強度、光強以及聲音強度。

可選地，所述LoRa環境數據包括所述LoRa網絡的信號強度。