[發(fā)明專利]一種半監(jiān)督的基于流形學(xué)習(xí)的位置指紋庫構(gòu)建方法

有效

• 申請?zhí)枺?/td>: 202011222918.2
• 申請日: 2020-11-05
• 公開（公告）號: CN112488151B
• 公開（公告）日: 2023-01-17
• 發(fā)明（設(shè)計(jì)）人: 吳雙力;周旭
• 申請（專利權(quán)）人: 中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心;廣州中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心
• 主分類號: G06V10/764
• 分類號: G06V10/764
• 代理公司: 北京君尚知識產(chǎn)權(quán)代理有限公司 11200
• 代理人: 司立彬

1.一種半監(jiān)督的基于流形學(xué)習(xí)的位置指紋庫構(gòu)建方法，其步驟包括：

1)獲取目標(biāo)環(huán)境中的RP位置集R，其包括有標(biāo)簽RP位置集R₁和無標(biāo)簽RP位置集R₂；對于R₂中每一個無標(biāo)簽RP，結(jié)合其鄰近有標(biāo)簽的k個RP位置發(fā)送的信號被第i個網(wǎng)關(guān)接收到的RSS值進(jìn)行三次樣條插值，得到對應(yīng)無標(biāo)簽RP位置發(fā)送信號被該第i個網(wǎng)關(guān)接收到的RSS值，得到初始位置指紋庫；其中RP為信號接收點(diǎn)，該目標(biāo)環(huán)境存在N個網(wǎng)關(guān)和n個RP；每一個RP采集m個RSS序列，共采集N_l個帶標(biāo)簽的RSS序列，N_l＝m×n，帶標(biāo)簽的RSS序列表示為帶標(biāo)簽的RSS序列對應(yīng)的位置信息表示為x_i＝{rss_i1,rss_i2,...,rss_iN}，i＝1,2,…,N_l，RSS_ij表示在第i個RP位置發(fā)射信號被第j個網(wǎng)關(guān)接收到的信號強(qiáng)度；

2)該目標(biāo)環(huán)境中的每一移動設(shè)備在其當(dāng)前位置采集到T_p個RSS序列及對應(yīng)的時間戳T_p為該目標(biāo)環(huán)境中當(dāng)前的用戶總數(shù)；該T_p個用戶對應(yīng)的位置為其中，x_Tp為第T_p個用戶的RSS信號，t_Tp為第T_p個用戶的RSS信號時間戳、I_Tp為第T_p個用戶的位置信息；

3)基于所述初始位置指紋庫和步驟2)所采集數(shù)據(jù)，構(gòu)建高維RSS樣本的權(quán)重矩陣、位置權(quán)重矩陣和時間戳權(quán)重矩陣；

4)基于高維RSS樣本的權(quán)重矩陣W_r、位置權(quán)重矩陣W^l_loc和時間戳權(quán)重矩陣W^u_t，構(gòu)建復(fù)合拉普拉斯矩陣L；其中，構(gòu)建復(fù)合拉普拉斯矩陣L的方法為：首先構(gòu)建帶標(biāo)簽數(shù)據(jù)的權(quán)重矩陣的拉普拉斯矩陣L^l＝D^l-W^l、無標(biāo)簽數(shù)據(jù)的權(quán)重矩陣的拉普拉斯矩陣L^u＝D^u-W^u以及高維RSS樣本權(quán)重矩陣的拉普拉斯矩陣其中，W^l為帶標(biāo)簽數(shù)據(jù)RSS的權(quán)重矩陣、W^u為無標(biāo)簽數(shù)據(jù)RSS的權(quán)重矩陣、D^l為帶標(biāo)簽數(shù)據(jù)RSS的對角矩陣、D^u為無標(biāo)簽數(shù)據(jù)RSS的對角矩陣，D^lu和D^ul均為高維RSS樣本數(shù)據(jù)的對角矩陣，D^lu和D^ul互為轉(zhuǎn)置矩陣；然后通過矩陣計(jì)算得到所述復(fù)合拉普拉斯矩陣其中u為權(quán)重系數(shù)，其值越大，表示帶標(biāo)簽數(shù)據(jù)與無標(biāo)簽數(shù)據(jù)間的拉普拉斯矩陣在復(fù)合拉普拉斯矩陣L的重要性程度越高；

5)將復(fù)合拉普拉斯矩陣L代入公式對每個信號接收點(diǎn)的RSS向量和位置向量進(jìn)行流形對齊，得到無標(biāo)簽數(shù)據(jù)的物理位置坐標(biāo)；其中，J_q為對角矩陣，d是位置的維度；Y為所采集的RSS序列對應(yīng)的位置信息，γ是一個平衡參數(shù)；

6)結(jié)合流形學(xué)習(xí)模型，將無標(biāo)簽數(shù)據(jù)的物理位置坐標(biāo)映射為高維向量數(shù)據(jù)點(diǎn)；然后將無標(biāo)簽數(shù)據(jù)的高維RSS樣本和流形學(xué)習(xí)映射的高維向量數(shù)據(jù)進(jìn)行整合，實(shí)現(xiàn)指紋庫的擴(kuò)充，得到位置指紋庫。