[發明專利]一種半監督的基于流形學習的位置指紋庫構建方法

有效

• 申請號: 202011222918.2
• 申請日: 2020-11-05
• 公開（公告）號: CN112488151B
• 公開（公告）日: 2023-01-17
• 發明（設計）人: 吳雙力;周旭
• 申請（專利權）人: 中國科學院計算機網絡信息中心;廣州中國科學院計算機網絡信息中心
• 主分類號: G06V10/764
• 分類號: G06V10/764
• 代理公司: 北京君尚知識產權代理有限公司 11200
• 代理人: 司立彬

本發明公開了一種半監督的基于流形學習的位置指紋庫構建方法。本發明利用物理空間相同或者相近位置上的無線信號強度具有相似性的特點，基于大量具有時間戳的無標簽數據，采用時空數據局部相似性的原理，得到可信數據點；然后優先考慮樣本信息與標簽數據的相互連接關系，以標簽數據作為鄰域圖中心，采用信息量最大的相互近鄰來構建鄰域圖；采用鄰域圖逼近流行映射上的平滑積分，實現采樣點與標簽數據在流形映射上的平滑，最大限度提高標簽數據在鄰域圖中權重的平滑期望；然后利用標簽數據的地理位置信息與無標簽數據的時間相關性，利用流形學習的方法對大量無標簽數據進行標記，實現位置指紋庫的構建。

技術領域

本發明涉及信息技術領域，尤其涉及一種半監督的基于流形學習的位置指紋庫構建方法。

背景技術

室外環境是多變的，人、車、物體等隨意運動，直接利用無線信號進行目標位置定位存在一定的困難。節點之間傳輸數據會造成大量的多徑傳播、多址干擾以及非視距傳播現象，這些因素嚴重影響了目標定位技術的精度。除此之外，由于物聯網大多數設備放在人煙稀少、環境惡劣的地方，采用人工采集的方式構建位置信息庫是不太現實的，采用距離定位的方式誤差太高。因此，問題是如何構建網絡信號指紋庫進而定位節點位置。由于當前帶有位置標簽的數據很少，該因素會在很大層面影響定位精度。

發明內容

本發明旨在提供一種半監督的基于流形學習的位置指紋庫構建方法，采用標簽數據的地理位置信息與無標簽數據的時間相關性，利用流形學習的方法對大量無標簽數據進行標記，實現位置指紋庫的構建，解決定位數據庫構建需要大量人力物力的問題。

本發明結合低功耗廣域網相鄰節點信號的相似性特征，通過流形學習獲取大量易采集的無標簽數據(沒有包含位置信息)的時空關聯特征，結合少量的標簽數據，實現位置指紋庫的構建，解決位置標簽數據數量少所導致定位不準的問題。

本發明提出的基于流形學習的位置指紋庫構建的思路如下：

(1)大量無標記數據的預處理。信號特征與物理空間的準確映射是保證定位系統精度的首要條件。由于無線信號傳播會受到各種干擾和隨機因素的影響，因此，在信息采集過程，由于信號波動的原因，導致所采集到的信號具有一定誤差，因此，不能將采集到的數據作為定位特征數據，需要對采集的數據進行優化。本發明利用物理空間相同或者相近位置上的無線信號強度具有相似性的特點，基于大量具有時間戳的無標簽數據，采用時空數據局部相似性的原理，剔除噪音數據，得到可信數據點。

(2)空間定位特征的優化選擇。傳統k-近鄰算法在尋找鄰域點時，認為無標簽信息與有標簽信息的重要性程度是一樣的。考慮到標簽數據作為物理空間位置信息的先驗信息，能夠更好反映指紋庫的位置特征，因此，本發明優先考慮樣本信息與標簽數據的相互連接關系，通過相互近鄰的理念取代傳統kNN算法構建的鄰域，以標簽數據作為鄰域圖中心，采用信息量最大的相互近鄰來構建鄰域圖。采用鄰域圖逼近流行映射上的平滑積分，實現采樣點與標簽數據在流形映射上的平滑，最大限度提高標簽數據在鄰域圖中權重的平滑期望。采樣點與標簽點之間存在一種流形映射關系，兩個點之間由于是一種鄰域關系，因此可以實現數據上的平滑。

(3)基于半監督流形學習的指紋庫構建方法。利用標簽數據的地理位置信息與無標簽數據的時間相關性，利用流形學習的方法對大量無標簽數據進行標記，實現位置指紋庫的構建。本發明基于半監督流形學習的位置指紋庫構建流程如圖1所示。

本發明的技術方案為：

一種半監督的基于流形學習的位置指紋庫構建方法，其步驟包括：