[發(fā)明專利]基于Boosting和樣本差異的通用指紋定位方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110952933.0
• 申請日: 2021-08-19
• 公開（公告）號: CN113723240B
• 公開（公告）日: 2023-08-22
• 發(fā)明（設計）人: 莊園;曹曉祥;楊先圣;孫驍;王軒
• 申請（專利權）人: 武漢大學
• 主分類號: G06V40/13
• 分類號: G06V40/13;G06V10/774;G06N20/00
• 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: 嚴彥

本發(fā)明提供一種基于Boosting和樣本差異的通用指紋定位方法及系統(tǒng)，在離線階段，進行定位模型訓練和定位場景下指紋庫數據采集，定位模型訓練包括在不限場景的多個已知點分別進行多次RSS信息采集，對所有樣本進行配對，得到正樣本對和負樣本對；計算出相對特征來代表每個樣本對中兩個樣本之間的差異；將提取的相對特征作為分類器的輸入，采用Boosting方式對分類器進行訓練，得到二分類模型；在定位階段，當某一時刻需定位時，通過掃描得到一組無線數據的觀測列表，然后利用AP篩選相應指紋信息，根據篩選結果和觀測列表計算相對特征，將所得特征向量輸入到離線階段已經訓練好的定位模型中；定位模型輸出每個特征向量的相應概率，最后概率最高的點為最終定位結果。

技術領域

本發(fā)明涉及指紋定位技術領域，具體涉及一種基于Boosting和樣本差異的通用指紋定位方法及系統(tǒng)。

背景技術

以下具體介紹現(xiàn)有技術中的主要定位方案及缺陷。

幾何交會定位方案：幾何交會的方案。通過求多個圓(測距,TOA/TOF/RSS等)或者雙曲線(測距離差方式，TDOA)的交點來求解待測點的位置。

指紋定位方案：非機器學習方案，使用一些相似度計算方法(歐氏距離、曼哈頓距離、皮爾遜系數、余弦相似度等)計算指紋點和待測點信號信息間的相似度，使用相似度最高的一個或數個指紋點計算待測點位置(一個即直接輸出，多個的可以通過求均值或加權求均值方式)。

幾何交會定位方案缺陷：需已知基站位置，對基站布設網形要求高，另外在在線定位時為保證精度同樣需保證較好的基站網形。

指紋定位方案缺陷：非機器學習方案，即使用各種求解信號相似度的方案，直接差分方式不能較好的反映指紋點和待測點信號信息間的非線性關系；機器學習方案中各種多分類方案，面臨小樣本這一突出問題，另外，模型不具備遷移能力，一個場景下訓練的模型無法在另一場景下使用，一個場景一個模型不具備實際應用價值，線上部署海量模型的話，無法進行有效的更新與管理(指紋定位要求數據和模型的周期性更新)。

相關名稱解釋如下：

GBDT(gradient?boost?decision?tree)，決策提升樹

KNN(k?nearest?neighbor)，k最鄰近點

AP(access?point)，接入點

TOA(time?of?arrival)，信號到達時間

TDOA(time?difference?of?arrival)，信號到達時間差

RSS(received?signal?strength)，信號接收強度

TOF(time?of?flight)，飛行時間

FP(Fingerprint?Point)，指紋點

MAC(Media?Access?Control?Address)，媒體存取控制位址，也叫物理地址

發(fā)明內容

為了解決上述現(xiàn)有技術中存在的不足，本發(fā)明提出了一種基于Boosting和樣本差異的通用指紋定位方法。

為了實現(xiàn)上述目的，本發(fā)明提出的技術方案為一種基于Boosting和樣本差異的通用指紋定位方法，在離線階段，進行定位模型訓練和定位場景下指紋庫數據采集，