[發明專利]一種基于改進GAN結合假設檢驗的Wi-Fi室內定位方法

在審

• 申請號: 202210455337.6
• 申請日: 2022-04-28
• 公開（公告）號: CN114745675A
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 蒲巧林;藍馨;周牧;陳有坤;蔡睿
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H04W4/029
• 分類號: H04W4/029;H04W4/33;H04W64/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于改進GAN結合假設檢驗的Wi-Fi室內定位方法，其特征在于包括以下步驟：

步驟一、在目標區域內，隨機部署m個無線接入點(Access Point，AP)和標定n個參考點(Reference Point，RP)，同時標定k個測試點(Test Point,TP)。

步驟二、劃分區域數量為C，采集每個區域類別中RP的RSS樣本值500次，記作R_w(w＝1,2,…C)，每個區域的數據集如下所示：

其中m是環境中AP的數量，K是每個區域中觀測的數量，是位于第w個區域中第j個AP的第i次觀測的RSS值。上述矩陣的每一列構成所需類別的分布，因此，定義生成器的目標是映射先驗噪聲潛變量表示R_c的分布。

步驟三、RSS樣本值中，250次作為訓練集，250次作為測試集。把訓練集的RSS樣本送入GAN網絡中訓練，最終得到生成的RSS樣本。

步驟四、在每個區域內，把生成的RSS樣本與采集的原始RSS樣本合成新的RSS樣本，形成新的離線數據集，新的離線數據集可以定義為：

其中，表示在第w個區域中原始RSS樣本，表示在第w個區域中生成的RSS樣本，Q是合成的RSS樣本的數量，為在第w個區域中合成的RSS數據集。

步驟五、利用CHAID方法，通過皮爾遜卡方檢驗描述每個AP的位置分辨率，將位置分辨率大的AP分配較大的權重。

步驟六、在線階段，測量測試點處的RSS樣本值。

步驟七、計算每個區域的匹配概率，即來消除與對應歸屬區域相距較遠的匹配參考點，其中P_w(w＝1,…,C)，C為區域的個數，表示位于第w個區域且來自第l個AP的匹配參考點的個數。

步驟八、通過計算得到的AP權重，計算第j(j＝1,…,k)個測試點處的RSS樣本與匹配區域中各個匹配參考點處的RSS樣本之間的距離其中，和分別表示來自第l個AP在第i個參考點和第j個測試點處的RSS樣本均值。

步驟九、根據計算出的距離，結合KNN算法，選擇距離最近的K個位置，取平均值得到位置估計。

2.根據權利要求1所述的一種基于改進GAN結合假設檢驗的Wi-Fi室內定位方法，其特征在于所述步驟三包括以下步驟：

步驟三、RSS樣本值中，250次作為訓練集，250次作為測試集。把訓練集的RSS樣本送入GAN網絡中訓練，最終得到生成的RSS樣本；具體包括以下步驟：

步驟三(一)、先把隨機的RSS樣本送入GAN的生成器中訓練，隨機噪聲樣本RSS數據樣本通過基于梯度上升的優化器Adam更新θ_d，可以通過鑒別器的損失函數來得到更新的參數，具體的更新算法，首先計算損失函數，然后求損失函數關于θ_d的偏導，然后再利用Adam優化器得到θ_d參數的更新,具體如下：

其中，X_b和Z_b分別是X和Z的第b行，β₁∈[0,1)、η為Adam優化器的參數。

步驟三(二)、在GAN的生成器中，樣本通過基于梯度下降的優化器Adam更新θ_g,可以通過生成器的損失函數來得到更新參數，具體的更新算法與鑒別器的更新過程類似為：

其中，β₂∈[0,1)、η為Adam優化器的參數。

步驟三(三)、更新θ_d和θ_g直到收斂，當時會發生收斂，這意味著鑒別器無法區分真實數據和合成數據。收斂后，通過得到的θ_g，生成器準備通過相同的先驗噪聲分布生成所需類別的合成樣本z～p_z(z)，其中

3.根據權利要求1所述的一種基于改進GAN結合假設檢驗的Wi-Fi室內定位方法，其特征在于所述步驟五包括以下步驟：

步驟五、利用CHAID方法，通過皮爾遜卡方檢驗描述每個AP的位置分辨率，將位置分辨率大的AP分配較大的權重；具體包括以下步驟：

步驟五(一)、假設數據集由1個反應變量R∈{Area1,…,AreaC}和m個解釋變量E_APl∈{(b₁,b₂],…,(b_v,b_v+1]}(l＝1,…,m)組成，其中，m和C分別表示AP數量和劃分的區域數量，b_i(i＝1,…,v+1)表示第i個RSS類目邊界，v表示RSS類目的數量。在此基礎上，構建關于反應變量R與解釋變量E_APl的v×C列聯表，將v×C列聯表拆分成個二維列聯表，在不失去一般性的情況下，以第k個二維列聯表為例計算對應的皮爾遜卡方檢驗統計量，如表1所示，其中，k＝1,…,a_iw表示關于參考點處的RSS落在第w區域中并且屬于第i個RSS類目的頻數。

表1 二維列聯表

步驟五(二)、構建原假設“H₀：R與E_APl不相關”與備擇假設“H₁：R與E_APl相關”，計算皮爾遜卡方檢驗統計量χ²，則該皮爾遜卡方檢驗統計量為：

步驟五(三)、將決策值p_k設置為其中，表示對第k個二維列聯表在χ²分布條件下滿足關系的概率運算，因此，在顯著性水平α＝0.05條件下，如果p_k≥α，則認為原假設H₀為真；反之，則認為備擇假設H₁為真。

步驟五(四)、將大于α的最大決策值p(即)所對應的兩個RSS類目進行合并，得到一個新類目。此時，原始的v×C列聯表的維數降為(v-1)×C。