[發(fā)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?zhí)枺?/td>: 202210455337.6
• 申請日: 2022-04-28
• 公開（公告）號: CN114745675A
• 公開（公告）日: 2022-07-12
• 發(fā)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

本發(fā)明公開了一種基于改進GAN結合假設檢驗的Wi?Fi室內定位方法。首先，在目標區(qū)域內部署和標定若干個位置已知的接入點(Access Point，AP)和參考點(Reference Point，RP)；其次，將目標區(qū)域劃分為一些小區(qū)域，采集每個區(qū)域的一小部分RSS樣本值，然后送入GAN網絡中進行訓練，把生成的RSS數據與原始RSS數據合成新的離線數據庫；再次，計算AP的權重，利用卡方自動交互檢測(Chi?squared Automatic Interaction Detection，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；最后，結合AP的權重，利用KNN算法得到位置的最佳估計。本發(fā)明專利利用GAN補充數據庫以及利用假設檢驗為AP分配權重，提出了一種基于改進GAN結合假設檢驗的Wi?Fi室內定位方法，其在控制人員采集數據所需的成本和時間的同時提高了定位精度。

技術領域

本發(fā)明屬于室內定位技術，具體涉及一種基于改進GAN結合假設檢驗的Wi-Fi室內定位方法。

背景技術

隨著物聯(lián)網技術的發(fā)展，基于位置的服務(Location Based Service，LBS)已經被運用到了各個領域，因此，定位技術成為LBS的關鍵技術之一。室外環(huán)境中，運用最廣泛的就是全球衛(wèi)星定位系統(tǒng)(Global Positioning System，GPS)，GPS定位精度高，技術成熟，但是，由于GPS信號在室內環(huán)境中衰減嚴重，因此無法將其應用于室內環(huán)境。因此，基于射頻識別(RFID)，超寬帶(UWB)，藍牙，Zigbee，調頻(FM)，紅外(IR)、超聲和聲音技術、可見光、慣性系統(tǒng)和地磁場等定位技術被相繼提出。其中，由于Wi-Fi網絡的普適性，基于Wi-Fi的定位系統(tǒng)不需要部署額外的設施，成為了室內定位最常用的方法之一。

Wi-Fi室內定位方法主要分為兩類：基于模型的定位方法和基于指紋的定位方法。前者主要是利用信號傳播模型把測量的信號強度(Received Signal Strength，RSS)的值轉換成歐氏距離，然后利用三邊測量法、三角測量法等方法得到目標的位置。然而，這種方法容易受到非視距條件和各種干擾引起的多徑效應的影響，嚴重削弱了定位精度。基于Wi-Fi指紋的定位需要兩個步驟，離線數據庫的建立與在線定位。在離線階段，首先將目標環(huán)境布置多個參考點，然后通過收集各參考點處來自不同無線接入點(Access Point，AP)的RSS值來構建指紋庫。在線階段，通過將用戶測量的來自不同AP的RSS與離線指紋庫記錄的指紋進行匹配，根據匹配到的指紋計算得到用戶的最終位置。

然而，由于離線階段的數據采集需要耗費大量的人力、物力和財力。同時，由于AP在定位中的貢獻程度不同，需要對AP分配權重來提高定位精度。針對此問題，本發(fā)明提出了一種基于改進GAN結合假設檢驗的Wi-Fi室內定位方法，通過采集每個區(qū)域少量的RSS數據，然后利用GAN網絡生成RSS離線數據，把采集的數據與生成的數據組合成新的數據集，并利用卡方自動交互檢測(Chi-squared Automatic Interaction Detection，CHAID)方法對AP分配權重，該方法在控制人員采集數據所需的成本和時間的同時，提高了定位精度。

發(fā)明內容

本發(fā)明的目的是提供一種基于改進GAN結合假設檢驗的Wi-Fi室內定位方法，它通過GAN網絡生成新的RSS數據，豐富數據庫，并利用假設檢驗對AP分配權重，該方法在控制人員采集離線數據所需的成本和時間的同時提高了定位精度。

本發(fā)明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，包括以下步驟：

步驟一、在目標區(qū)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(qū)域數量為C，采集每個區(qū)域類別中RP的RSS樣本值500次，記作R_w(w＝1,2,…C)，每個區(qū)域的數據集如下所示：