[發明專利]基于特征遷移的動態環境下的室內定位方法、裝置及可讀介質

在審

• 申請號: 202310371979.2
• 申請日: 2023-04-10
• 公開（公告）號: CN116528163A
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 胡思林;付一夫;林建旋;方劍平;馮海男;胡鑫
• 申請（專利權）人: 廈門智小金智能科技有限公司
• 主分類號: H04W4/029
• 分類號: H04W4/029;H04W4/33
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 連耀忠

1.一種基于特征遷移的動態環境下的室內定位方法，其特征在于，包括以下步驟：

S1，獲取第一源域數據和第一目標域數據，根據所述第一源域數據和第一目標域數據組成的輸入數據矩陣計算得到第二源域數據和第二目標域數據之間的邊緣概率分布差異，根據每一類別的第一源域數據和第一目標域數據計算得到第二源域數據和第二目標域數據之間的條件概率分布差異，根據第一源域數據和第一目標域數據整體之間的距離以及所述第一源域數據和第一目標域數據中每個類別數據之間的距離計算得到動態平衡因子；

S2，根據所述邊緣概率分布差異、條件概率分布差異和動態平衡因子確定數據整體特征分布適配優化目標；

S3，根據所述第一源域數據分別計算第二源域數據中同一類數據的類內距離和第二源域數據中不同類數據的類間距離，根據所述類內距離和類間距離確定數據局部幾何特性保留優化目標；

S4，根據所述數據整體特征分布適配優化目標和數據局部幾何特性保留優化目標構造得到總優化目標，根據所述總優化目標求解得到映射矩陣，通過所述映射矩陣實現定位。

2.根據權利要求1所述的基于特征遷移的動態環境下的室內定位方法，其特征在于，所述步驟S1中根據所述第一源域數據和第一目標域數據組成的輸入數據矩陣計算得到第二源域數據和第二目標域數據之間的邊緣概率分布差異，具體包括：

根據MMD計算得到邊緣概率分布差異，公式如下：

其中，表示再生希爾伯特空間，M是映射矩陣，M^T表示映射矩陣的轉置矩陣，X＝[X_src,X_tar]表示由第一源域X_src和第二目標域數據X_tar組成的輸入數據矩陣，表示第一源域X_src中的第i個數據，表示第二目標域數據X_tar中的第j個數據，n_s和n_t分別表示第一源域數據的數量和第一目標域數據的數量，tr(·)表示對矩陣求跡，為MMD矩陣，采用如下方式構造：

3.根據權利要求1所述的基于特征遷移的動態環境下的室內定位方法，其特征在于，所述步驟S1中根據每一類別的第一源域數據和第一目標域數據計算得到第二源域數據和第二目標域數據之間的條件概率分布差異，具體包括：

使用第一源域數據訓練分類器，得到經訓練的分類器，將所述第一目標域數據輸入所述經訓練的分類器，得到所述第一目標域數據對應的類別；

使用類條件概率分布的充分統計量來近似替代條件概率分布，從而計算第二源域數據和第二目標域數據之間的條件概率分布，公式如下：

其中，y_src＝c表示第一源域數據的類別為c，y_tar＝c表示第一目標域數據的類別為c，c∈{1,2,…,C}表示標簽的類別；

根據MMD計算條件概率分布差異，公式如下：

表示第一源域數據中類別為c的樣本，表示第一目標域數據中類別為c的樣本，和分別表示第一源域數據和第二源域數據中類別為c的樣本的數量，為權值矩陣，采用如下方式構造：

其中，與分別表示第一源域數據和第一目標域數據上的類別為c的先驗類概率。

4.根據權利要求1所述的基于特征遷移的動態環境下的室內定位方法，其特征在于，所述步驟S1中根據第一源域數據和第一目標域數據整體之間的距離以及所述第一源域數據和第一目標域數據中每個類別數據之間的距離計算得到動態平衡因子，具體包括：

其中，δ∈[0,1]，dist_AM和分別表示第一源域數據和第一目標域數據整體及第一源域數據和第一目標域數據中每類數據之間的A-distance，A-distance的計算公式如下：

dist_A(X_src，X_tar)＝2(1-2loss(h))；

其中，loss(h)表示第一源域數據和第一目標域數據所訓練的二分類器h的分類損失。