申请/专利权人：东北大学

申请日：2019-11-29

公开（公告）日：2021-04-13

公开（公告）号：CN110944291B

主分类号：H04W4/024(20180101)

分类号：H04W4/024(20180101);H04W4/33(20180101);H04W16/22(20090101);H04W64/00(20090101);H04B17/318(20150101)

优先权：

专利状态码：有效-授权

法律状态：2021.04.13#授权;2020.04.24#实质审查的生效;2020.03.31#公开

摘要：本发明涉及室内导航技术领域，提供一种基于众包RSSI序列的室内导航方法。首先采集众包用户的RSSI序列集合，并构建训练样本集；然后，以RSSI为输入、RSSI对应的房间级别位置标签为输出，构建并训练基于神经网络的粗粒度定位模型；接着，综合考虑RSSI的内部信号差异和RSSI之间的信号差异，计算各RSSI之间的距离，并利用RSSI序列集合通过对RSSI序列进行对齐和连接构建RSSI图；最后，在对需导航用户进行粗粒度定位的基础上，通过RSSI序列比对和匹配进行精细定位，在RSSI图上查询从当前RSSI到目的地RSSI的最短路径用于导航。本发明能够提升室内定位的精度和效率，且减少定位成本。

主权项：1.一种基于众包RSSI序列的室内导航方法，其特征在于，包括下述步骤：步骤1：进行RSSI序列采集：第k个用户利用携带的众包移动设备接收来自导航区域内每个接入点的信号强度值，构成RSSI序列Sk＝{fk1,fk2,...,fkn,...,fk,Nk}，得到RSSI序列集合S＝{S1,S2,...,Sk,...,SK}；其中，k＝1,2,...,K，K为用户总数；fkn为第k个用户的第n个RSSI，n∈{1,2,...,Nk}，Nk为第k个用户的RSSI序列中RSSI的总数；fkn＝rkn1,rkn2,...,rknm,...,rknM，rknm为第k个用户的第n个RSSI中来自第m个接入点APm的信号强度值，m∈{1,2,...,M}，M为导航区域内的接入点总数；RSSI序列集合S中有L个RSSI带有房间级别位置标签，每个带有房间级别位置标签的RSSI与对应的房间级别位置标签构成训练样本，L个训练样本构成训练样本集A；步骤2：构建并训练粗粒度定位模型：以RSSI为输入、RSSI对应的房间级别位置标签为输出，构建基于神经网络的粗粒度定位模型，利用训练样本集A对基于神经网络的粗粒度定位模型进行训练；步骤3：计算RSSI序列集合S中任意两个RSSI之间的距离：对于第i∈{1,2,...,K}个用户的RSSI序列Si＝{fi1,fi2,...,fip,...,fi,Ni}和第j∈{1,2,...,K}个用户的RSSI序列Sj＝{fj1,fj2,...,fjq,...,fj,Nj}，RSSIfip＝rip1,rip2,...,ripm,...,ripM与RSSIfjq＝rjq1,rjq2,...,rjqm,...,rjqM之间的距离为 其中，dis'为L2距离度量函数，fi,p+1、fj,q+1分别为RSSIfip、fjq的相邻RSSI，α、β、γ均为预设的参数； 分别为RSSIfip、fjq的内部信号差异向量， 为RSSIfip与fjq之间的信号差异向量， 步骤4：利用RSSI序列集合S构建RSSI图，具体包括：将RSSI序列集合S中相同RSSI序列中的RSSI连接在一起，计算对齐的RSSI的距离，并将对齐的RSSI连接在一起，将每个RSSI表示为一个点，相邻两个RSSI相连形成一个边，相邻两个RSSI之间的距离作为该相邻两个RSSI相连形成的边的权重，形成室内RSSI图；步骤5：对需导航用户进行导航：步骤5.1：对需导航用户进行粗粒度定位：将需导航用户当前接收到的RSSIfu输入训练后的基于神经网络的粗粒度定位模型，得到需导航用户当前的房间级别位置标签yu；步骤5.2：对需导航用户进行精细定位：获取需导航用户的RSSI序列Su，对于房间级别位置标签yu对应的房间中的每个RSSI序列，计算该RSSI序列中每个RSSI与RSSI序列Su中每个RSSI之间的距离并求和作为该RSSI序列与RSSI序列Su之间的距离，选取与RSSI序列Su之间的距离最小的RSSI序列作为RSSI序列Su在RSSI图中的映射；步骤5.3：将目的地的RSSIfd映射到RSSI图中；步骤5.4：在RSSI图上查询从需导航用户当前的RSSI到目的地的RSSIfd的最短路径，根据所述最短路径对需导航用户进行导航。

全文数据：

权利要求：

百度查询： 东北大学 一种基于众包RSSI序列的室内导航方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD