申请/专利权人:浙江工业大学
申请日:2022-08-25
公开(公告)日:2022-12-02
公开(公告)号:CN115426712A
主分类号:H04W64/00
分类号:H04W64/00;H04W4/33;G06N3/04;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.12.20#实质审查的生效;2022.12.02#公开
摘要:一种基于深度学习的wifi精确鲁棒室内定位方法,包括以下步骤:1建立N个对应于N个指纹训练点的深度卷积神经网络模型。2在感兴趣区域的不同指纹位置扫描ap及其相关信号强度,并对数据进行预处理。3对预处理后的数据注入人工噪声来破坏原始测量数据。4对于每个指纹点,利用原始和损坏的噪声数据进行深度卷积神经网络模型训练,训练好深度卷积神经网络模型后,存储所有针对不同位置的指纹训练好的深度卷积神经网络模型。5在未知的用户位置扫描ap和它们的rss,经过预处理后,利用训练好的深度卷积神经网络模型估计最可能的用户位置。
主权项:1.一种基于深度学习的wifi精确鲁棒室内定位方法,包括以下步骤:1建立N个对应于N个指纹训练点的深度卷积神经网络模型;2在感兴趣区域的不同指纹位置扫描ap及其相关信号强度,并对数据进行预处理;3对预处理后的数据注入人工噪声来破坏原始测量数据;4对于每个指纹点,利用原始和损坏的噪声数据进行深度卷积神经网络模型训练,训练好深度卷积神经网络模型后,存储所有针对不同位置的指纹训练好的深度卷积神经网络模型;5在未知的用户位置扫描ap和它们的rss,经过预处理后,利用训练好的深度卷积神经网络模型估计最可能的用户位置。
全文数据:
权利要求:
百度查询: 浙江工业大学 一种基于深度学习的wifi精确鲁棒室内定位方法
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。