申请/专利权人：天津城建大学

申请日：2023-09-22

公开（公告）日：2023-12-19

公开（公告）号：CN117255319A

主分类号：H04W4/33

分类号：H04W4/33;H04W4/02;H04W84/12;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.05#实质审查的生效;2023.12.19#公开

摘要：本发明提供了一种基于CSA‑DBSCAN和RCVAE‑GAN的室内WiFi定位指纹库构建方法，包括如下步骤：设置少量随机位置为参考点，获取参考点指纹数据；采用CSA‑DBSCAN算法对参考点指纹数据中的RSS信息进行聚类处理，识别并去除异常值；构建RCVAE‑GAN深度生成模型并训练；输入指定位置坐标信息，由训练后的RCVAE‑GAN深度生成模型生成指定位置的指纹数据，将生成的指纹数据与CSA‑DBSCAN处理后的参考点指纹数据合并构建出室内WiFi定位指纹库。本发明可使用少量采集的参考点指纹数据来生成构建出室内WiFi定位的高质量指纹库，提高指纹库构建效率，降低人力与时间成本。

主权项：1.一种基于CSA-DBSCAN和RCVAE-GAN的室内WiFi定位指纹库构建方法，其包括如下步骤：步骤S1、设置少量随机位置为参考点，获取参考点指纹数据；步骤S2、采用CSA-DBSCAN算法对参考点指纹数据中的RSS信息进行聚类处理，识别不在任何簇的参考点指纹数据作为异常值，进行去除；步骤S3、构建RCVAE-GAN深度生成模型并训练，具体为：步骤S31、由回归器R、编码器E、生成器G和判别器D构建RCVAE-GAN深度生成模型，编码器E的输出与生成器G的输入相连接，生成器G的输出与判别器D和回归器R的输入相连接，编码器E与生成器G构成条件变分自动编码器CVAE，生成器G和判别器D构成GAN网络；步骤S32、对异常值去除后的参考点指纹数据进行维度升高和归一化处理；步骤S33、将处理后的参考点指纹数据分为训练集和测试集，对构建出的RCVAE-GAN深度生成模型进行预训练和联合训练；步骤S4、输入指定位置坐标信息，由训练后的RCVAE-GAN深度生成模型中的生成器G生成指定位置的指纹数据，将生成的指纹数据与CSA-DBSCAN处理后的参考点指纹数据合并构建出室内WiFi定位指纹库。

全文数据：

权利要求：

百度查询： 天津城建大学 一种基于CSA-DBSCAN和RCVAE-GAN的室内WiFi定位指纹库构建方法

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