申请/专利权人:武汉工程大学
申请日:2024-01-08
公开(公告)日:2024-04-02
公开(公告)号:CN117812533A
主分类号:H04W4/02
分类号:H04W4/02;H04W4/33;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明属于室内定位技术领域,公开了一种基于卷积神经网络Wi‑Fi室内定位方法及系统,包括:分别针对大规模场景和小规模场景离线采集数据并构建指纹数据集;指纹数据集输入定位网络中训练,得到模型的权重文件;将在线阶段采集到的未知点的原始指纹数据,根据场景的需求转化成相应的指纹图;通过离线阶段的模型权重得到待定位点的定位信息。本发明构建适用大规模场景的灰度指纹图和小规模场景的热力指纹图,贴合场景数据训练要求;采用3D射线追踪技术模拟构建真实场景数据,解决了前端数据采集耗费大量人力物力及财力的问题和克服数据不平均问题;通过定位网络预测用户位置,将实时采集的数据与指纹库进行匹配得出定位结果。
主权项:1.一种基于卷积神经网络Wi-Fi室内定位方法,其特征在于,包括:步骤一,分别针对大规模场景和小规模场景搭建仿真环境,生成相应的定位数据;针对实地考察的定位场景搭建定位环境,合理安排参考AP点位置,仿真生成Wi-Fi定位数据;步骤二,针对大规模场景和小规模场景的定位数据特点构建相应的指纹数据集,按照定位区域大小要求对定位场景生成的定位数据进行处理;步骤三,指纹数据集输入定位网络中训练,得到模型的权重文件;采用基于无线信号强度指纹地图与卷积神经网络来进行用户位置预测,改进后的网络命名为DS-CNN,DS-CNN由四个卷积层、四个池化层、四个完全连接层和两个dense层组成,SoftMax层用于确定室内位置,并集成SENet结构的注意力机制;步骤四,将在线阶段采集到的未知点的原始指纹数据,根据场景的需求转化成相应的指纹图;与步骤二中构建相应指纹数据图一致;步骤五,通过离线阶段的模型权重得到待定位点的定位信息,将待定位点的指纹图输入到在线定位系统中,根据离线阶段得到的模型权重最终输出待定点的定位信息。
全文数据:
权利要求:
百度查询: 武汉工程大学 一种基于卷积神经网络Wi-Fi室内定位方法及系统
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。