基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法

基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法
【專利摘要】本發(fā)明涉及基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法，該定位方法包括如下步驟：S1.對室內(nèi)定位環(huán)境進(jìn)行網(wǎng)格劃分，并對每個網(wǎng)格采集接收到來自覆蓋區(qū)域內(nèi)WiFi無線接入點AP的信號接收強度RSS數(shù)據(jù)；S2.對所述采集數(shù)據(jù)進(jìn)行處理；S3.對移動終端進(jìn)行定位。本發(fā)明這種支持向量機方法實時定位精度高，采集數(shù)據(jù)利用效率高，適用場景廣。
【專利說明】基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種應(yīng)用于室內(nèi)環(huán)境的無線電定位技術(shù)，特別是涉及基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法。
【背景技術(shù)】
[0002]在現(xiàn)今室內(nèi)定位技術(shù)中，有兩種應(yīng)用基于WiFi信號強度定位的常用方法:一是利用信號損耗經(jīng)驗?zāi)Ｐ?，通過求解定位圓方程，獲得多個定位圓交點或多條定位直線交點作為位置估計值，由于經(jīng)驗公式誤差隨著場景不同差距較大，因此該方法的定位誤差非常大；二是通過前期在室內(nèi)環(huán)境中進(jìn)行大量的訓(xùn)練數(shù)據(jù)采樣和數(shù)據(jù)處理來建立所需的經(jīng)驗數(shù)據(jù)庫，然后利用機器學(xué)習(xí)的方法確定位置，此方法定位精度較高，但是前期采樣數(shù)據(jù)過程耗時費力，并且采集到的數(shù)據(jù)樣本集不僅數(shù)據(jù)量大，而且由于無線信道的時變特性，無法實時更新修正數(shù)據(jù)集的誤差，影響定位精度。

【發(fā)明內(nèi)容】

[0003]針對以上現(xiàn)有技術(shù)的不足，為解決能充分利用所有采集數(shù)據(jù)并提高性能，本發(fā)明基于機器學(xué)習(xí)中的支持向量機方法，提出一種基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法。
[0004]基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法包括如下步驟:
[0005]S1.對室內(nèi)定位環(huán)境進(jìn)行網(wǎng)格劃分，并對每個網(wǎng)格采集接收到來自覆蓋區(qū)域內(nèi)WiFi無線接入點AP的信號接收強度RSS數(shù)據(jù)；
[0006]S2.對所述采集數(shù)據(jù)進(jìn)行處理；
[0007]S3.對移動終端進(jìn)行定位。
[0008]所述SI網(wǎng)格采集包括連續(xù)型采集數(shù)據(jù)和離散型采集數(shù)據(jù)。
[0009]所述連續(xù)型采集數(shù)據(jù)或離散型采集數(shù)據(jù)，都對應(yīng)著一組已知接入點AP編號的RSS數(shù)據(jù)。
[0010]所述S2對所述采集數(shù)據(jù)進(jìn)行處理包括帶位置標(biāo)簽的數(shù)據(jù)處理，不帶位置標(biāo)簽的連續(xù)型數(shù)據(jù)處理和不帶位置標(biāo)簽的離散型數(shù)據(jù)的處理。
[0011]所述帶位置標(biāo)簽的數(shù)據(jù)處理包括兩類分類問題的C-支持向量機方法和多分類問題的方法；
[0012]所述支持向量機方法包括步驟如下:
[0013]步驟一:任取帶不同位置標(biāo)簽的兩類數(shù)據(jù)，使用高斯核函數(shù)映射至數(shù)據(jù)高維空間；
[0014]步驟二:針對不同級別的數(shù)據(jù)設(shè)置松弛變量和懲罰參數(shù)，構(gòu)造二次優(yōu)化不等式組；
[0015]步驟三:求解二次優(yōu)化不等式組，獲得分類超平面，即兩類分類器；
[0016]所述多分類問題方法包括步驟如下:[0017]步驟一:將所有數(shù)據(jù)按照位置標(biāo)簽兩兩組合；
[0018]步驟二:將步驟一中的兩兩組合使用兩類分類問題的C-支持向量機方法構(gòu)造兩類分類器，所有兩類分類器組合構(gòu)成多分類分類器；
[0019]步驟三:將待定位移動終端獲取到的數(shù)據(jù)輸入多分類分類器，使用投票法，獲得最終定位結(jié)果。
[0020]所述不帶位置標(biāo)簽的連續(xù)型數(shù)據(jù)處理包括:
[0021]I)對處理數(shù)據(jù)進(jìn)行等級劃分，帶位置標(biāo)簽的數(shù)據(jù)劃分在第一層次；大部分無位置標(biāo)簽連續(xù)型數(shù)據(jù)劃分在第二層次，所有離散采集的未帶位置標(biāo)簽的數(shù)據(jù)的定位結(jié)果，劃分
在第三層次；
[0022]2)對第一層次的數(shù)據(jù)的懲罰因子C1設(shè)定一個適當(dāng)?shù)闹担?br> [0023]3)將第二層次的數(shù)據(jù)進(jìn)行分類，獲得的結(jié)果再加入至帶位置標(biāo)簽的訓(xùn)練數(shù)據(jù)中，并設(shè)置懲罰參數(shù)C2,以得到一個新的分類器；
[0024]4)使用第三層次的數(shù)據(jù)重復(fù)步驟3)的內(nèi)容，并設(shè)置相應(yīng)的懲罰參數(shù)的C3 ；
[0025]5)利用所有的訓(xùn)練數(shù)據(jù)，我們獲得了最終的數(shù)據(jù)分類器。
[0026]所述的定位包括如下步驟:
[0027]I)統(tǒng)計每個網(wǎng)格中接收到的AP的RSS值>=_70dBm的數(shù)量，并選取數(shù)目在前k的網(wǎng)格作為聚類中心。確定好聚類中心后，設(shè)中心網(wǎng)格的RSS值向量為Ui，待聚類網(wǎng)格的RSS值向量為Rj ；
[0028]2)根據(jù)數(shù)據(jù)預(yù)聚類的方法，確定室內(nèi)環(huán)境中聚類中心的位置，然后每一個AP都儲存著一個聚類中心表，按照距離AP所在位置的空間距離由近及遠(yuǎn)排列，當(dāng)MS需要定位服務(wù)時，會發(fā)起服務(wù)請求，然后接受服務(wù)請求的AP用數(shù)據(jù)預(yù)聚類的方法查找聚類中心表，找到最接近的聚類中心，并把聚類中心位置報告至云端服務(wù)器；
[0029]3)在云端服務(wù)器中，使用數(shù)據(jù)處理階段獲得的多分類器對MS的RSS數(shù)據(jù)進(jìn)行分類，其中使用多分類器所有類別之間“成對比較”的比較的方式替換為以聚類中心聚集的聚類內(nèi)部類別之間采用“成對比較”的方式，最后獲得最終的定位結(jié)果。
[0030]本發(fā)明的優(yōu)點在于:
[0031]本發(fā)明這種支持向量機方法實時定位精度高，采集數(shù)據(jù)利用效率高，適用場景廣?！緦＠綀D】

【附圖說明】
[0032]圖1:數(shù)據(jù)處理階段半監(jiān)督學(xué)習(xí)算法的流程框圖；
[0033]圖2:無位置標(biāo)簽的連續(xù)采集數(shù)據(jù)分級結(jié)果；
[0034]圖3:訓(xùn)練數(shù)據(jù)分級；
[0035]圖4:室內(nèi)定位的云計算框架。
【具體實施方式】
[0036]以下結(jié)合附圖對本發(fā)明進(jìn)行詳細(xì)說明。本方法基于機器學(xué)習(xí)中支持向量機的方法進(jìn)行研究，保證了算法的普遍性。采用了理論分析、可行性論證和計算機仿真結(jié)合的方法，從理論和實踐方面驗證了所提出的方案。包括如下內(nèi)容。
[0037]—、無線信號強度分布數(shù)據(jù)采集階段:[0038]本發(fā)明首先需要預(yù)先將需要室內(nèi)定位的環(huán)境劃分為長寬一定的正方形網(wǎng)格，每個網(wǎng)格對應(yīng)相應(yīng)的編號，即為位置標(biāo)簽。在每一個網(wǎng)格中采集接收到來自覆蓋區(qū)域內(nèi)WiFi無線接入點(AP，Access Point)的信號接收強度(RSS)數(shù)據(jù)，采集過程可以包括以下兩種方式:
[0039]1.連續(xù)型采集:通過在室內(nèi)環(huán)境中連續(xù)采集獲得。采集到的數(shù)據(jù)中，序號相鄰的數(shù)據(jù)所對應(yīng)的位置標(biāo)簽是同一或相鄰網(wǎng)格，不可能出現(xiàn)位置標(biāo)簽跳躍的情形，稱這類數(shù)據(jù)為連續(xù)型數(shù)據(jù)。
[0040]2.離散型采集:采集的數(shù)據(jù)是通過在室內(nèi)環(huán)境中分散隨意采集獲得的，相鄰數(shù)據(jù)之間沒有特定的關(guān)系，稱這類數(shù)據(jù)為離散型數(shù)據(jù)。
[0041]采集階段獲得的數(shù)據(jù)格式:無論是連續(xù)型數(shù)據(jù)還是離散型數(shù)據(jù)，都對應(yīng)著一組已知接入點(AP)編號的RSS數(shù)據(jù)，但是卻不能保證每一項采集的數(shù)據(jù)都有已知的位置標(biāo)簽。
[0042]
【權(quán)利要求】
1.基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法，其特征在于，該定位方法包括如下步驟: 51.對室內(nèi)定位環(huán)境進(jìn)行網(wǎng)格劃分，并對每個網(wǎng)格采集接收到來自覆蓋區(qū)域內(nèi)WiFi無線接入點AP的信號接收強度RSS數(shù)據(jù)； 52.對所述采集數(shù)據(jù)進(jìn)行處理； 53.對移動終端進(jìn)行定位。
2.根據(jù)權(quán)利要求1所述的基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法，其特征在于，所述SI網(wǎng)格采集包括連續(xù)型采集數(shù)據(jù)和離散型采集數(shù)據(jù)。
3.根據(jù)權(quán)利要求2所述的基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法，其特征在于，所述連續(xù)型采集數(shù)據(jù)或離散型采集數(shù)據(jù)，都對應(yīng)著一組已知接入點AP編號的RSS數(shù)據(jù)。
4.根據(jù)權(quán)利要求1所述的基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法，其特征在于，所述S2對所述采集數(shù)據(jù)進(jìn)行處理包括帶位置標(biāo)簽的數(shù)據(jù)處理，不帶位置標(biāo)簽的連續(xù)型數(shù)據(jù)處理和不帶位置標(biāo)簽的離散型數(shù)據(jù)的處理。
5.根據(jù)權(quán)利要求4所述的基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法，其特征在于，所述帶位置標(biāo)簽的數(shù)據(jù)處理包括兩類分類問題的C-支持向量機方法和多分類問題的方法; 所述支持向量機方法包括步驟如下: 步驟一:任取帶不同位置標(biāo)簽的兩類數(shù)據(jù)，使用高斯核函數(shù)映射至數(shù)據(jù)高維空間； 步驟二:針對不同級別的數(shù)據(jù)設(shè)置松弛變量和懲罰參數(shù)，構(gòu)造二次優(yōu)化不等式組； 步驟三:求解二次優(yōu)化不等式組，獲得分類超平面，即兩類分類器； 所述多分類問題方法包括步驟如下: 步驟一:將所有數(shù)據(jù)按照位置標(biāo)簽兩兩組合； 步驟二:將步驟一中的兩兩組合使用兩類分類問題的C-支持向量機方法構(gòu)造兩類分類器，所有兩類分類器組合構(gòu)成多分類分類器； 步驟三:將待定位移動終端獲取到的數(shù)據(jù)輸入多分類分類器，使用投票法，獲得最終定位結(jié)果。
6.根據(jù)權(quán)利要求4所述的基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法，其特征在于，所述不帶位置標(biāo)簽的連續(xù)型數(shù)據(jù)處理包括: 1)對處理數(shù)據(jù)進(jìn)行等級劃分，帶位置標(biāo)簽的數(shù)據(jù)劃分在第一層次；大部分無位置標(biāo)簽連續(xù)型數(shù)據(jù)劃分在第二層次，所有離散采集的未帶位置標(biāo)簽的數(shù)據(jù)的定位結(jié)果，劃分在第三層次； 2)對第一層次的數(shù)據(jù)的懲罰因子Cl設(shè)定一個適當(dāng)?shù)闹担? 3)將第二層次的數(shù)據(jù)進(jìn)行分類，獲得的結(jié)果再加入至帶位置標(biāo)簽的訓(xùn)練數(shù)據(jù)中，并設(shè)置懲罰參數(shù)C2，以得到一個新的分類器； 4)使用第三層次的數(shù)據(jù)重復(fù)步驟3)的內(nèi)容，并設(shè)置相應(yīng)的懲罰參數(shù)的C3； 5)利用所有的訓(xùn)練數(shù)據(jù)，我們獲得了最終的數(shù)據(jù)分類器。
7.根據(jù)權(quán)利要求1所述的基于支持向量機的半監(jiān)督學(xué)習(xí)室內(nèi)定位方法，其特征在于，所述的定位包括如下步驟: I)統(tǒng)計每個網(wǎng)格中接收到的AP的RSS值>=-70dBm的數(shù)量，并選取數(shù)目在前k的網(wǎng)格作為聚類中心。確定好聚類中心后，設(shè)中心網(wǎng)格的RSS值向量為Ui，待聚類網(wǎng)格的RSS值向量為Rj ； 2)根據(jù)數(shù)據(jù)預(yù)聚類的方法，確定室內(nèi)環(huán)境中聚類中心的位置，然后每一個AP都儲存著一個聚類中心表，按照距離AP所在位置的空間距離由近及遠(yuǎn)排列，當(dāng)MS需要定位服務(wù)時，會發(fā)起服務(wù)請求，然后接受服務(wù)請求的AP用數(shù)據(jù)預(yù)聚類的方法查找聚類中心表，找到最接近的聚類中心，并把聚類中心位置報告至云端服務(wù)器； 3)在云端服務(wù)器中，使用數(shù)據(jù)處理階段獲得的多分類器對MS的RSS數(shù)據(jù)進(jìn)行分類，其中使用多分類器所有類別之間“成對比較”的比較的方式替換為以聚類中心聚集的聚類內(nèi)部類別之間采用“成對`比較”的方式，最后獲得最終的定位結(jié)果。
【文檔編號】H04W64/00GK103702416SQ201310722519
【公開日】2014年4月2日 申請日期:2013年12月24日 優(yōu)先權(quán)日:2013年12月24日
【發(fā)明者】趙軍輝, 曾龍基, 楊濤, 杜家嬌 申請人:北京交通大學(xué)