[发明专利]一种基于误差迁移学习的高精度室内定位方法

权利要求书

1.一种基于误差迁移学习的高精度室内定位方法，所述方法包括：

步骤1)移动终端A在划分的网格点上分别对室内的所有wifi信号进行扫描，获取信号强度数据和带有定位误差的定位数据的矩阵V；移动终端B在m个待测量点上对所有wifi信号进行扫描，获取信号强度数据和定位数据的矩阵

步骤2)将矩阵V和矩阵进行转置和归一化处理；

步骤3)对所述移动终端A的定位误差信息进行学习，得到基向量矩阵X和基向量系数矩阵S；

步骤4)将向量在基向量系数矩阵S下进行分解，得到基向量系数矩阵

步骤5)利用两个基向量系数矩阵S和采用基于向量的相似度比较方法对移动终端B在待测量点处的定位结果进行误差修正，得到修正后的定位结果；

所述步骤3)的实现过程为：

建立最优化问题：

s.t.||X||²≤C

其中，X为待求的基向量矩阵，维数为N行M列，M≤J×K；S为基向量系数矩阵，维数为M行J×K列；C为给定基向量2范数约束上限值；β为给定的参数值；

采用迭代优化算法对上述最优化问题进行求解，得到优化后的基向量矩阵X和基向量系数矩阵S；

所述步骤4)的实现过程为：

矩阵的基向量系数矩阵的计算公式为：

上式中为拉格朗日乘子，令

其中，Tr表示求矩阵的迹；采用牛顿法迭代更新公式为：

其中，μ为给定的系数，为迹相对于矩阵的一阶导数；为二阶导数；迭代计算得到基向量系数矩阵

2.根据权利要求1所述的基于误差迁移学习的高精度室内定位方法，其特征在于，所述步骤1)具体包括：

步骤1-1)将整个室内待定位区域划分为J×K个网格，每个网格点的高精度定位数据通过高精度测量设备获得；在室内设置N个WiFi信号接入点；

步骤1-2)移动终端A在每个网格点对N个wifi信号进行扫描并获取信号强度数据和定位数据，由此获得的定位样本为：

V＝{U(j,k),ΔX(j,k)}，j＝1,2,…,J，k＝1,2,…,K

其中：，为移动终端A在网格点(j,k)上，扫描获取的第i个wifi信号的信号强度；ΔX(j,k)为定位误差，为移动终端A在网格点(j,k)上利用wifi信号进行定位的定位结果减去已知的高精度定位值的差；

步骤1-3)移动终端B在m个待测量点上对N个wifi信号进行扫描并获取信号强度数据和定位数据，由此获得的定位样本为：

其中：为移动终端B在第j个测量点处扫描获得的第i个wifi的信号强度；为移动终端B在第j个测量点上利用wifi信号进行定位的定位数据。

3.根据权利要求2所述的基于误差迁移学习的高精度室内定位方法，其特征在于，所述步骤2)的实现过程为：

将矩阵V和矩阵进行转置，矩阵V转置后的矩阵维数为N+1行J×K列，矩阵转置后的矩阵维数为N+1行m列；对转置后的矩阵进行归一化处理，归一化方法如下：

其中，V_min为V矩阵中的元素的最小值；V_max为V矩阵中的元素的最大值；

其中，为矩阵中的元素的最小值；为矩阵中的元素的最大值。

4.根据权利要求3所述的基于误差迁移学习的高精度室内定位方法，其特征在于，所述步骤5)的实现过程为：

所述移动终端A的基向量系数矩阵为S，所述移动终端B的基向量系数矩阵为则相似度计算公式为：

上式中，为基向量系数矩阵的第n列；S(i)为基向量系数矩阵S的第i列；计算相似度最大值对应的索引值：

上式中，最大值索引值I(n)为移动终端B在第n个待测量点处的测量误差估计值对的测量值进行修正，修正后的定位结果为：