[发明专利]一种基于深度学习的无线定位方法及系统

权利要求书

1.一种基于深度学习的无线定位方法，其特征在于，包括步骤：

S1、采集所有采样点接收的无线信号强度；

S2、利用深度学习算法将所述采集的无线信号强度与坐标输入深度学习神经网络以生成带权值的深度学习神经网络；

S3、收集用户位置的无线信号强度并输入至所述带权值的深度学习神经网络以确定用户的位置。

2.根据权利要求1所述的一种基于深度学习的无线定位方法，其特征在于，所述步骤S1中，定位区域划分为多个单元网格；所述每个单元网格设置多个采样点；所述每个采样点设有多个接收点并且所述每个采样点接收的无线信号强度均不同。

3.根据权利要求2所述的一种基于深度学习的无线定位方法，其特征在于，所述步骤S1还包括：

记录每个采样点在预设时间内接收的无线信号强度与坐标；

将所述无线信号强度与坐标保存至数据库中。

4.根据权利要求1所述的一种基于深度学习的无线定位方法，其特征在于，所述步骤S2具体包括：

将所述采集的无线信号强度转换成以时间和无线信号强度为坐标的曲线图；

利用深度学习算法将所述曲线图输入深度学习神经网络的数据层；每个曲线图的标签是对应的采样点的坐标；

根据所述输入的曲线图生成带权值的深度学习神经网络。

5.根据权利要求4所述的一种基于深度学习的无线定位方法，其特征在于，所述根据所述输入的曲线图生成带权值的深度学习神经网络的步骤具体包括：

通过所述深度学习神经网络的数据层输入带标签的无线信号强度变化的图片；

通过所述深度学习神经网络的卷积层对所述图片进行分块和平移处理以提取所述图片的特征；

通过所述深度学习神经网络的池化层对所述图片进行池化；

通过所述深度学习神经网络的全连接层连接局部特征以形成全局感知；

通过所述深度学习神经网络的分类层对所述图片进行分类定位；

根据所述标签利用BP网络算法反向调整网络权值以生成最优的带权值的深度学习神经网络。

6.根据权利要求5所述的一种基于深度学习的无线定位方法，其特征在于，所述生成带权值的深度学习神经网络的计算公式具体为：

设定输入P个学习图片样本，用用χ¹，χ²，…χ^v，…χ^p来表示；

第v个样本输入到网络后得到输出(j＝1,2,…,m)；

采用平方型误差，于是得到第v个样本的误差E_v：

Ev=12Σj=1m(tjv-yjv)2;]]>

P个样本，全局误差为：

E=12Σv=1pΣj=1m(tjv-yjv)2=Σv=1pEv;]]>

采用累计误差BP算法，输出层各神经元的权值调整公式为：

Δwjk=Σv=1pΣj=1mη(tjv-yjv)f2′(Sj)·zk;]]>

隐层各神经元的权值调整公式为：

Δvki=Σv=1pΣj=1mη(tjv-yjv)f2′(Sj)wjkf1′(Sk)·χi.]]>