[发明专利]联合多种情景模式的自适应定位方法

说明书

本发明提出的联合多种情景模式的自适应定位方法，包括以下步骤：情景数据获取及分析；情景数据预处理及加噪；自适应情景网络学习与训练；构建情景模式特征模型和定位区域确认。本发明在一个划分了多个定位区域的空间中，对采集的情景数据进行分析和预处理，在不同的情景数据中添加对应的情景噪声，通过自适应情景网络学习与训练，构建定位区域的情景模式特征模型，确认准确后用于用户的区域匹配定位。本发明提出的自适应定位方法适应于不同环境的定位区域，提高了区域匹配定位的精确度，稳定性和鲁棒性。

技术领域

本发明属于无线空间定位技术领域，具体涉及在不同的环境下联合多种情景模式的自适应定位方法。

背景技术

随着通信技术的发展，在信息时代中，位置信息的获取是当前社会各领域中需求最多的业务之一。因此，在复杂的环境中，通过定位服务准确快速获得目标的位置区域是无线空间定位技术的研究热点。在室外，常用美国的GPS定位系统，我国的北斗卫星导航定位系统以及分布在各地的基站进行定位，在室内，常见的定位方法有超宽带，地磁，蓝牙和wifi技术等。现有的无线空间定位技术的研究大部分是以无线信号强度作为特征用于区域匹配定位中，但是无线信号强度受复杂的自然地形环境，无线信号强度传播衰减，空间传播环境的多径效应和可移动目标的噪声影响等，通过无线信号强度定位的方法的有效性和精确度受到很大的影响。

在一天的不同时间段中，无线信号强度的区域匹配定位受到移动目标的影响，在不同的区域反映出不同的信号特征规律，在不同的时间不同的区域中有着不同的空间信号模型。考虑到时间能反映区域的信号变化情况，而且时间维度在空间定位中具有唯一性，能弥补无线信号强度定位的不稳定性。此外，在不同的定位区域中，有着多种不同的情景模式影响因素。不同的情景模式在区域中有其特殊的辨识特征，因此可以考虑作为空间定位的参考因素。

自适应在处理和分析数据的过程中，根据处理的数据特征自动调整处理方法、处理顺序、处理参数、边界条件或约束条件，使其与所处理数据的统计分布特征、结构特征相适应，以取得最佳的处理效果的过程。

自适应网络具有良好的泛化能力，能从复杂的数据中提取有效的特征，进行自适应学习与训练后，能较好地输出该数据的特征表示。在复杂的定位区域中，有着多种不同的情景模式因素，普通的机器学习训练网络难以从多维情景数据中学习和表达出区域的情景特征，因此，通过自适应网络联合多种不同的情景模式应用于空间区域定位中，能更好地表达区域特征。自适应情景网络从复杂的环境中提取有效的情景数据特征进行学习与训练，结合各区域的时间维度，从而构建各定位区域的情景模式特征模型，能更准确地表达各区域的信号变化规律。

因此，本发明提出联合多种情景模式的自适应定位方法，在基于自适应网络的学习与训练下，利用区域采集的无线信号强度，同时结合时间和多种不同的情景模式作为辅助定位的方法，以此提高区域匹配定位的精确度，稳定性和鲁棒性。

发明内容

为了适应不同的目标定位区域，提高区域匹配定位的精确度，本发明基于无线空间定位技术，提出一种联合多种情景模式的自适应定位方法。本发明在一个划分了多个定位区域的空间中，采集空间中存在的情景数据，对其加以分析和预处理，在不同的情景数据中添加对应的情景噪声，通过自适应情景网络学习与训练，输出定位区域的情景模式特征模型，定位区域模型确认准确后用于用户的区域匹配定位。

本发明采用如下技术方案来实现联合多种情景模式的自适应定位方法。包括以下5个步骤：

步骤1：情景数据获取及分析，获取定位区域的情景数据，并对获取的情景数据规律进行分析；

步骤2：情景数据预处理及加噪，对情景数据进行数据预处理，并对不同的情景数据添加对应的情景噪声；

步骤3：自适应情景网络学习与训练，利用自适应情景网络对加噪后的情景数据进行自适应学习与多层子网训练，获取情景数据特征；