[发明专利]一种基于广义多核函数的室内定位方法

权利要求书

1.一种基于广义多核函数的室内定位方法，其特征在于以谱投影梯度下降算法作为求解算法，利用广义多核学习模型实现目标定位，包括步骤：

a、利用参考节点的位置坐标和接收到的RSSI测量值建立指纹数据库，并作为训练数据集；

b、利用迭代自组织数据分析算法对训练数据集进行预处理，分别得到RSSI测量值的类别标签数据集和每类RSSI测量值的位置数据子集；

c、利用C-支持向量分类算法对RSSI测量值的类别标签数据集进行分类学习，得到RSSI测量值的分类函数；

d、将各个基本核函数通过权重参数相加成，得到多核函数，多核函数定义为：，

其中P为基本核函数的个数，代表基本核函数，是各基本核函数的权重参数，代表各基本核函数对多核函数的影响度；

e、改进广义多核学习算法，广义多核学习的原问题表示为：，， ，其中是权重参数向量，是偏置常量，是正则化矩阵，和核函数对连续可导，为损失函数，给定M个位置已知的参考节点，位置设为 和N个位置未知的目标节点，位置设为，，是内积算子，为在参考节点位置接收到的RSSI测量值，其中是第i个参考节点的RSSI值；通过迭代逐渐趋向于二次规划模型的目标函数，逐次迭代对模型进行优化，训练得到多核函数的最佳核参数和最佳权重系数；

f、在权重系数和核参数最佳的前提下，分别对每类RSSI测量值的位置数据子集进行回归学习，从而得到位置回归函数集合；

g、利用步骤c得到的分类函数，对目标接收到的RSSI值进行在线分类，然后调用对应的位置回归函数进行位置估计，得到目标的位置坐标。

2.根据权利要求1所述基于广义多核函数的室内定位方法，其特征在于：步骤a中所述训练数据集的得来过程：给定M个位置已知的参考节点和N个位置未知的目标节点，在离线阶段，将目标节点遍历各参考节点并收集每个位置接收到的RSSI值形成指纹数据库；任意目标节点在全部参考节点测得的RSSI测量值形成一个数据集，并基于数据集和目标节点的预设位置得到x坐标和y坐标下的训练集。

3.根据权利要求1所述基于广义多核函数的室内定位方法，其特征在于：步骤b中所述预处理为根据可调性预设的聚类中心的位置和数量对训练数据集中的样本进行合并和分裂操作，得到每一个RSSI测量值的类别标签，并构建RSSI测量值的类别标签数据集和每类RSSI测量值的位置数据子集。

4.根据权利要求1所述基于广义多核函数的室内定位方法，其特征在于：步骤f中所述位置回归函数集合包含x坐标的回归函数和y坐标的回归函数。