[发明专利]一种基于自适应杠杆抽样的WiFi室内定位方法

权利要求书

1.一种基于自适应杠杆抽样的WiFi室内定位方法，其特征在于：包括以下步骤：

步骤S1：获取室内感兴趣区域的WiFi数据；

步骤S2：建立WiFi数据张量；

步骤S3：根据所述WiFi数据张量，进行基于杠杆分数的自适应采样；

步骤S4：通过恢复算法进行数据恢复，利用K最近邻分类算法对恢复的WiFi数据进行室内定位；

在步骤S1中，建立矩形室内感兴趣区域并划分为均匀网格，每个网格为一个参考点；在感兴趣区域内随机放置多个WiFi接入点产生无线网络，在每个接入点通过传感器采集获取室内WiFi数据；

在步骤S2中，WIFi数据的三个维度包括：感兴趣区域的长、宽、接入点；通过服务器对收集的WIFi数据采取上述方法进行处理，每个接入点产生的WIFi是二维数据；通过各个接入点的叠加构建三维张量模型，完成WIFi数据张量模型的构建；

步骤S4中，通过恢复算法进行数据恢复的具体方式为通过交替方向乘子法(ADMM)对所述的抽样张量进行恢复重建；

在所述步骤S3中，还包括如下步骤：

步骤S31：记参考点样本预算为m，分配率为β；随机选取感兴趣区域内βm个参考点沿第三维进行管道抽样，产生抽样张量；参考点样本预算为m＜n₁*n₂，记n₁，n₂，n₃，分别为感兴趣区域的长，宽，接入点个数，0＜β＜1；

步骤S32：将所述抽样张量进行张量奇异值分解(t-SVD)，分别得到左，右奇异值张量

步骤S33：将所述奇异值张量和分为水平切片和侧切片，并计算每个切片的杠杆分数和通过杠杆分数计算感兴趣区域内每个参考点的采样概率

步骤S34：设置循环次数为L，每次不重复的选取采样概率最大的(1-β)m/L个参考点进行管道抽样，并将每次抽样的新样本并入样本集中，产生抽样张量；通过执行所述步骤S32、S33，直到最大循环次数或样本预算。

2.根据权利要求1所述的一种基于自适应杠杆抽样的WiFi室内定位方法，其特征在于：在所述步骤S32中所述左，右奇异值张量和核心张量S通过张量奇异值分解(t-SVD)不断进行更新，张量奇异值分解即对三维矩阵进行奇异值分解：

[u^l，s^l，v^l]＝t-SVD(x)

在所述步骤S33中，所述和分别采用水平切片和侧切片的范数交替不断进行更新两个参数和抽样概率：

其中，l为当前杠杆抽样的标记，N₁，N₂分别为张量第一，二维的标记，r为张量管道秩的标记，为抽样概率的标记，x为抽样张量的标记。

3.根据权利要求1所述的一种基于自适应杠杆抽样的WiFi室内定位方法，其特征在于：通过交替方向乘子法ADMM对所述的抽样张量进行填充恢复。

4.根据权利要求1所述的一种基于自适应杠杆抽样的WiFi室内定位方法，其特征在于：还包括步骤S4：通过张量核范数最小化对抽样张量进行优化，

min||x||_TNN s.t.x_Ω＝m_Ω

其中Ω为抽样参考点的标记，m为参考点样本预算的标记，x为抽样张量的标记，||·||_TNN为张量核范数的标记。