[发明专利]一种智能手机WiFi室内定位方法

说明书

本发明公开了一种基于标准化波形趋势和核极限学习机的智能手机WiFi室内定位方法，针对现有技术大多数是采用接收信号强度作为指纹特征，但是，由于接收信号强度容易受到动态室内环境的影响，存在各种噪声，导致定位精度严重下降。此外，它们的高计算成本已成为大规模应用的瓶颈。本发明将接收信号强度的标准化波形趋势作为室内定位的指纹特征，对设备异质性和室内动态环境具有良好的容忍性，本发明将标准化波形趋势和核极限学习机集成，设计出具有高效且稳健的室内定位方法，具有非常快的学习速度并提供最佳泛化性能。本发明能够在室内环境下实现对智能手机的高精度定位以及对环境动态变化有较好的鲁棒性。

技术领域

本发明涉及室内定位领域，具体涉及一种基于标准化波形趋势和核极限学习机的智能手机WiFi室内定位方法。

背景技术

在过去的二十年中，随着智能设备(例如智能手机，平板电脑等)的日益普及，对基于位置的服务的需求正在增加，例如，驾驶到目的地，跟踪和记录我们的运动。这些服务通过全球定位系统(GPS)及其衍生应用程序在户外实施。尽管如此，由于室内环境中卫星信号接收能力较弱，建筑物内部无法使用GPS技术。

在城市中，有越来越多的购物中心，每层楼都有各种商店，还有大型停车场。GPS无法在室内以令人满意的精度实现定位服务。因此，出现了许多室内定位技术，例如基于Bluetooth，Radi Frequency Identification(RFID)，超宽带(UWB)，IEEE 802.11(WiFi)的室内定位技术。与其他无线技术不同，WiFi不需要额外的设备安装，因为随着网络技术的发展，现有的WiFi基础设施广泛分布在各种室内公共场所。因此，WiFi室内定位技术受到广泛关注，并且多个研究机构正在研究开发该技术。

经过近十年的探索和研究，已经开发出多种基于WiFi的定位方法。室内定位方法主要有两种：基于测距和无需测距。基于测距的定位方法包括到达时间法，到达时间差法，到达角法和接收信号强度法等。相比之下，基于通信跳频的方法和基于指纹识别的方案不需要测距。然而，基于测距的方法不适合于非视距室内环境，并且基于通信跳跃的系统通常是复杂的。所以基于指纹识别技术的室内定位方法成为最流行的室内定位方法，因为它可以提供令人满意的定位精度。指纹识别最易理解的概念是每个室内空间位置都可以通过独特的可测量特征来识别，就像人类指纹一样。

现有的指纹定位技术采用了很多不同的算法。流行的算法是分类算法，概率算法贝叶斯估计，回归算法支持向量机回归，神经网络算法反向传播，卷积神经网络等。但是，一些算法(例如，神经网络算法)具有很高的计算成本，因为它们需要大量训练数据。因此，它们通常不能正常地应用于普通商用计算机。

另外，我们注意到许多定位算法中最常用的指纹是接受信号强度。值得注意的是，由于接受信号强度容易受到动态环境(例如人的随机流动和家具的移动)的影响，存在各种噪声，结果导致定位精度严重降低，在一定程度上影响了室内定位系统未来的应用及推广。

发明内容

针对现有的室内定位精度不高的问题，本发明提供了一种基于标准化波形趋势和核极限学习机的智能手机WiFi室内定位方法。

本发明采用以下的技术方案：

一种基于标准化波形趋势和核极限学习机的智能手机WiFi室内定位方法，包括以下步骤：

步骤1：实验环境部署：选定实验室内环境，在实验室内部署WiFi路由器，选定参考训练点和测试点；

步骤2：离线采集：使用安装过定位APP的智能手机记录参考训练点的坐标，并采集WiFi路由器的信号强度和名称，将坐标与信号强度组合成一组数据集，在一个参考训练点采集500组数据集，所有的参考训练点采集完毕后，所有的数据集组合成训练数据库；

步骤3：进行数据处理并建立标准化波形趋势和核极限学习机模型：