[发明专利]基于智能手机的室内WiFi指纹定位自动标定方法及系统有效
申请号: | 201910435427.7 | 申请日: | 2019-05-23 |
公开(公告)号: | CN110049442B | 公开(公告)日: | 2021-02-09 |
发明(设计)人: | 余敏;吴璇;薛峰;郭杭 | 申请(专利权)人: | 江西师范大学 |
主分类号: | H04W4/021 | 分类号: | H04W4/021;H04W4/33;H04W64/00;G01S5/08 |
代理公司: | 宁波甬致专利代理有限公司 33228 | 代理人: | 李迎春 |
地址: | 330000 江西省南昌*** | 国省代码: | 江西;36 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 智能手机 室内 wifi 指纹 定位 自动 标定 方法 系统 | ||
1.一种基于智能手机的室内WiFi指纹定位自动标定方法,其特征在于,所述方法包括如下步骤:
S101,获取通过标准手机采集到的标准采样数据,以及通过用户手机采集到的用户采样数据,其中所述标准采样数据为所述标准手机采集到的WiFi指纹数据并经均值化处理得到,所述用户采样数据为所述用户手机采集到的WiFi指纹数据并经正态分布处理得到;
S102,根据所述标准采样数据以及所述用户采样数据建立并训练得到支持向量机算法模型,并记录对应的模型参数及用户手机型号;
S103,以所述用户采样数据作为模型输入,将经所述支持向量机算法模型处理后得到的输出作为标定值以完成自动标定作业;
对所述标准手机采集到的WiFi指纹数据进行均值化处理的方法包括如下步骤:
根据公式
对所述标准手机采集到的WiFi指纹数据中的每个Mac地址的RSSI值作均值处理得到所述标准采样数据,记作RSSIavg;
对所述用户手机采集到的WiFi指纹数据并经正态分布处理得方法包括如下步骤:
根据公式
对所述用户手机采集到的WiFi指纹数据中的每个Mac地址的RSSI值作均值处理,并将所有Mac地址的RSSI均值记作AllRSSIavg;
根据公式计算得到标准差S,其中n为Mac地址的个数;
根据正态分布3σ原则,在正态曲线下,选取RSSIavg在区间
(AllRSSIavg-3σ,AllRSSIavg+3σ)
内的数据以得到所述用户采样数据,其中σ即为所述标准差S;
在通过用户手机采集WiFi指纹数据之前,所述方法进一步包括,判断用户手机的手机型号是否在标定库中;
若是,则跳转至步骤S103,以所述用户采样数据作为模型输入,将经支持向量机算法模型处理后得到的输出作为标定值以完成自动标定作业。
2.根据权利要求1所述的基于智能手机的室内WiFi指纹定位自动标定方法,其特征在于,从所述标准手机获取的所述标准采样数据或从所述用户手机获取的所述用户采样数据的发送格式为:
{Model{(Pi{(APi1,RSSIi1avg),...(APij,RSSIijavg),...(APik,RSSIikavg)})}}
其中,Model是手机型号,Pi是编号为i的室内特征采样点,APij(j∈[1,k])为用户手机或标准手机在编号为i的室内特征采样点均能采集到信号的第j个WiFi无线路由器AP,RSSIijavg为编号为i的特征采样点采集第j个AP的RSSI均值。
3.根据权利要求1所述的基于智能手机的室内WiFi指纹定位自动标定方法,其特征在于,所述根据所述标准采样数据以及所述用户采样数据建立并训练得到支持向量机算法模型的方法包括如下步骤:
根据所述用户采样数据以及所述标准采样数据,得到训练样本集;
在支持向量机中,根据所述用户采样数据,通过非线性映射,映射到高维特征空间,以建立一线性模型用于估计回归函数;
根据所述非线性映射,计算得到径向基核函数;
根据拉格朗日函数,将所述径向基核函数进行转化以得到所述支持向量机算法模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西师范大学,未经江西师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910435427.7/1.html,转载请声明来源钻瓜专利网。