[发明专利]一种基于时空间融合特征的室内定位方法

说明书

本发明公开了一种基于时空间融合特征的室内定位方法，包括以下步骤：建立基于时空间融合特征的位置预测网络，所述位置预测网络以定位信号序列为输入，各定位信号序列提取的时空间融合特征对应的位置为输出；采集待确定位置的定位信号序列；将所述定位信号序列作为所述位置预测网络的输入；所述位置预测网络输出该定位信号序列对应的位置。采用本发明方法，从序列信号多个维度下的特征入手，即同时考虑到序列信号的时间和空间特征，使用多维度下的融合特征作为定位的基础，实现了对于多种不同场景的适应性，并且具有良好的泛化性，适用于多种不同的序列定位信号；同时，通过优化神经网络结构降低网络模型的计算复杂度和训练成本。

技术领域

本发明涉及室内定位方法，特别涉及一种基于时空间融合特征的的室内定位方法。

背景技术

目前，国内外学者提出了许多室内定位算法和技术，应用了包括超宽带、Wi-Fi、蓝牙、RFID、地磁等诸多定位信号，其具体方法主要分为两类：基于信号指纹空间特征的定位算法和基于信号指纹时间特征的定位算法。

但是，基于信号指纹空间特征的定位算法，在一些较大的室内场景下，某些定位信号的分辨率(特征区分度)往往无法达到要求，如Wi-Fi信号由于其传播模型和室内环境噪声的影响，相距很远的两个不同位置的Wi-Fi信号强度值可能相同，进而导致较大的定位误差；基于信号指纹时间特征的定位算法，使用序列信号输入也就意味着相对更高的计算复杂度，如常用的DTW(动态时间规整)算法在长序列下计算复杂度往往是很高的，而如果使用短序列输入，那么也就意味着降低了序列的特征区分度，导致定位误差的增加。

发明内容

有鉴于此，本发明提出一种适应性强、面向广的基于时空间融合特征的的室内定位方法。

本发明的技术方案是这样实现的：

一种基于时空间融合特征的室内定位方法，包括以下步骤：

建立基于时空间融合特征的位置预测网络，所述位置预测网络以定位信号序列为输入，各定位信号序列提取的时空间融合特征对应的位置为输出；

采集待确定位置的定位信号序列；

将所述定位信号序列作为所述位置预测网络的输入；

所述位置预测网络输出该定位信号序列对应的位置。

作为所述基于时空间融合特征的室内定位方法的进一步可选方案，建立基于时空间融合特征的位置预测网络包括训练阶段和测试阶段。

作为所述基于时空间融合特征的室内定位方法的进一步可选方案，所述训练阶段包括：

步骤S1，对定位序列信号进行预处理，转换为定位序列信号对应时间维度和空间维度下的数据表示形式；

步骤S2，提取定位序列信号对应时间维度和空间维度下的时间特征和空间特征，将所述时间特征和空间特征融合为时空间特征，基于时空间特征构建位置预测输出单元，得到位置预测网络模型，并基于预处理后的训练数据对模型进行训练。

作为所述基于时空间融合特征的室内定位方法的进一步可选方案，所述步骤S1包括以下步骤：

步骤S11，采用经验模态分解算法对定位序列信号数据进行频率分量分解，然后将高频噪声进行过滤；

步骤S12，计算原序列的梯度序列；

步骤S13，将梯度序列分别转换为对应时间维度和空间维度下的数据表示形式。

作为所述基于时空间融合特征的室内定位方法的进一步可选方案，所述步骤S2包括以下步骤：

步骤S21，构建基于双向长短期记忆网络的多层级循环神经网络来提取定位信号序列对应时间维度下的时间特征；