[发明专利]一种基于度量学习的指纹定位方法

权利要求书

1.一种基于度量学习的指纹定位方法，其特征是：包括以下步骤：

步骤1：在目标室内环境内设置多个参考点RP，建立笛卡尔坐标系，生成与室内物理空间相对应的二维欧几里得空间；在m个参考点RP上分别采集来自n个接入点AP的RSS数据；

步骤2：在每个预先部署的参考点RP采集到的RSS数据上加入位置标签，生成原始数据；

步骤3：对原始数据进行预处理，得到相似度度量矩阵，并根据RSS数据建立指纹地图库；

步骤4：将相似度度量矩阵和指纹地图库加载到KNN算法中，得到用户的估计位置；

所述步骤3中对原始数据进行预处理，得到相似度度量矩阵具体为:

步骤3.1：对向量相似度进行度量，通过下式表示两个矩阵的相似程度：

其中，为距离函数；和为第i条和第j条数据向量；M为度量矩阵的初始值，I为单位矩阵；

步骤3.2：确定训练的目标函数，通过下式表示训练的目标函数：

其中，i,j→i为向量i和向量j为同类，同属于向量i所在类别；μ为阈值；ξ_ijl为松弛因子，其定义如下：

其中，为尺度缩放函数；ξ_ijl为松弛因子；

步骤3.3：定义尺度缩放函数的目标是将目标函数的定义域约束在凸范围内，其定义为：

其中，(R_min,R_max)为缩放后凸域范围；λ为缩放因子；

步骤3.4：确定外推函数和内拉函数，通过下式表示内拉函数和外推函数：

其中，ε_pull(M)为内拉函数，为外推函数；

步骤3.5：确定所有的约束函数，通过下式表示约束函数：

ξ_ijl≥0

M≥0

步骤3.6：采用随机梯度下降法对目标函数进行求解，得到最优相似度度量矩阵M。

2.根据权利要求1所述的一种基于度量学习的指纹定位方法，其特征是：所述步骤1具体为：

步骤1.1：在目标室内环境中根据实际需求设置多个参考点RP，建立笛卡尔坐标系，生成与室内物理空间相对应的二维欧几里得空间；将设置的参考点表示在欧式空间中，参考点RP_i的坐标表示为RP_i＝(x_i,y_i)；

步骤1.2：采用预装有WIFE信号采集软件的信号获取设备在m个参考点RP上分别采集来自n个接入点AP的RSS数据，并设定预装有WIFE信号采集软件的信号获取设备的采集频率为2Hz，采集时间为2分钟。

3.根据权利要求2所述的一种基于度量学习的指纹定位方法，其特征是：参考点间隔设置为每个RP间隔一米。