[发明专利]一种基于分类自学习的WIFI定位方法及系统

权利要求书

1.一种基于分类自学习的WIFI定位方法，其特征在于：具体包括以下步骤：

S1、无线定位的学习阶段：

z1、使用N台无线定位设备互相之间探测WIFI通信接口上的信号RSSI信息并发送给定位引擎平台，由于无线定位设备的位置是已知的，通过综合N台设备上报的无线RSSI信息，定位引擎平台即可为每个无线定位设备所在位置建立指纹信息库；

z2、当为每个位置累积了足够数量的指纹数据后，定位引擎平台运行基于分类的监督机器学习算法，其中指纹RSSI集合作为训练特征，已知的无线定位设备位置作为类别，定位引擎平台同时执行多个分类学习算法，根据各个算法针对训练数据集得出的混淆矩阵得出各个算法的精度和召回率，在此基础上给予每种算法不同的权重，当通过交叉验证确认所有位置的学习精度达到一定标准后，一般标准为准确率大于95%，定位引擎平台保存所有学习模型以及各种学习算法的权重参数，并停止学习过程。

2.S2、无线定位的定位阶段：

q1、N台无线定位设备探测周边用户终端WIFI通信接口上的信号RSSI信息并发送给定位引擎平台，定位引擎平台为每个用户终端建立动态指纹信息库；

q2、针对每个用户终端，定位引擎平台按上述方式不断生成用户终端的位置指纹，并将其作为输入执行位置定位算法。

3.S3、位置定位算法执行阶段：

a1、当接收到由无线定位设备采集到的各用户终端RSSI信息时，启动该算法的执行；

a2、该定位算法为收到的当前信息对应的用户终端建立RSSI指纹信息数据库；

a3、该定位算法判定该用户终端指纹数据库中的RSSI数量是否大于或等于某个设定值M，M不小于3，若是，则执行a5，否则执行a4；

a4、保存当前用户终端的RSSI值到该终端的指纹数据库，等待接收更多针对该用户终端的RSSI信息；

a5和a6、该定位算法将该用户终端的位置指纹输入到已训练好的各个机器学习算法模型，并根据各个算法的权重，得出该用户终端位置与各个无线定位设备位置的近似度，以百分比即或然率表示；

a7、在已知用户终端位置到各个已知位置的或然率的基础上，对用户终端位置的求可解转化为一个优化算法问题，并为其设计成本函数；

a8、该定位算法执行差分进化优化算法，得出用户终端位置的预测坐标值。

4.根据权利要求1所述的一种基于分类自学习的WIFI定位方法及系统，其特征在于：所述步骤z1中为了实现精确的定位，N的取值不小于3，其中位置指纹是指各台无线定位设备探测到的位于该位置的无线定位设备WIFI通信接口的RSSI集合，所述步骤z2中常用的基于分类的监督机器学习算法包括：K近邻算法、决策树算法、朴素贝叶斯算法、支持向量机算法、adaBoost算法等。

5.根据权利要求1所述的一种基于分类自学习的WIFI定位方法及系统，其特征在于：所述步骤q1中用户终端位置的指纹信息是在同一时刻各无线定位设备采集到的RSSI集合，考虑到多台无线定位设备对同一个用户终端信号的探测在时间上有先有后，在指纹采集区间上为每一个用户终端设置一个小的滑动时间窗口，比如10秒，落在该时间窗口的RSSI集合作为该用户终端的位置指纹。

6.根据权利要求1所述的一种基于分类自学习的WIFI定位方法及系统，其特征在于：所述步骤a7中优化算法的成本函数原理为分别计算用户终端位置到各已知位置的欧式距离，再根据各距离间的比例关系得出符合该比例关系的最小差距方程。