[发明专利]室内定位方法、装置、电子设备和存储介质

权利要求书

1.一种室内定位方法，其特征在于，包括：

获取定位区域的接收信号强度RSS信息，其中，所述接收信号强度RSS信息由有标签RSS数据和无标签RSS数据组成，所述标签为所述定位区域被划分为网格后，所述网格中每个格点的序号；

为所述无标签RSS数据打上标签信息，所述标签信息为区别于有标签RSS数据的标签，并将所述有标签RSS数据和打上标签信息后的无标签RSS数据进行数据处理得到混合数据；

对所述混合数据，通过预先搭建的学生模型进行训练并更新所述学生模型的参数；

根据所述学生模型的参数，采用参数加权平均算法更新预先搭建的教师模型的参数；

获取待测的RSS信息，通过所述更新完成后的教师模型，得到预测的二维坐标。

2.根据权利要求1所述的室内定位方法，其特征在于，所述获取定位区域的接收信号强度RSS信息，包括：

将所述定位区域划分为网格，记录所述网格中每个格点的序号及二维坐标；

获取所述网格中每个格点的RSS信息，并将所述每个格点的RSS信息与所述格点序号对应，得到有标签RSS数据；

通过众包方式在所述定位区域内随机获取RSS信息，得到无标签RSS数据。

3.根据权利要求1所述的室内定位方法，其特征在于，所述将所述有标签RSS数据和打上标签信息后的无标签RSS数据进行数据处理得到混合数据，包括：

统计所述有标签RSS数据和所述打上标签信息后的无标签RSS数据中接入点的MAC地址种类数，并为每个MAC地址标上序号；

将所述有标签RSS数据和所述打上标签信息后的无标签RSS数据按照所述MAC地址序号分布进行排列，得到RSS向量；

对所述RSS向量进行标准化处理，并将所述标准化处理后RSS向量中的有标签RSS数据和打上标签信息后的无标签RSS数据混合乱序排列并划分批次，得到混合数据。

4.根据权利要求1所述的室内定位方法，其特征在于，所述对所述混合数据，通过预先搭建的学生模型进行训练并更新所述学生模型的参数之前，搭建学生模型和教师模型，包括：

搭建两个多层全连接网络，其中，层数为大于1的自然数，隐层维度为非零自然数；

在所述两个多层全连接网络后分别连接一个维度为N的全连接层作为分类层，得到学生模型和教师模型，其中，N为非零自然数，所述学生模型和所述教师模型的模型结构一致，初始参数为随机初始化参数。

5.根据权利要求1所述的室内定位方法，其特征在于，所述对所述混合数据，通过预先搭建的学生模型进行训练并更新所述学生模型的参数，包括：

获取所述预先搭建的学生模型的L2正则化代价函数；

根据所述混合数据和所述预先搭建的学生模型，获取分类交叉熵代价函数；

根据所述混合数据和预先搭建的教师模型，获取一致性代价函数；

将所述正则化代价函数、分类交叉熵代价函数和一致性代价函数相加得到所述学生模型的代价函数；

根据梯度下降算法和所述学生模型的代价函数，更新所述学生模型的参数。

6.根据权利要求1所述的室内定位方法，其特征在于，所述根据所述学生模型的参数，采用参数加权平均算法通过以下公式更新预先搭建的教师模型的参数：

其中，为t时刻学生模型的参数，为t时刻教师模型的参数，α为权重。

7.根据权利要求1所述的室内定位方法，其特征在于，所述获取待测的RSS信息，通过所述更新完成后的教师模型，得到预测的二维坐标，包括：

将待测的RSS信息转换成标准化后的RSS向量；

对所述标准化后的RSS向量，通过更新完成后的教师模型，得到预测的格点序号；

将所述预测的格点序号映射到对应的二维坐标上，得到预测的二维坐标。