[发明专利]经由无监督域自适应的基于WiFi的室内定位的系统和方法

说明书

提供了一种位置感知电子装置。电子装置训练特征提取层、重构层和分类层。该训练可以基于重构损失和/或聚类损失。电子设备对指纹进行处理，来根据指纹的统计信息采用随机化方法获得扩充的指纹。特征提取层向重构层和分类层提供特征数据。分类层对编码进行操作以获得估计的位置标记。应用处理器对所估计的位置标记进行操作，以向人提供位置感知的应用结果。

技术领域

本公开涉及位置感知应用，更具体地，涉及用于位置感知应用的电子装置及其操作方法。一些实施方式涉及WiFi(在通信行业中也称为“Wi-Fi”)。

背景技术

位置感知应用可以提供便利还有信息娱乐。当前应用以超过一米的粒度估计用户位置。位置源有时是室内不可用的(例如，GPS)或粗粒度的(例如，用户登记)。WiFi信号有时用于定位系统。WiFi特性还对以下因素敏感：1)不同用户的身体形状，以及2)背景环境中的对象。因此，基于WiFi指纹的系统在1)具有不同身体形状的新用户，以及2)环境的日常变化，例如开/关门的情况下是脆弱的。

发明内容

技术方案

本文提供了一种由包括具有WiFi收发器和基于神经网络的AI模型的电子装置的系统确定位置的方法，所述方法包括：经由所述WiFi收发器接收与第一人和第一环境相关联的第一指纹，其中所述第一人不是所述系统的注册用户；使用基于神经网络的AI模型的共享特征提取层，并基于对第一指纹的操作，获得第一特征数据组；使用基于神经网络的AI模型的重构层，并基于来自共享特征提取层的第一特征数据组，确定与第一人和第一指纹相关联的重构损失；当重构损失等于或低于阈值时，使用基于神经网络的AI模型的分类层，并基于来自共享特征提取层的第一特征数据组，对第一指纹进行分类，以获取第一人的第一估计位置标记，并通过可视或可听方式输出第一人的第一估计位置标记的指示符；当重构损失高于阈值时，执行第一人的注册。

本文还提供了一种由电子装置执行的方法，其中所述电子装置包括基于神经网络的AI模型，所述方法包括：基于重构损失和聚类损失，联合训练基于神经网络的AI模型的特征提取层、重构层和分类层，其中所述重构层被配置为提供所述重构损失，并且所述分类层被配置为提供所述聚类损失；对指纹进行处理，以获取扩充后的指纹；对扩充的指纹进行特征提取层操作，以生成编码；利用所述分类层对所述编码进行分类，以获取估计的位置标记；基于所述估计的位置标记提供应用输出。

本文还提供一种电子装置，其包括：一个或多个存储器，其中所述一个或多个存储器包括指令；WiFi收发器；基于神经网络的AI模型；以及一个或多个处理器，其中所述一个或多个处理器被配置为执行所述指令以：经由所述WiFi收发器接收与第一人和第一环境相关联的第一指纹，其中所述第一人不是所述电子装置的注册用户，使用在所述第一指纹上操作的共享特征提取层获得第一特征数据组，其中基于神经网络的AI模型包括所述共享特征提取层，使用重构层并基于来自共享特征提取层的第一特征数据组，确定与第一人和第一指纹相关联的重构损失，其中基于神经网络的AI模型包括重构层，当重构损失处于或低于阈值时：使用分类层并基于来自共享特征提取层的第一特征数据组，对第一指纹进行分类，以获得第一人的第一估计位置标记；其中，基于神经网络的AI模型包括分类层，并通过可视或可听装置输出第一人的第一估计位置标记的指示符，当重构损失高于阈值时，执行第一人的注册。在一个实施方式中，所述一个或多个处理器还被配置为执行所述指令以：通过以下步骤执行所述注册：经由所述电子装置的用户接口获得所述第一人的标识符，经由所述用户接口获得所述第一人的地面真实位置标记，以及获得与所述地面真实位置标记相关联的第二指纹；以及基于第一估计位置标记或地面真实位置标记提供应用输出。

本文还提供了一种存储指令的机器可读存储介质，当所述指令被执行时，使得电子装置的至少一个处理器执行本文提供的方法中的任一个。