[发明专利]一种基于类别匹配的半监督流形学习的WiFi室内定位方法

摘要

一种基于类别匹配的半监督流形学习的WiFi室内定位方法，本发明涉及一种室内定位方法。本发明是要解决现有WiFi室内定位方法中存在的Radio Map数据库大等问题。一、采集Radio Map；二、对Radio Map作本征维数分析；三、对Radio Map聚类分析；四、对Radio Map降维；五、将RSS加入Radio Map中得到Radio Mapul；六、对Radio Mapul进行降维，得出特征变换矩阵V，由Radio Map*和V构成在线定位数据库。一、在线测试RSS；二、将RSS降维为RSS*；三、输出定位结果；四、数据库更新。本发明应用于网络技术领域。

主权项

一种基于类别匹配的半监督流形学习的WiFi室内定位方法，其特征在于基于类别匹配的半监督流形学习的WiFi室内定位方法离线阶段定位过程按以下步骤实现：一、对待定位的室内区域布置接入点AP，使无线信号覆盖待定位的室内区域，完成无线保真技术WiFi网络构建；在待定位的室内区域规则选取并记录参考点的相应坐标，测量并依次记录参考点接收到的所有AP的信号强度RSS信号作为位置特征信息，构建网络信号覆盖图Radio Map，并存储Radio Map；二、采用测地线最小生成树GMST本征维数估计算法对步骤一中构建的Radio Map的本征维数进行分析，得到的本征维数作为基于类别匹配的半监督局部鉴别嵌入CM‑SDE算法的输入参数之一，决定Radio Map降维后的维数；三、采用将核模糊C均值KFCM算法对Radio Map进行聚类分析，实现建立的Radio Map的类别标记，并作为CM‑SDE的输入参数之一，并且提供相应的初始聚类中心及类别标记；四、步骤二中的本征维数与步骤三中的类别标记作为输入参数，采用CM‑SDE算法对步骤一中构建的Radio Map降维，得出相应的降维后的网络信号覆盖图RadioMap*，RadioMap*作为在匹配定位数据库用于在线定位阶段；五、将不同用户在线定位阶段测试得到的未标记RSS，采用类别匹配的方式加入至已有Radio Map中，得到相应的包含未标记信号覆盖图RadioMapul，通过类别匹配更新的聚类中心作为CM‑SDE算法中新的类别输入参数；六、步骤五中的更新的聚类中心作为输入参数，采用CM‑SDE算法对RadioMapul降维得到特征变换矩阵V′，V′与RadioMap*共同构成在线匹配定位数据库，用于在线阶段定位；其中，所述线阶段定位具体为：六(一)、在线测试RSS；六(二)、采用V将RSS降维为降维后的信号强度RSS*；六(三)、采用K近邻法KNN算法进行匹配定位输出定位结果；六(四)、用户定位终端定位数据库更新；即完成了一种基于类别匹配的半监督流形学习的WiFi室内定位方法的离线阶段实现方式。