[发明专利]一种采用深度学习融合网络模型确定手机用户位置的方法

摘要

本发明公开了一种基于深度学习融合网络模型的手机定位方法，该方法利用深度学习中的栈式自编码器进行用户手机记录数据的处理，得到手机用户所在位置是属于室内还是室外；然后针对室内采用栈式自编码器、卷积神经网络与全连接神经网络顺次处理得到高精度手机用户定位；对于室外采用栈式自编码器、长短时记忆网络与卡尔曼滤波顺次处理得到优化后的手机用户的位置轨迹。本发明方法充分考虑了移动通信工参数据的多源异构性，从而尽可能地消除手机信号在传播过程中产生的噪声干扰，提升定位的精度。

主权项

1.一种采用深度学习融合网络模型确定手机用户位置的方法，其特征在于有下列处理步骤：步骤一，对用户手机记录数据和工参数据利用深度学习中的栈式自编码器和卷积神经网络分别提取出小区BS的工参特征SAE_Features和地形高度特征Cen_Area；而后将其输入到全连接神经网络进行特征融合，使两种不同的特征能够进行共享并预测出用户的经纬度位置，从而实现高精度定位；步骤二，采用深度学习中的栈式自编码器方法对用户手机能够接收到多个小区BS的信号、经纬度特征、手机位置的室内标签或者外标签进行处理，得到栈式自编码器模型的输入特征，记为Model_Features；然后将Model_Features在栈式自编码器模型中进行训练，得到手机用户所在位置是属于室内还是室外；若为室内，则执行步骤一；若为室外，则执行步骤三；步骤三，采用深度学习中的栈式自编码器对用户手机记录数据和工参数据进行处理，得到连续时段内手机用户的位置轨迹；然后采用深度学习中的长短时记忆网络对所述手机用户的位置轨迹进行纠偏，得到纠偏后位置轨迹；最后采用卡尔曼滤波对纠偏后位置轨迹进行平滑处理，得到优化后的手机用户的位置轨迹。