[发明专利]一种智能手机WiFi室内定位方法

摘要

本发明公开了一种基于标准化波形趋势和核极限学习机的智能手机WiFi室内定位方法，针对现有技术大多数是采用接收信号强度作为指纹特征，但是，由于接收信号强度容易受到动态室内环境的影响，存在各种噪声，导致定位精度严重下降。此外，它们的高计算成本已成为大规模应用的瓶颈。本发明将接收信号强度的标准化波形趋势作为室内定位的指纹特征，对设备异质性和室内动态环境具有良好的容忍性，本发明将标准化波形趋势和核极限学习机集成，设计出具有高效且稳健的室内定位方法，具有非常快的学习速度并提供最佳泛化性能。本发明能够在室内环境下实现对智能手机的高精度定位以及对环境动态变化有较好的鲁棒性。

主权项

1.一种基于标准化波形趋势和核极限学习机的智能手机WiFi室内定位方法，其特征在于，包括以下步骤：步骤1：实验环境部署：选定实验室内环境，在实验室内部署WiFi路由器，选定参考训练点和测试点；步骤2：离线采集：使用安装过定位APP的智能手机记录参考训练点的坐标，并采集WiFi路由器的信号强度和名称，将坐标与信号强度组合成一组数据集，在一个参考训练点采集500组数据集，所有的参考训练点采集完毕后，所有的数据集组合成训练数据库；步骤3：进行数据处理并建立标准化波形趋势和核极限学习机模型：a：计算从同一坐标系同一路由器处采集的接受信号强度的平均值为以最小化与每个路由器采集的接受信号强度值R_i之间差值的平方和E为：通过计算一元函数的极限，得到：b：根据高斯误差理论，当测量值服从正态分布时，剩余差异落入三倍方差区间，即[‑3σ，3σ]的概率超过99.17％，超出此间隔的概率小于0.13％；因此，认为该区域外的残差的测量值是异常的，这是怀特标准判别方法，也称为3σ方法，计算标准偏差σ：代表R_i与的偏差；根据3σ标准，其中残差大于标准偏差的三倍，相应的测量值被认为是异常值，应由代替，表达如下：若则有是异常值的残差，1＜b＜n；然后得到一个新的接受信号强度数据集：RN；在数据集RN中添加噪声N，N∈[‑1,1]，满足高斯分布；即X＝RN+N；最终获得的X是接受信号强度的标准化波形趋势；c：X的前两列为坐标值，用f_L表示，f_L＝{l₁,l₂,...,l_M}，M代表坐标个数，X的其他列为接收信号强度值用r_i表示，r_i＝(r_i,1,r_i,2,...,r_i,N)，i＝1,2,...,M，f_L和r_i作为训练输入和目标输出，隐藏层节点数为h(x)为激活函数，随机产生输入层与隐藏层间的连接权重为w_i，隐藏层神经元偏置为b_i，则该网络可由如下数学模型表示：β_i代表输出权重；该式用矩阵形式表示为：Hβ＝L；其中，m代表矩阵的列；d：为了训练接近样本输出的单层神经网络零错误，那么存在β、W和b满足：W代表连接权重w_i的集合，b代表b_i的集合；根据优化理论，上式被写为：Subject to:f(x_i)＝h(x_i)β＝l_i‑ξ_i其中C是正则化系数，ξ_i是理论输出相对于训练输出的训练误差，f(x_i)代表在输入x_i后的隐藏层输出，l_i表示坐标；e：上式通过KKT最优条件来求解：f：应用Mercer条件将Ω_ELM定义为内核矩阵：其中K(x_i,x_j)是一个内核函数，它是Ω_ELM的第i行，第j列的元素；g：核极端学习机的输出可表示为：保存输入层与隐藏层节点的连接权重矩阵w_i、隐藏层神经元偏置b_i和输出权重估计完成对标准化波形趋势和核极限学习机的训练；步骤4：在线测试及定位：用户向智能手机发送定位命令，智能手机在定位区域实时采集来自N个WiFi路由器的信号强度矢量r_o＝(r_o,1,r_o,2,...,r_o,N)，并将其发送到服务器；将r_o输入到已训练好的标准化波形趋势和核极限学习机模型以预测位置，然后获得智能手机的估计位置信息最后将坐标显示在服务器软件界面上，让用户获得位置信息。