[发明专利]一种基于改进隐马尔科夫模型的楼层识别方法

摘要

本发明公开了一种基于改进隐马尔科夫模型的楼层识别方法，包括：建立用于初始化改进隐马尔科夫模型的信号指纹数据库；建立用于初始化改进隐马尔科夫模型的人员流动数据库；对信号指纹数据库进行聚类；构建用于楼层识别的改进隐马尔科夫模型；建立用于调整改进隐马尔科夫模型参数的训练集合；调整用于楼层识别的改进隐马尔科夫模型；利用实时采集的无线信号和改进隐马尔科夫模型预测所在楼层。本发明根据场景人流变化趋势和信号指纹的聚类结果初始化参数，后又对用户的楼内活动进行采样，调整模型参数，使模型更稳定可靠。方法挖掘利用了人流信息数据，顾及了现实场景中人前往不同楼层的概率因素，实现了在不同建筑中楼层的精确定位。

主权项

1.一种基于改进隐马尔科夫模型的楼层识别方法，其特征在于，包括如下步骤：步骤1，建立用于初始化改进隐马尔科夫模型的信号指纹数据库，所述信号指纹数据库包括楼层号、楼层号对应楼层的参考点坐标、楼层号对应楼层无线接入点的Mac地址、Mac地址对应的信号强度值；步骤2，建立用于初始化改进隐马尔科夫模型的人员流动数据库，所述人员流动数据库包括采集时间段内各楼层的人流信息，设置时间间隔为5分钟，将采集时间段划分为T个时间间隔，人流信息为人员进入建筑后时间间隔内停留的楼层，当前楼层的人群向其它楼层移动的数量统计或保持不变的数量统计；步骤3，采用高斯混合聚类方法对每个楼层的信号指纹数据库进行聚类，得到信号指纹数据库聚类结果；步骤4，利用人员流动数据库初始化改进隐马尔科夫模型的初始状态概率π和状态转移矩阵A，利用信号指纹数据库聚类结果初始化输出状态概率B，构建用于楼层识别的改进隐马尔科夫模型；步骤5，将一个测试人员T个时间间隔内的接收信号及所在楼层作为训练子集，所有测试人员的训练子集构成训练集合；步骤6，利用训练集合调整改进隐马尔科夫模型的参数；步骤7，利用实时采集的无线信号以及调整后的改进隐马尔科夫模型预测待定位用户所在楼层。