买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京邮电大学

摘要：本发明公开了一种基于派生指纹迁移的室内智能定位方法，首先由5G基站采集室内不同参考点的RSS，入射角以及位置信息，边缘服务器结合RSS与入射角信息进行三类指纹派生，并结合参考点位置信息以及最优K值构建离线派生纹库；最后通过待测点最优K值在线选择方法以及考虑环境时变的KNN模型迁移机制进行室内定位，在低离线数据再采集下，以将更好的定位结果发送给待测设备。本发明采用派生指纹对常用的指纹特征的不足进行了改进，另外通过待测点K值在线最优选择方法确定KNN定位模型的K值选择以提高模型定位精度，此外，采用迁移学习定位算法，在低数据采集成本下，有效的提升场景时变的室内定位精度，有非常广阔的应用前景。

主权项：1.一种基于派生指纹迁移的室内智能定位方法，其特征在于：具体包括如下步骤：步骤1：在离线阶段，采用移动设备在室内不同位置下与5G基站进行通信，将不同的位置作为参考点，获取一段时间序列内移动设备在每个参考点接受到的RSS信息，移动设备在每个参考点收到的信号的入射角以及每个参考点的位置信息；所述一段时间序列中时刻的总个数为U，所述5G基站的总个数为M个，参考点的总个数为E0，令参考点的集合为R；步骤2：计算每个参考点派生指纹特征，所述派生指纹特征包括累积平均指纹特征F1RSS_θr，差分指纹特征F2RSS_θr和双曲线指纹特征F3RSS_θr：RSS_θr表示基于RSS与入射角信息的参考点r的联合指纹；并根据每个参考点的三个指纹特征，计算每个参考点的最优K值；建立离线派生指纹库，该离线派生指纹库包括每个参考点的派生指纹特征，最优K值，RSS信息，信号入射角度和位置信息，r＝1,2,...,E0；步骤3：判断实际室内场景的时变是否超过预设的天数，若是则转步骤4，否则，根据离线派生指纹库中参考点的最优K值，使用最近邻算法计算目标域中待测点*的位置信息；所述目标域包括已知点和待测点，所述已知点为实际室内场景中RSS信息，信号的入射角和位置信息均已知的点，所述待测点为实际室内场景中RSS信息，信号的入射角已知但是位置信息未知的点；步骤4：采用迁移学习对离线派生指纹库进行迁移，从而构建无线电地图，根据无线电地图中的新参考点，以及迁移前离线派生指纹库中参考点的最优K值，确定待测点的位置信息；所述步骤2为：计算参考点r的累积平均指纹特征具体为：设置累积平均值的计算公式如下： 其中，表示时刻1到时刻u的数据的累积平均值，lu+1表示时刻u+1时数据的实际值，u＝1,2,…,U；基于累积平均值的计算公式计算参考点r的累积平均指纹特征： 其中，表示第M个5G基站对参考点r在第U-1个时刻下的派生指纹的累计平均值；RSS_θr的表达式为： 其中，m表示第m个5G基站，m＝1,2,…,M；表示第m个5G基站对参考点r在时刻u时所采集的RSS数据，表示第m个5G基站对参考点r在时刻u时所采集的信号入射角度数据；参考点r的差分指纹特征F2RSS_θr的表示为：F2RSS_θr＝[Δψr1,…,Δψru,…,ΔψrU]其中，Δψru的表达式为： 其中，m1表示第m1个基站，m2表示第m2个基站，m1＝1,2，...,M,m2＝1,2，...,M,且m1≠m2；的表达式如下所示： 参考点r的双曲线指纹特征F3RSS_θr的表达式为：F3RSS_θr＝[lr1,…,lru,…,lrU]其中，lru的表达式为： 其中，的表达式为：所述步骤2计算每个参考点的最优K值具体为：计算任意两个参考点r1和r2之间的指纹欧式距离 其中，r1＝1,2,...,E0,r2＝1,2,...,E0,且r1≠r2，||·||2表示二范数公式；表示与e取值相应的指纹特征的权重系数；根据如下目标函数计算参考点r1的最优K值： 其中，和表示参考点r1的实际位置信息，和分别表示参考点r1的预测位置的横坐标和纵坐标，表示参考点r1的K值，表示参考点r1的K值为时，对参考点r1进行KNN定位时所选择的个参考点的集合，对上述目标函数进行求解，得到参考点r1的最优K值表示基于最优K值，对参考点r1进行KNN定位时所选择的个参考点的集合；参考点r1的预测位置的表达式为： 其中，表示集合中第1个参考点，表示集合中第个参考点，表示参考点r1与集合中参考点r'1的指纹欧式距离，表示集合中参考点r'1的实际位置信息。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于派生指纹迁移的室内智能定位方法