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：武汉安辰鑫信息科技有限公司

摘要：本发明公开了一种基于改进GAN结合假设检验的Wi‑Fi室内定位方法。首先，在目标区域内部署和标定若干个位置已知的接入点AccessPoint，AP和参考点ReferencePoint，RP；其次，将目标区域划分为一些小区域，采集每个区域的一小部分RSS样本值，然后送入GAN网络中进行训练，把生成的RSS数据与原始RSS数据合成新的离线数据库；再次，计算AP的权重，利用卡方自动交互检测Chi‑squaredAutomaticInteractionDetection，CHAID方法，通过皮尔逊卡方检验描述每个AP的位置分辨率，将位置分辨率大的AP分配较大的权重；最后，结合AP的权重，利用KNN算法得到位置的最佳估计。本发明专利利用GAN补充数据库以及利用假设检验为AP分配权重，提出了一种基于改进GAN结合假设检验的Wi‑Fi室内定位方法，其在控制人员采集数据所需的成本和时间的同时提高了定位精度。

主权项：1.一种基于改进GAN结合假设检验的Wi-Fi室内定位方法，其特征在于包括以下步骤：步骤一、在目标区域内，随机部署m个无线接入点AccessPoint,AP和标定n个参考点ReferencePoint,RP，同时标定k个测试点TestPoint,TP；步骤二、划分区域数量为C，采集每个区域类别中RP的RSS样本值500次，记作Rw，其中w＝1,2,…,C，每个区域的数据集如下所示： 其中m是环境中AP的数量，K是每个区域中观测的数量，是位于第w个区域中第j个AP的第i次观测的RSS值；上述矩阵的每一列构成所需类别的分布，因此，定义生成器的目标是映射先验噪声潜变量表示Rc的分布；步骤三、RSS样本值中，250次作为训练集，250次作为测试集，把训练集的RSS样本送入GAN网络中训练，最终得到生成的RSS样本，具体包括以下步骤：步骤三一、先把随机的RSS样本送入GAN的生成器中训练，随机噪声样本RSS数据样本通过基于梯度上升的优化器Adam更新θd，可以通过鉴别器的损失函数来得到更新的参数；具体的更新算法，首先计算损失函数，然后求损失函数关于θd的偏导，然后再利用Adam优化器得到θd参数的更新,具体如下： 其中，Xb和Zb分别是X和Z的第b行，β1∈[0,1，η为Adam优化器的参数；步骤三二、在GAN的生成器中，样本通过基于梯度下降的优化器Adam更新θg,可以通过生成器的损失函数来得到更新参数；具体的更新算法与鉴别器的更新过程类似为： 其中，β2∈[0,1，η为Adam优化器的参数；步骤三三、更新θd和θg直到收敛，当时会发生收敛，这意味着鉴别器无法区分真实数据和合成数据，收敛后，通过得到的θg，生成器准备通过相同的先验噪声分布生成所需类别的合成样本z～pzz，其中步骤四、在每个区域内，把生成的RSS样本与采集的原始RSS样本合成新的RSS样本，形成新的离线数据集，新的离线数据集可以定义为： 其中，表示在第w个区域中原始RSS样本，表示在第w个区域中生成的RSS样本，Q是合成的RSS样本的数量，为在第w个区域中合成的RSS数据集；步骤五、利用CHAID方法，通过皮尔逊卡方检验描述每个AP的位置分辨率，将位置分辨率大的AP分配较大的权重，具体包括以下步骤：步骤五一、假设数据集由1个反应变量R∈{Area1,…,AreaC}和m个解释变量EAPl∈{b1,b2],…,bv,bv+1]}组成，其中，l＝1,…,m，m和C分别表示AP数量和划分的区域数量，bi表示第i个RSS类目边界，其中i＝1,…,v+1，v表示RSS类目的数量；在此基础上，构建关于反应变量R与解释变量EAPl的v×C列联表，将v×C列联表拆分成个二维列联表，在不失去一般性的情况下，以第k个二维列联表为例计算对应的皮尔逊卡方检验统计量，如表1所示，其中，aiw表示关于参考点处的RSS落在第w区域中并且属于第i个RSS类目的频数；表1二维列联表 步骤五二、构建原假设“H0：R与EAPl不相关”与备择假设“H1：R与EAPl相关”，计算皮尔逊卡方检验统计量χ2，则该皮尔逊卡方检验统计量为： 步骤五三、将决策值pk设置为其中，表示对第k个二维列联表在χ2分布条件下满足关系的概率运算，因此，在显著性水平α＝0.05条件下，如果pk≥α，则认为原假设H0为真；反之，则认为备择假设H1为真；步骤五四、将大于α的最大决策值p，即所对应的两个RSS类目进行合并，得到一个新类目，此时，原始的v×C列联表的维数降为v-1×C；步骤六、在线阶段，测量测试点处的RSS样本值；步骤七、计算每个区域的匹配概率，即来消除与对应归属区域相距较远的匹配参考点，其中w＝1,…,C，C为区域的个数，表示位于第w个区域且来自第l个AP的匹配参考点的个数；步骤八、通过计算得到的AP权重，计算第j个测试点处的RSS样本与匹配区域中各个匹配参考点处的RSS样本之间的距离其中，j＝1,…,k，和分别表示来自第l个AP在第i个参考点和第j个测试点处的RSS样本均值；步骤九、根据计算出的距离，结合KNN算法，选择距离最近的K个位置，取平均值得到位置估计。

全文数据：

权利要求：

百度查询： 武汉安辰鑫信息科技有限公司 一种基于改进GAN结合假设检验的Wi-Fi室内定位方法