本發(fā)明屬于信息技術(shù)、自動控制和電子技術(shù)領(lǐng)域，具體涉及通過構(gòu)造室外位置分類模型從而實現(xiàn)對移動終端當(dāng)前的位置判斷，從而實現(xiàn)室內(nèi)外無縫切換的方法及系統(tǒng)。

背景技術(shù)：

隨著位置數(shù)據(jù)業(yè)務(wù)的不斷發(fā)展，室內(nèi)外定位技術(shù)已經(jīng)在人們生活得各個領(lǐng)域都取得了廣泛的應(yīng)用。通過采用基于wifi的室內(nèi)定位技術(shù)，并實現(xiàn)與室外北斗/GPS定位技術(shù)的結(jié)合，能夠有效克服室外北斗/GPS系統(tǒng)在建筑物內(nèi)、停車場、商場等區(qū)域定位精度差或無法定位的難題，從而更好地滿足人們對位置服務(wù)的需求。目前，許多科研機(jī)構(gòu)和公司都進(jìn)行室內(nèi)外定位相關(guān)技術(shù)和系統(tǒng)的開發(fā)，并已成功應(yīng)用在了多個領(lǐng)域。但當(dāng)從室內(nèi)進(jìn)入室外或從室外進(jìn)入室內(nèi)時，由于定位誤差的存在會導(dǎo)致定位結(jié)果存在室內(nèi)外切換頻繁、震蕩，或切換過程嚴(yán)重滯后的情況，這嚴(yán)重降低了系統(tǒng)的使用性能。

技術(shù)實現(xiàn)要素：

為了克服已有系統(tǒng)室內(nèi)外切換過程中存在震蕩、滯后等問題，本發(fā)明提出了一種基于模式分類的室內(nèi)外無縫切換方法及系統(tǒng)。

為了實現(xiàn)上述目的，本發(fā)明提供一種基于模式分類的室內(nèi)外無縫切換方法，所述方法包含：

步驟101)掃描并記錄移動終端附近的wifi信號的強(qiáng)度信息及北斗/GPS的導(dǎo)航定位信號，其中，所述北斗/GPS導(dǎo)航定位信號包含：移動終端當(dāng)前的位置、方向或精度因子；基于記錄的強(qiáng)度信息及導(dǎo)航定位信號構(gòu)造當(dāng)前移動終端所在位置的特征向量。

步驟102)利用歷史數(shù)據(jù)對特征矢量和當(dāng)前位置的關(guān)系進(jìn)行學(xué)習(xí)，建立機(jī)器學(xué)習(xí)模型；基于歷史數(shù)據(jù)生成訓(xùn)練樣本集，對所建立的機(jī)器學(xué)習(xí)模型加以訓(xùn)練進(jìn)而得到SVM識別函數(shù)，該SVM識別函數(shù)用于判斷當(dāng)前移動終端位于室內(nèi)還是室外。

步驟103)基于得到的wifi信號的強(qiáng)度信息和北斗/GPS的導(dǎo)航定位信號，再根據(jù)建立的SVM識別函數(shù)，識別所述移動終端的當(dāng)前狀態(tài)；其中，所述當(dāng)前狀態(tài)為： 移動終端位于室內(nèi)或者室外。

步驟104)根據(jù)當(dāng)前狀態(tài)的識別結(jié)果，再進(jìn)一步判斷是否對移動終端進(jìn)行室內(nèi)和室外間的切換操作，具體為：設(shè)定第一閾值和第二閾值，所述第一閾值與第二閾值均為大于1的自然數(shù)；當(dāng)移動終端是從室外進(jìn)入室內(nèi)，且連續(xù)若干次判斷移動終端當(dāng)前均在室內(nèi)，則實現(xiàn)室外向室內(nèi)模式的切換；其中，所述若干次的具體取值為大于等于第一閾值的數(shù)；當(dāng)移動終端是從室內(nèi)進(jìn)入室外，并連續(xù)若干次判斷移動終端在室外時，則進(jìn)行室內(nèi)模式向室外模式的切換；其中，所述若干次的具體取值為大于等于第二閾值的數(shù)。

可選的，上述步驟102)進(jìn)一步包括：

步驟102-1)將整個待定位區(qū)域劃分為“J×K”個網(wǎng)格，并將每個網(wǎng)格的坐標(biāo)點記為其中，j＝1,2,…,J且k＝1,2,…,K。

步驟102-2)基于歷史數(shù)據(jù)對每個網(wǎng)格的wifi信號強(qiáng)度、北斗/GPS導(dǎo)航信息進(jìn)行采集，構(gòu)造位置識別特征向量。

步驟102-3)以每個網(wǎng)格點采集的信息構(gòu)成的位置特征向量作為輸入點，以當(dāng)前移動終端處在室內(nèi)還是室外的狀態(tài)作為輸出，進(jìn)而生成訓(xùn)練樣本集，其中，采用一位二進(jìn)制數(shù)表示處于室外和室外兩種狀態(tài)：所述輸入特征集表示為：X＝[x₁,x₂,…,x_J×K]；所述輸出目標(biāo)集表示為：f＝[y₁,y₂,…,y_J×K]。

步驟102-4)采用步驟102-3)所得到的訓(xùn)練樣本集對支持向量機(jī)進(jìn)行訓(xùn)練，利用訓(xùn)練樣本集給出的輸入特征集和輸出目標(biāo)集，對SVM進(jìn)行訓(xùn)練，得到用于判斷當(dāng)前移動終端所在位置的SVM識別函數(shù)。

上述步驟102-4)采用如下算法對SVM進(jìn)行訓(xùn)練：

步驟102-4-1)利用二次規(guī)劃算法，求解下式的最優(yōu)化問題：

s.t.

其中，ε為一給定的參數(shù)值，α_m^*、α_m為訓(xùn)練求取的參數(shù)，f_m為訓(xùn)練輸出集的第m個目標(biāo)輸出值，X_m為輸入特征集的第m個樣本，K(X_m,X_n)為徑向基函數(shù)核函數(shù)；

所述徑向基函數(shù)核函數(shù)為：

其中，γ為高斯核函數(shù)寬度參數(shù)。

步驟102-4-2)訓(xùn)練完成后，建立的SVM函數(shù)為：

其中，b為訓(xùn)練得到的閾值，α_m^*、α_m為訓(xùn)練求取的參數(shù)；X＝(x,y)^T為給定的待預(yù)測樣本特征矢量；為識別函數(shù)的輸出值。

可選的，上述步驟103)進(jìn)一步包括：

步驟103-1)利用步驟102)獲得的位置識別函數(shù)對移動終端的當(dāng)前位置進(jìn)行位置識別，其中對于任意輸入x的識別結(jié)果為：

步驟103-2)當(dāng)I＝1時，判斷當(dāng)前處于室外；當(dāng)I＝0時，當(dāng)前移動終端處于室內(nèi)。

此外，本發(fā)明還提供了一種基于模式分類的室內(nèi)外無縫切換系統(tǒng)，所述系統(tǒng)包含：

信號采集記錄模塊，用于掃描并記錄移動終端附近的wifi信號的強(qiáng)度信息及北斗/GPS的導(dǎo)航定位信號，其中，所述北斗/GPS導(dǎo)航定位信號包含：移動終端當(dāng)前的位置、方向或精度因子；基于記錄的強(qiáng)度信息及導(dǎo)航定位信號構(gòu)造當(dāng)前移動終端所在位置的特征向量。

構(gòu)造SVM識別函數(shù)的模塊，用于利用歷史數(shù)據(jù)對特征矢量和當(dāng)前位置的關(guān)系進(jìn)行學(xué)習(xí)，建立機(jī)器學(xué)習(xí)模型；基于歷史數(shù)據(jù)生成訓(xùn)練樣本集，對所建立的機(jī)器學(xué)習(xí)模型加以訓(xùn)練進(jìn)而得到SVM識別函數(shù)，該SVM識別函數(shù)用于判斷當(dāng)前移動終端位于室內(nèi)還是室外。

當(dāng)前狀態(tài)判決模塊，用于基于得到的wifi信號的強(qiáng)度信息和北斗/GPS的導(dǎo)航定位信號，再根據(jù)建立的SVM識別方程，識別所述移動終端的當(dāng)前狀態(tài)；其中，所述當(dāng)前狀態(tài)為：移動終端位于室內(nèi)或者室外。

切換決策模塊，用于根據(jù)當(dāng)前狀態(tài)的識別結(jié)果，再進(jìn)一步判斷是否對移動終端 進(jìn)行室內(nèi)和室外間的切換操作，具體為：設(shè)定第一閾值和第二閾值，所述第一閾值與第二閾值均為大于1的自然數(shù)；當(dāng)移動終端是從室外進(jìn)入室內(nèi)，且連續(xù)若干次判斷移動終端當(dāng)前均在室內(nèi)，則實現(xiàn)室外向室內(nèi)模式的切換；其中，所述若干次的具體取值為大于等于第一閾值的數(shù)；當(dāng)移動終端是從室內(nèi)進(jìn)入室外，并連續(xù)若干次判斷移動終端在室內(nèi)時，則進(jìn)行室內(nèi)模式向室外模式的切換；其中，所述若干次的具體取值為大于等于第二閾值的數(shù)。

可選的，上述構(gòu)造SVM識別函數(shù)的模塊進(jìn)一步包括：

劃分子模塊，用于將整個待定位區(qū)域劃分為“J×K”個網(wǎng)格，并將每個網(wǎng)格的坐標(biāo)點記為其中，j＝1,2,…,J且k＝1,2,…,K。

特征矢量構(gòu)造子模塊，用于基于歷史數(shù)據(jù)對每個網(wǎng)格的wifi信號強(qiáng)度、北斗/GPS導(dǎo)航信息進(jìn)行采集，構(gòu)造位置識別特征向量。

訓(xùn)練樣本獲取子模塊，用于以每個網(wǎng)格點采集的信息構(gòu)成的位置特征向量作為輸入點，以當(dāng)前移動終端處在室內(nèi)還是室外的狀態(tài)作為輸出，進(jìn)而生成訓(xùn)練樣本集，其中，采用一位二進(jìn)制數(shù)表示處于室外和室外兩種狀態(tài)：所述輸入特征集表示為：X＝[x₁,x₂,…,x_J×K]；所述輸出目標(biāo)集表示為：f＝[y₁,y₂,…,y_J×K]。

訓(xùn)練子模塊，用于采用得到的訓(xùn)練樣本集對支持向量機(jī)進(jìn)行訓(xùn)練，利用訓(xùn)練樣本集給出的輸入特征集和輸出目標(biāo)集，對SVM進(jìn)行訓(xùn)練，得到用于判斷當(dāng)前移動終端所在位置的SVM識別函數(shù)。

可選的，上述訓(xùn)練子模塊還包含：

第一處理子單元，用于利用二次規(guī)劃算法，求解下式的最優(yōu)化問題：

s.t.

其中，ε為一給定的參數(shù)值，α_m^*、α_m為訓(xùn)練求取的參數(shù)，f_m為訓(xùn)練輸出集的第m個目標(biāo)輸出值，X_m為輸入特征集的第m個樣本，K(X_m,X_n)為徑向基函數(shù)核函數(shù)；

所述徑向基函數(shù)核函數(shù)為：

其中，γ為高斯核函數(shù)寬度參數(shù)。

第二處理子單元，用于訓(xùn)練完成后建立SVM識別函數(shù)為：

其中，b為訓(xùn)練得到的閾值，α_m^*、α_m為訓(xùn)練求取的參數(shù)；X＝(x,y)^T為給定的待預(yù)測樣本特征矢量；為識別函數(shù)的輸出值。

上述當(dāng)前狀態(tài)判決模塊進(jìn)一步包括：

識別預(yù)處理子模塊，用于利用獲得的位置識別函數(shù)對移動終端的當(dāng)前位置進(jìn)行位置識別，其中對于任意輸入x的識別結(jié)果為：

識別子模塊，用于依據(jù)如下原則作出判決：當(dāng)I＝1時，判斷當(dāng)前處于室外；當(dāng)I＝0時，當(dāng)前移動終端處于室內(nèi)。

與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點在于：

本發(fā)明主要采用基于支持向量機(jī)的機(jī)器學(xué)習(xí)技術(shù)將室內(nèi)外切換問題轉(zhuǎn)化為位置分類問題，由于訓(xùn)練過程中，充分考慮了不同位置點的特征信息，因此本發(fā)明提出的方法能夠有效的提高切換操作的精度和較好的實時性。

附圖說明

圖1是本發(fā)明記載的基于模式分類的室內(nèi)外無縫切換方法的流程圖；

圖2是本發(fā)明記載的基于模式分類的室內(nèi)外無縫切換系統(tǒng)的組成框圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明做進(jìn)一步的說明。

實施例

以下實施例的第一閾值和第二閾值均設(shè)置為2，且采用一位二進(jìn)制數(shù)字0和1表示室內(nèi)室外兩個狀態(tài)。

如圖1所示，本發(fā)明提出的基于模式分類的室內(nèi)外無縫切換方法包括以下步驟：

步驟1)移動終端對當(dāng)前范圍內(nèi)的所有wifi信號進(jìn)行掃描，獲得所有wifi的強(qiáng)度信息，同時，記錄當(dāng)前北斗/GPS導(dǎo)航定位信息，包括當(dāng)前位置、方向、精度因子等，將所有測量信息構(gòu)成當(dāng)前室內(nèi)外位置識別的特征向量；

步驟2)利用歷史數(shù)據(jù)對特征矢量和當(dāng)前位置的關(guān)系進(jìn)行學(xué)習(xí)，建立機(jī)器學(xué)習(xí)模型；然后基于歷史數(shù)據(jù)生成訓(xùn)練樣本集，對所建立的機(jī)器學(xué)習(xí)模型加以訓(xùn)練，得到用于生成當(dāng)前室內(nèi)外位置判斷的SVM識別函數(shù)；

該步驟進(jìn)一步包括：

步驟2-1)將整個待定位區(qū)域劃分為J×K個網(wǎng)格，每個網(wǎng)格的坐標(biāo)點記為j＝1,2,…,J，k＝1,2,…,K；

步驟2-2)、基于歷史數(shù)據(jù)對每個位置點的wifi信號強(qiáng)度、北斗/GPS導(dǎo)航信息進(jìn)行采集，構(gòu)造位置識別特征向量；

步驟2-3)、以每個網(wǎng)格點采集的信息構(gòu)成的位置特征向量作為輸入點，以當(dāng)前處在室內(nèi)外狀態(tài)作為輸出，即用0、1表示室內(nèi)、室外兩種狀態(tài)

輸入特征集：X＝[x₁,x₂,…,x_J×K]；

輸出目標(biāo)集：f＝[y₁,y₂,…,y_J×K]；

步驟2-4)、采用步驟2-3)所得到的訓(xùn)練樣本集對支持向量機(jī)進(jìn)行訓(xùn)練，利用訓(xùn)練樣本集給出的輸入特征集和輸出目標(biāo)集，對SVM按如下步驟進(jìn)行訓(xùn)練，得到用于判斷當(dāng)前移動終端所在位置的SVM識別函數(shù)：

步驟2-4-1)、利用二次規(guī)劃算法，求解最優(yōu)化問題：

s.t.

其中，ε為一給定的參數(shù)值，α_m^*、α_m為訓(xùn)練求取的參數(shù)，f_m為訓(xùn)練輸出集的第m個目標(biāo)輸出值，X_m為輸入特征集的第m個樣本，K(X_m,X_n)為徑向基函數(shù)核函數(shù)，其形式為：

其中，γ為高斯核函數(shù)寬度參數(shù)；

步驟2-4-2)、訓(xùn)練完成后，建立SVM函數(shù)為：

其中：b為訓(xùn)練得到的閾值，α_m^*、α_m為訓(xùn)練求取的參數(shù)；X＝(x,y)^T為給定的待預(yù)測樣本特征矢量；為識別函數(shù)的輸出值。

步驟3)基于步驟1)中移動終端的實時掃描結(jié)果，結(jié)合步驟2)所建立的SVM識別方程，識別所述移動終端的當(dāng)前狀態(tài)；

該步驟進(jìn)一步包括：

步驟3-1)利用步驟2)獲得的位置識別函數(shù)進(jìn)行位置識別，對于任意輸入x，判別結(jié)果為

步驟3-2)當(dāng)I＝1時，判斷當(dāng)前處于室外；當(dāng)I＝0是，當(dāng)前移動終端處于室內(nèi)。

步驟4)根據(jù)當(dāng)前狀態(tài)的識別結(jié)果，判斷是否進(jìn)行室內(nèi)外切換：

具體為：設(shè)定第一閾值和第二閾值，所述第一閾值與第二閾值均為大于1的自然數(shù)；當(dāng)移動終端是從室外進(jìn)入室內(nèi)，且連續(xù)若干次判斷移動終端當(dāng)前均在室內(nèi)，則實現(xiàn)室外向室內(nèi)模式的切換；其中，所述若干次的具體取值為大于等于第一閾值的數(shù)；當(dāng)移動終端是從室內(nèi)進(jìn)入室外，并連續(xù)若干次判斷移動終端在室外時，則進(jìn)行室內(nèi)模式向室外模式的切換；其中，所述若干次的具體取值為大于等于第二閾值的數(shù)。即，當(dāng)從室外進(jìn)入室內(nèi)，且連續(xù)兩次判斷在室內(nèi)，則實現(xiàn)室外向室內(nèi)模式的切換；同理，當(dāng)從室內(nèi)進(jìn)入室外，并連續(xù)兩次判斷在室內(nèi)時，則進(jìn)行室內(nèi)模式向室外模式的切換。

如圖2所示，本發(fā)明還提供了一種基于模式分類的室內(nèi)外無縫切換系統(tǒng)，所述系統(tǒng)包含：

信號采集記錄模塊，用于掃描并記錄移動終端附近的wifi信號的強(qiáng)度信息及北斗/GPS的導(dǎo)航定位信號，其中，所述北斗/GPS導(dǎo)航定位信號包含：移動終端當(dāng)前的 位置、方向或精度因子；基于記錄的強(qiáng)度信息及導(dǎo)航定位信號構(gòu)造當(dāng)前移動終端所在位置的特征向量。

構(gòu)造SVM識別函數(shù)的模塊，用于利用歷史數(shù)據(jù)對特征矢量和當(dāng)前位置的關(guān)系進(jìn)行學(xué)習(xí)，建立機(jī)器學(xué)習(xí)模型；基于歷史數(shù)據(jù)生成訓(xùn)練樣本集，對所建立的機(jī)器學(xué)習(xí)模型加以訓(xùn)練進(jìn)而得到SVM識別函數(shù)，該SVM識別函數(shù)用于判斷當(dāng)前移動終端位于室內(nèi)還是室外。

當(dāng)前狀態(tài)判決模塊，用于基于得到的wifi信號的強(qiáng)度信息和北斗/GPS的導(dǎo)航定位信號，再根據(jù)建立的SVM識別方程，識別所述移動終端的當(dāng)前狀態(tài)；其中，所述當(dāng)前狀態(tài)為：移動終端位于室內(nèi)或者室外。

切換決策模塊，用于根據(jù)當(dāng)前狀態(tài)的識別結(jié)果，再進(jìn)一步判斷是否對移動終端進(jìn)行室內(nèi)和室外間的切換操作，具體為：

設(shè)定第一閾值和第二閾值，所述第一閾值與第二閾值均為大于1的自然數(shù)；

當(dāng)移動終端是從室外進(jìn)入室內(nèi)，且連續(xù)若干次判斷移動終端當(dāng)前均在室內(nèi)，則實現(xiàn)室外向室內(nèi)模式的切換；其中，所述若干次的具體取值為大于等于第一閾值的數(shù)；

當(dāng)移動終端是從室內(nèi)進(jìn)入室外，并連續(xù)若干次判斷移動終端在室內(nèi)時，則進(jìn)行室內(nèi)模式向室外模式的切換；其中，所述若干次的具體取值為大于等于第二閾值的數(shù)。

上述構(gòu)造SVM識別函數(shù)的模塊進(jìn)一步包括：

劃分子模塊，用于將整個待定位區(qū)域劃分為“J×K”個網(wǎng)格，并將每個網(wǎng)格的坐標(biāo)點記為其中，j＝1,2,…,J且k＝1,2,…,K。

特征矢量構(gòu)造子模塊，用于基于歷史數(shù)據(jù)對每個網(wǎng)格的wifi信號強(qiáng)度、北斗/GPS導(dǎo)航信息進(jìn)行采集，構(gòu)造位置識別特征向量。

訓(xùn)練樣本獲取子模塊，用于以每個網(wǎng)格點采集的信息構(gòu)成的位置特征向量作為輸入點，以當(dāng)前移動終端處在室內(nèi)還是室外的狀態(tài)作為輸出，進(jìn)而生成訓(xùn)練樣本集，其中，采用一位二進(jìn)制數(shù)表示處于室外和室外兩種狀態(tài)：所述輸入特征集表示為：X＝[x₁,x₂,…,x_J×K]；所述輸出目標(biāo)集表示為：f＝[y₁,y₂,…,y_J×K]。

訓(xùn)練子模塊，用于采用得到的訓(xùn)練樣本集對支持向量機(jī)進(jìn)行訓(xùn)練，利用訓(xùn)練樣本集給出的輸入特征集和輸出目標(biāo)集，對SVM進(jìn)行訓(xùn)練，得到用于判斷當(dāng)前移動終 端所在位置的SVM識別函數(shù)。

上述訓(xùn)練子模塊還包含：

第一處理子單元，用于利用二次規(guī)劃算法，求解下式的最優(yōu)化問題：

s.t.

其中，ε為一給定的參數(shù)值，α_m^*、α_m為訓(xùn)練求取的參數(shù)，f_m為訓(xùn)練輸出集的第m個目標(biāo)輸出值，X_m為輸入特征集的第m個樣本，K(X_m,X_n)為徑向基函數(shù)核函數(shù)；

所述徑向基函數(shù)核函數(shù)為：

其中，γ為高斯核函數(shù)寬度參數(shù)。

第二處理子單元，用于訓(xùn)練完成后建立SVM識別函數(shù)為：

其中，b為訓(xùn)練得到的閾值，α_m^*、α_m為訓(xùn)練求取的參數(shù)；X＝(x,y)^T為給定的待預(yù)測樣本特征矢量；為識別函數(shù)的輸出值。

上述當(dāng)前狀態(tài)判決模塊進(jìn)一步包括：

識別預(yù)處理子模塊，用于利用獲得的位置識別函數(shù)對移動終端的當(dāng)前位置進(jìn)行位置識別，其中對于任意輸入x的識別結(jié)果為：

識別子模塊，用于依據(jù)如下原則作出判決：當(dāng)I＝1時，判斷當(dāng)前處于室外；當(dāng)I＝0時，當(dāng)前移動終端處于室內(nèi)。

綜上所述，本發(fā)明通過建立室內(nèi)外的特征矢量，并采用SVM機(jī)器學(xué)習(xí)方法實現(xiàn)對室內(nèi)外的分類模式判斷，由于離線階段可對各種環(huán)境下的特征進(jìn)行充分提取，因 此大大提高了位置切換的精度和及時性。

最后所應(yīng)說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案而非限制。盡管參照實施例對本發(fā)明進(jìn)行了詳細(xì)說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，都不脫離本發(fā)明技術(shù)方案的精神和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。