本發(fā)明涉及室內(nèi)定位領(lǐng)域，基于網(wǎng)絡(luò)側(cè)AP獲取的WiFi數(shù)據(jù)，結(jié)合深度學(xué)習(xí)方法，實(shí)現(xiàn)在數(shù)據(jù)稀疏時(shí)的高精度網(wǎng)絡(luò)側(cè)定位，以便向用戶提供更好的基于位置的服務(wù)，尤其是在智慧商業(yè)領(lǐng)域。
背景技術(shù)：
：目前應(yīng)用較多的是手機(jī)終端側(cè)的WiFi指紋定位系統(tǒng)，分為離線階段和在線階段，如圖1所示。離線階段是指利用帶有Wi-Fi模塊的終端，如手機(jī)、平板電腦等，在室內(nèi)指定位置(即坐標(biāo)已知)搜索環(huán)境中存在的無線接入點(diǎn)(AccessPoint，AP)的信號(hào)強(qiáng)度，再將不同AP的信號(hào)強(qiáng)度組成無線信號(hào)向量(特征)；進(jìn)而利用機(jī)器學(xué)習(xí)方法等構(gòu)建多組無線信號(hào)向量與其對(duì)應(yīng)位置關(guān)系的映射，即形成定位模型。在線階段則是帶有Wi-Fi模塊的終端在未知位置獲取無線信號(hào)向量，將其輸入到定位模型中，計(jì)算得到位置信息，以實(shí)現(xiàn)定位。上述的定位方法是目前廣泛使用的定位方法，需要用戶主動(dòng)采集標(biāo)定數(shù)據(jù)建立指紋數(shù)據(jù)庫，因此對(duì)用戶依賴程度較高，同時(shí)也給用戶帶來一定的影響。而在“互聯(lián)網(wǎng)+”理念的引導(dǎo)下，傳統(tǒng)產(chǎn)業(yè)正在進(jìn)行轉(zhuǎn)型，傳統(tǒng)的線下商場等力圖通過線上大數(shù)據(jù)為用戶提供更好的服務(wù)，形成“互聯(lián)網(wǎng)+商業(yè)”的智慧商業(yè)模式。實(shí)際系統(tǒng)中，由于終端和AP的握手機(jī)會(huì)少，以及手機(jī)黑屏等系統(tǒng)低功耗模式也會(huì)降低掃描頻率，造成了網(wǎng)絡(luò)側(cè)獲取的數(shù)據(jù)稀疏，難以形成密集的指紋數(shù)據(jù)(無線信號(hào)向量與其對(duì)應(yīng)位置組成的向量為指紋向量)。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于克服現(xiàn)有技術(shù)中由于終端和AP的握手機(jī)會(huì)少，以及手機(jī)黑屏等系統(tǒng)低功耗模式也會(huì)降低掃描頻率，造成了網(wǎng)絡(luò)側(cè)獲取的數(shù)據(jù)稀疏，難以形成密集的指紋數(shù)據(jù)，從而提供一種針對(duì)高度稀疏WiFi數(shù)據(jù)的網(wǎng)絡(luò)側(cè)定位方法及系統(tǒng)。為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種針對(duì)高度稀疏WiFi數(shù)據(jù)的網(wǎng)絡(luò)側(cè)定位方法，包括以下步驟：當(dāng)帶有WiFi模塊的終端處于指定已知位置時(shí)，網(wǎng)絡(luò)側(cè)無線訪問接入點(diǎn)AP獲取該終端的信號(hào)強(qiáng)度信息，形成包含所述信號(hào)強(qiáng)度信息的向量信息；通過設(shè)定的通信協(xié)議將所述向量信息發(fā)送給網(wǎng)絡(luò)側(cè)服務(wù)器；當(dāng)所述網(wǎng)絡(luò)側(cè)服務(wù)器收到網(wǎng)絡(luò)側(cè)的n個(gè)AP發(fā)送的向量信息時(shí)，將所收到的n個(gè)向量信息與已知位置信息結(jié)合，形成并存儲(chǔ)訓(xùn)練定位模型所需的指紋信息，n為自然數(shù)；將所述指紋信息輸入到具有稀疏約束的深度學(xué)習(xí)方法中，訓(xùn)練得到定位模型；當(dāng)有用戶處于該網(wǎng)絡(luò)環(huán)境中時(shí)，網(wǎng)絡(luò)側(cè)AP將感知到的該用戶的WiFi信息發(fā)送給所述網(wǎng)絡(luò)側(cè)服務(wù)器，所述網(wǎng)絡(luò)側(cè)服務(wù)器將處理得到的特征向量輸入到所述定位模型中，得到用戶的位置信息。進(jìn)一步地，所述向量信息還包括：終端標(biāo)識(shí)信息、AP標(biāo)識(shí)信息和時(shí)間戳。進(jìn)一步地，所述終端標(biāo)識(shí)信息為終端設(shè)備的MAC地址，所述AP標(biāo)識(shí)信息為AP設(shè)備的MAC地址。進(jìn)一步地，所述將所收到的n個(gè)向量信息與已知位置信息結(jié)合，形成并存儲(chǔ)訓(xùn)練定位模型所需的指紋信息步驟包括：根據(jù)所述向量信息中的時(shí)間戳和網(wǎng)絡(luò)側(cè)服務(wù)器存儲(chǔ)的時(shí)間信息，篩選環(huán)境中有效感知的AP設(shè)備；統(tǒng)計(jì)出環(huán)境中的AP信息，若環(huán)境中總共有m個(gè)感知AP，則特征維數(shù)為m維，m為不小于n的自然數(shù)；將位置信息與篩選出的AP的向量進(jìn)行組合，若感知到n個(gè)有效AP，則形成的定位指紋表示為：(xj，yj，rss1，...，rssm)，其中xj，yj為所述位置信息的橫縱坐標(biāo)，如某AP不在該向量中，則該缺失的AP的信號(hào)強(qiáng)度則用默認(rèn)值補(bǔ)齊。進(jìn)一步地，所述將所述指紋信息輸入到具有稀疏約束的深度學(xué)習(xí)方法中，訓(xùn)練得到定位模型步驟包括：確定自編碼學(xué)習(xí)網(wǎng)絡(luò)的層數(shù)，對(duì)每一層神經(jīng)網(wǎng)絡(luò)的初始連接權(quán)值和偏置進(jìn)行隨機(jī)賦值；自底向上，逐層對(duì)自編碼學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行無監(jiān)督預(yù)訓(xùn)練，預(yù)訓(xùn)練準(zhǔn)則是對(duì)于單個(gè)自編碼學(xué)習(xí)網(wǎng)絡(luò)，在引入KL散度的約束下，求解網(wǎng)絡(luò)參數(shù)，使得目標(biāo)函數(shù)最??；將每一層自編碼學(xué)習(xí)網(wǎng)絡(luò)的編碼輸出結(jié)果作為下一層網(wǎng)絡(luò)的輸入數(shù)據(jù)；將最后一層自編碼學(xué)習(xí)網(wǎng)絡(luò)的輸出輸入到Logistic回歸中，使用監(jiān)督學(xué)習(xí)方法訓(xùn)練Logistic回歸的參數(shù)；對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行微調(diào)，即通過反向傳播算法同時(shí)調(diào)整所有層的參數(shù)獲取最終的網(wǎng)絡(luò)參數(shù)。為達(dá)到上述目的，本發(fā)明還提供了一種針對(duì)高度稀疏WiFi數(shù)據(jù)的網(wǎng)絡(luò)側(cè)定位系統(tǒng)，包括：位于網(wǎng)絡(luò)側(cè)AP端的數(shù)據(jù)獲取模塊和第一通信模塊，以及位于網(wǎng)絡(luò)側(cè)服務(wù)器端的數(shù)據(jù)處理模塊、數(shù)據(jù)存儲(chǔ)模塊、算法模塊和第二通信模塊，其中：所述數(shù)據(jù)獲取模塊，用于當(dāng)帶有WiFi模塊的終端處于指定已知位置時(shí)，獲取該終端的信號(hào)強(qiáng)度信息，形成包含所述信號(hào)強(qiáng)度信息的向量信息；所述第一通信模塊，用于通過設(shè)定的通信協(xié)議將所述向量信息發(fā)送給網(wǎng)絡(luò)側(cè)服務(wù)器的所述第二通信模塊；所述數(shù)據(jù)處理模塊，用于當(dāng)所述第二通信模塊收到網(wǎng)絡(luò)側(cè)的n個(gè)AP發(fā)送的向量信息時(shí)，將所收到的n個(gè)向量信息與已知位置信息結(jié)合，形成訓(xùn)練定位模型所需的指紋信息，n為自然數(shù)；所述數(shù)據(jù)存儲(chǔ)模塊，用于存儲(chǔ)所述數(shù)據(jù)處理模塊形成的指紋信息；所述算法模塊，用于將所述指紋信息輸入到具有稀疏約束的深度學(xué)習(xí)方法中，訓(xùn)練得到定位模型；當(dāng)有用戶處于該網(wǎng)絡(luò)環(huán)境中時(shí)，所述第一通信模塊將所述數(shù)據(jù)獲取模塊感知到的該用戶的WiFi信息發(fā)送給所述第二通信模塊，所述數(shù)據(jù)處理模塊將所述第二通信模塊接收的WiFi信息處理得到的特征向量輸入到所述算法模塊的定位模型中，得到用戶的位置信息。進(jìn)一步地，所述向量信息還包括：終端標(biāo)識(shí)信息、AP標(biāo)識(shí)信息和時(shí)間戳。進(jìn)一步地，所述終端標(biāo)識(shí)信息為終端設(shè)備的MAC地址，所述AP標(biāo)識(shí)信息為AP設(shè)備的MAC地址。進(jìn)一步地，所述數(shù)據(jù)處理模塊包括：篩選單元，用于根據(jù)所述向量信息中的時(shí)間戳和網(wǎng)絡(luò)側(cè)服務(wù)器存儲(chǔ)的時(shí)間信息，篩選環(huán)境中有效感知的AP設(shè)備；指紋形成單元，用于統(tǒng)計(jì)出環(huán)境中的AP信息，若環(huán)境中總共有m個(gè)感知AP，則特征維數(shù)為m維，m為不小于n的自然數(shù)；將位置信息與篩選出的AP的向量進(jìn)行組合，若感知到n個(gè)有效AP，則形成的定位指紋表示為：(xj，yj，rss1，...，rssm)，其中xj，yj為所述位置信息的橫縱坐標(biāo)，如某AP不在該向量中，則該缺失的AP的信號(hào)強(qiáng)度則用默認(rèn)值補(bǔ)齊。進(jìn)一步地，所述算法模塊包括：參數(shù)賦值單元，用于確定自編碼學(xué)習(xí)網(wǎng)絡(luò)的層數(shù)，對(duì)每一層神經(jīng)網(wǎng)絡(luò)的初始連接權(quán)值和偏置進(jìn)行隨機(jī)賦值；無監(jiān)督訓(xùn)練單元，用于自底向上，逐層對(duì)自編碼學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行無監(jiān)督預(yù)訓(xùn)練，預(yù)訓(xùn)練準(zhǔn)則是對(duì)于單個(gè)自編碼學(xué)習(xí)網(wǎng)絡(luò)，在引入KL散度的約束下，求解網(wǎng)絡(luò)參數(shù)，使得目標(biāo)函數(shù)最小；監(jiān)督訓(xùn)練單元，用于將每一層自編碼學(xué)習(xí)網(wǎng)絡(luò)的編碼輸出結(jié)果作為下一層網(wǎng)絡(luò)的輸入數(shù)據(jù)，將最后一層自編碼學(xué)習(xí)網(wǎng)絡(luò)的輸出輸入到Logistic回歸中，使用監(jiān)督學(xué)習(xí)方法訓(xùn)練Logistic回歸的參數(shù)；參數(shù)調(diào)整單元，用于對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行微調(diào)，即通過反向傳播算法同時(shí)調(diào)整所有層的參數(shù)獲取最終的網(wǎng)絡(luò)參數(shù)。本發(fā)明的優(yōu)點(diǎn)在于：相比于傳統(tǒng)的基于終端側(cè)客戶端的定位，本發(fā)明的網(wǎng)絡(luò)側(cè)的定位可以利用無線接入點(diǎn)獲取Wi-Fi模塊信號(hào)強(qiáng)度，在對(duì)用戶造成干擾最小的情況下獲取數(shù)據(jù)。具體地，網(wǎng)絡(luò)側(cè)AP探針周期性的在各個(gè)信道切換發(fā)送廣播信標(biāo)幀，終端設(shè)備也在周期性切換信道，監(jiān)聽周邊AP發(fā)送的信標(biāo)幀并發(fā)送探測幀。本發(fā)明可以在網(wǎng)絡(luò)側(cè)實(shí)現(xiàn)對(duì)用戶端的定位，擺脫了傳統(tǒng)室內(nèi)定位方法需要用戶不斷搜索WiFi進(jìn)行定位的約束，既可以節(jié)省電量消耗，同時(shí)也可以在無干擾情況下積累海量數(shù)據(jù)，挖掘新的知識(shí)，為智慧商業(yè)的發(fā)展提供支持。采用的深度學(xué)習(xí)方法可以更好地挖掘信號(hào)特征，減少因數(shù)據(jù)稀疏帶來的不利影響，實(shí)現(xiàn)高精度的網(wǎng)絡(luò)側(cè)定位。附圖說明圖1是基于WiFi信號(hào)的指紋向量定位方法示意圖；圖2是本發(fā)明的網(wǎng)絡(luò)側(cè)定位環(huán)境示意圖；圖3是本發(fā)明網(wǎng)絡(luò)側(cè)定位系統(tǒng)模塊圖。具體實(shí)施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明的網(wǎng)絡(luò)側(cè)定位方法與系統(tǒng)是基于WLAN系統(tǒng)和WiFi信號(hào)數(shù)據(jù)。本發(fā)明的網(wǎng)絡(luò)側(cè)定位方法與系統(tǒng)的網(wǎng)絡(luò)環(huán)境包括網(wǎng)絡(luò)側(cè)服務(wù)器，布置于室內(nèi)環(huán)境的多個(gè)無線介入點(diǎn)AP及進(jìn)入該室內(nèi)環(huán)境的帶有WiFi模塊的終端。由于數(shù)據(jù)的獲取主要是通過網(wǎng)絡(luò)側(cè)的AP主動(dòng)掃描得到，不同位置感知AP的信息也有較大差異；加之網(wǎng)絡(luò)側(cè)AP掃描機(jī)制導(dǎo)致得到的指紋信息具有較強(qiáng)的稀疏特性。因此，本發(fā)明使用了具有稀疏約束的深度學(xué)習(xí)方法訓(xùn)練定位模型。深度學(xué)習(xí)隸屬于人工神經(jīng)網(wǎng)絡(luò)，相比于單層神經(jīng)網(wǎng)絡(luò)，深度學(xué)習(xí)含有多個(gè)隱藏層，其目標(biāo)是模擬人腦分析學(xué)習(xí)的機(jī)制，通過組合低層特征以產(chǎn)生更加抽象的高層特征，發(fā)現(xiàn)數(shù)據(jù)的分布式特征或結(jié)構(gòu)，以此解釋數(shù)據(jù)。目前基于深度學(xué)習(xí)的研究，還沒有將其應(yīng)用到室內(nèi)定位領(lǐng)域。然而，考慮到網(wǎng)絡(luò)側(cè)定位數(shù)據(jù)的特性，本發(fā)明使用了基于稀疏約束的深度學(xué)習(xí)網(wǎng)絡(luò)側(cè)定位方法。本方法以自編碼作為深度神經(jīng)網(wǎng)絡(luò)的構(gòu)建模塊；基于自編碼深度學(xué)習(xí)的目標(biāo)是：數(shù)據(jù)經(jīng)過網(wǎng)絡(luò)學(xué)習(xí)后，使輸入datain和輸出dataout保持一致，即datain＝dataout。如果將自編碼中數(shù)據(jù)經(jīng)過網(wǎng)絡(luò)輸入和輸出相等這個(gè)嚴(yán)格要求適當(dāng)放松，在目標(biāo)函數(shù)中引入一個(gè)表示稀疏的正則項(xiàng)(一般可以通過L1范數(shù)或者KL散度實(shí)現(xiàn))，通過逐層求解該優(yōu)化問題，即可自動(dòng)學(xué)習(xí)到數(shù)據(jù)的稀疏表示，可以很好的解決網(wǎng)絡(luò)側(cè)定位應(yīng)用的問題。以下先介紹本發(fā)明的方法實(shí)施例。本發(fā)明的一個(gè)針對(duì)高度稀疏WiFi數(shù)據(jù)的網(wǎng)絡(luò)側(cè)定位方法實(shí)施例，包括以下步驟：當(dāng)帶有WiFi模塊的終端處于指定已知位置Loc(X，Y)時(shí)，網(wǎng)絡(luò)側(cè)無線訪問接入點(diǎn)AP獲取該終端的信號(hào)強(qiáng)度信息，形成包含所述信號(hào)強(qiáng)度信息的向量信息；通過設(shè)定的通信協(xié)議將所述向量信息發(fā)送給網(wǎng)絡(luò)側(cè)服務(wù)器；當(dāng)所述網(wǎng)絡(luò)側(cè)服務(wù)器收到網(wǎng)絡(luò)側(cè)的n個(gè)AP發(fā)送的向量信息時(shí)，將所收到的n個(gè)向量信息與已知位置信息結(jié)合，形成并存儲(chǔ)訓(xùn)練定位模型所需的指紋信息，n為自然數(shù)；將所述指紋信息輸入到具有稀疏約束的深度學(xué)習(xí)方法中，訓(xùn)練得到定位模型；當(dāng)有用戶處于該網(wǎng)絡(luò)環(huán)境中時(shí)，網(wǎng)絡(luò)側(cè)AP將感知到的該用戶的WiFi信息發(fā)送給所述網(wǎng)絡(luò)側(cè)服務(wù)器，所述網(wǎng)絡(luò)側(cè)服務(wù)器將處理得到的特征向量(與訓(xùn)練模型過程中的指紋向量特征維度一致)輸入到所述定位模型中，得到用戶的位置信息。例如，所述向量信息還包括：終端標(biāo)識(shí)信息、AP標(biāo)識(shí)信息和時(shí)間戳。利用AP和終端的標(biāo)識(shí)信息作為索引構(gòu)建指紋向量。例如，所述終端標(biāo)識(shí)信息為終端設(shè)備的MAC地址，所述AP標(biāo)識(shí)信息為AP設(shè)備的MAC地址。在本發(fā)明的一個(gè)具體實(shí)施例中，所述將所收到的n個(gè)向量信息與已知位置信息結(jié)合，形成并存儲(chǔ)訓(xùn)練定位模型所需的指紋信息步驟包括：根據(jù)所述向量信息中的時(shí)間戳和網(wǎng)絡(luò)側(cè)服務(wù)器存儲(chǔ)的時(shí)間信息，篩選環(huán)境中有效感知的AP設(shè)備；統(tǒng)計(jì)出環(huán)境中的AP信息，若環(huán)境中總共有m個(gè)感知AP，則特征維數(shù)為m維；將位置信息與篩選出的AP的向量進(jìn)行組合，若感知到n個(gè)有效AP，則形成的定位指紋表示為：(xj，yj，rss1，...，rssm)，其中xj，yj為所述位置信息的橫縱坐標(biāo)，rss1和rssm之間的為rssi，(i＝2，…，m-1)，rssi為對(duì)應(yīng)MAC地址為maci的AP感知到的智能終端信號(hào)強(qiáng)度，如某AP不在該向量中，則該缺失的AP的信號(hào)強(qiáng)度則用默認(rèn)值補(bǔ)齊。在本發(fā)明的一個(gè)具體實(shí)施例中，所述將所述指紋信息輸入到具有稀疏約束的深度學(xué)習(xí)方法中，訓(xùn)練得到定位模型步驟包括：確定自編碼學(xué)習(xí)網(wǎng)絡(luò)的層數(shù)，對(duì)每一層神經(jīng)網(wǎng)絡(luò)的初始連接權(quán)值和偏置進(jìn)行隨機(jī)賦值；自底向上，逐層對(duì)自編碼學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行無監(jiān)督預(yù)訓(xùn)練，預(yù)訓(xùn)練準(zhǔn)則是對(duì)于單個(gè)自編碼學(xué)習(xí)網(wǎng)絡(luò)，在引入KL散度的約束下，求解網(wǎng)絡(luò)參數(shù)，使得目標(biāo)函數(shù)最??；將每一層自編碼學(xué)習(xí)網(wǎng)絡(luò)的編碼輸出結(jié)果作為下一層網(wǎng)絡(luò)的輸入數(shù)據(jù)；將最后一層自編碼學(xué)習(xí)網(wǎng)絡(luò)的輸出輸入到Logistic回歸中，使用監(jiān)督學(xué)習(xí)方法訓(xùn)練Logistic回歸的參數(shù)；對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行微調(diào)，即通過反向傳播算法同時(shí)調(diào)整所有層的參數(shù)獲取最終的網(wǎng)絡(luò)參數(shù)。通過這樣的深度學(xué)習(xí)方法，可以利用網(wǎng)絡(luò)側(cè)AP得到的具有稀疏特性的指紋實(shí)現(xiàn)較高精度的定位，進(jìn)一步為實(shí)現(xiàn)基于位置的服務(wù)提供基礎(chǔ)。本專利的
發(fā)明內(nèi)容基于具有稀疏約束的深度學(xué)習(xí)網(wǎng)絡(luò)側(cè)定位方法深度學(xué)習(xí)方法，在實(shí)際的商場環(huán)境進(jìn)行測試，具體結(jié)果如表3所示。其中表1是網(wǎng)絡(luò)側(cè)AP感知到的用戶在標(biāo)定位置的Wi-Fi信息向量。第一列是Unix時(shí)間戳，第二列是網(wǎng)絡(luò)側(cè)AP的MAC地址，第三列是智能終端的MAC地址，第四列是獲取到的智能終端的信號(hào)強(qiáng)度。表1網(wǎng)絡(luò)側(cè)AP感知數(shù)據(jù)格式1470552089f4:ea:74:39:b2:87c8:14:79:64:fc:5d-801470552089ed:53:81:53:64:fac8:14:79:64:fc:5d-861470552089f3:fc:79:6e:56:4cc8:14:79:64:fc:5d-791470552089e8:5e:15:39:d2:69c8:14:79:64:fc:5d-661470552091eb:14:cc:c7:ee:cac8:14:79:64:fc:5d-931470552091e1:c2:3b:1d:a5:48c8:14:79:64:fc:5d-801470552091f0:fb:36:5d:aa:f7c8:14:79:64:fc:5d-55……………………1470552097dc:32:65:be:ea:dfc8:14:79:64:fc:5d-90當(dāng)服務(wù)器收到網(wǎng)絡(luò)側(cè)AP發(fā)過來的向量后，根據(jù)服務(wù)器記錄的時(shí)間信息，選擇在該時(shí)間內(nèi)的對(duì)應(yīng)向量，并將這個(gè)信息進(jìn)行處理，并結(jié)合對(duì)應(yīng)的位置信息得到指紋向量如表2所示。其中，前兩列是標(biāo)記位置的橫縱坐標(biāo)信息，后面是對(duì)應(yīng)網(wǎng)絡(luò)側(cè)AP感知到的終端的信號(hào)強(qiáng)度。其中，不存在的網(wǎng)絡(luò)側(cè)AP感知終端的信號(hào)強(qiáng)度用0補(bǔ)齊。從表2中可以明顯的看到指紋數(shù)據(jù)的稀疏性。表2處理后的指紋數(shù)據(jù)780.0619.0-70000-6800……0000-8800000……01321.0560.00-9000000……00-8000000-560……-781106.0661.00000000……00000000-880……0…………………………………………………………386.0440.00000-8600……0將處理得到的指紋數(shù)據(jù)輸入到算法模塊中具有稀疏約束的深度學(xué)習(xí)網(wǎng)絡(luò)側(cè)定位方法中，得到最終的位置信息。在真實(shí)環(huán)境下，將本發(fā)明提供的基于稀疏約束的深度學(xué)習(xí)的網(wǎng)絡(luò)側(cè)定位方法(PatentMethod)與其他方法定位結(jié)果進(jìn)行比較，如表3所示，實(shí)驗(yàn)主要對(duì)比了幾個(gè)常用方法，包括了最近鄰方法(NearestNeighbor，NN)，支持向量機(jī)(SupportVectorMachine，SVM)，超限學(xué)習(xí)機(jī)(ExtremeLeaningMachine，ELM)對(duì)比結(jié)果如表3所示。從時(shí)間結(jié)果可以得出，在網(wǎng)絡(luò)側(cè)稀疏數(shù)據(jù)的情況，傳統(tǒng)的定位方法得到定位結(jié)果誤差較大，平均定位誤差距離甚至超過20m。而使用基于稀疏約束的深度學(xué)習(xí)網(wǎng)絡(luò)側(cè)定位方法后，平均定位誤差距離可以降低到10m以內(nèi)，較大的提升了定位精度，為實(shí)現(xiàn)網(wǎng)絡(luò)側(cè)基于位置的服務(wù)提供良好基礎(chǔ)。表3不同方法定位精度對(duì)比NNSVMELM本發(fā)明方法平均誤差距離(m)27.6225.1523.5512.77基于稀疏數(shù)據(jù)的網(wǎng)絡(luò)側(cè)室內(nèi)定位系統(tǒng)，該系統(tǒng)包含著位置已知的m個(gè)可以獲取WiFi模塊信號(hào)強(qiáng)度的無線接入點(diǎn)APi(i＝1，2，...，m)，帶有WiFi模塊的智能設(shè)備SD(由于智能終端是被感知對(duì)象，無需任何主動(dòng)操作，在此不做介紹)和服務(wù)器端組成，如圖2所示。網(wǎng)絡(luò)側(cè)定位系統(tǒng)主要包括位于網(wǎng)絡(luò)側(cè)AP端的數(shù)據(jù)獲取模塊和第一通信模塊，以及位于網(wǎng)絡(luò)側(cè)服務(wù)器端的數(shù)據(jù)處理模塊、數(shù)據(jù)存儲(chǔ)模塊、算法模塊和第二通信模塊，下面結(jié)合圖3詳細(xì)介紹系統(tǒng)各部分的作用。(a)網(wǎng)絡(luò)側(cè)AP1.數(shù)據(jù)獲取模塊主要負(fù)責(zé)數(shù)據(jù)獲?。河?xùn)練階段，當(dāng)用戶所在的已知位置(xj，yj)可以被環(huán)境中一些網(wǎng)絡(luò)側(cè)AP的信號(hào)覆蓋范圍內(nèi)時(shí)，則這些網(wǎng)絡(luò)側(cè)的AP就可以獲取到該設(shè)備的信號(hào)強(qiáng)度。假設(shè)在環(huán)境中的m個(gè)AP中有n個(gè)可以感知到智能終端設(shè)備，則這n個(gè)網(wǎng)絡(luò)側(cè)AP就會(huì)將帶有時(shí)間戳tsi，自身設(shè)備MAC地址APmaci，以及掃描到的終端的MAC地址和信號(hào)強(qiáng)度rssi的向量信息存儲(chǔ)下來并發(fā)送給服務(wù)器，向量信息形式如下：(tsi，APmaci，maci，rssi)。依上所述，n個(gè)可感知到該智能設(shè)備的AP就可以形成n個(gè)向量信息。2.第一通信模塊主要負(fù)責(zé)與服務(wù)器的通信；通信協(xié)議采用socket協(xié)議，由網(wǎng)絡(luò)側(cè)AP主動(dòng)發(fā)起通信請(qǐng)求，將采集的向量信息(tsi，APmaci，maci，rssi)以既定的協(xié)議發(fā)送到服務(wù)器端；并等待接收回傳的位置信息。(b)網(wǎng)絡(luò)側(cè)服務(wù)器網(wǎng)絡(luò)側(cè)服務(wù)器主要包含數(shù)據(jù)處理模塊、數(shù)據(jù)存儲(chǔ)模塊、算法模塊和通信模塊。1.數(shù)據(jù)處理模塊主要負(fù)責(zé)處理原始數(shù)據(jù)以得到指紋：對(duì)于服務(wù)器，當(dāng)用戶處于已知指定位置時(shí)，服務(wù)器會(huì)存儲(chǔ)該位置信息和時(shí)間信息。當(dāng)服務(wù)器收到網(wǎng)絡(luò)側(cè)的n個(gè)AP發(fā)送的向量信息時(shí)，將這些向量信息與位置信息結(jié)合，形成訓(xùn)練定位模型所需要的指紋信息。數(shù)據(jù)處理模塊形成指紋信息的步驟如下：●根據(jù)時(shí)間戳和服務(wù)器存儲(chǔ)的時(shí)間信息，篩選環(huán)境中有效感知的AP設(shè)備；●統(tǒng)計(jì)出環(huán)境中的AP信息，若環(huán)境中總共有m個(gè)感知AP，則特征維數(shù)為m維；●將位置信息與篩選出的AP的向量進(jìn)行組合，若感知到n個(gè)有效AP，則形成的定位指紋表示為：(xj，yj，rss1，...，rssm)，其中，xj，yj為所述位置信息的橫縱坐標(biāo)，rssi為對(duì)應(yīng)MAC地址為maci的AP感知到的智能終端信號(hào)強(qiáng)度，如某AP不在該向量中，則該缺失的AP的信號(hào)強(qiáng)度則用默認(rèn)值補(bǔ)齊。2.數(shù)據(jù)存儲(chǔ)模塊主要負(fù)責(zé)存儲(chǔ)功能：一是存儲(chǔ)指紋向量以用來訓(xùn)練定位模型；二是存儲(chǔ)定位模型，供后續(xù)的在線定位階段的使用。3.算法模塊算法模塊是網(wǎng)絡(luò)側(cè)服務(wù)器的核心，實(shí)現(xiàn)具有稀疏約束的深度學(xué)習(xí)方法。具體地，數(shù)據(jù)存儲(chǔ)模塊中的指紋向量是算法模塊的輸入，經(jīng)過算法模塊的處理，計(jì)算得到的位置信息則為算法模塊的輸出?？紤]到網(wǎng)絡(luò)側(cè)定位相比于傳統(tǒng)定位方式特有的稀疏特性，算法模塊主要使用具有稀疏約束的深度學(xué)習(xí)方法。4.第二通信模塊該通信模塊用來實(shí)現(xiàn)與網(wǎng)絡(luò)側(cè)AP的通信，包括接收AP發(fā)送的信息以及返回定位的計(jì)算結(jié)果。根據(jù)本發(fā)明另一個(gè)實(shí)施例的針對(duì)高度稀疏WiFi數(shù)據(jù)的網(wǎng)絡(luò)側(cè)定位系統(tǒng)，包括：位于網(wǎng)絡(luò)側(cè)AP端的數(shù)據(jù)獲取模塊和第一通信模塊，以及位于網(wǎng)絡(luò)側(cè)服務(wù)器端的數(shù)據(jù)處理模塊、數(shù)據(jù)存儲(chǔ)模塊、算法模塊和第二通信模塊，其中：所述數(shù)據(jù)獲取模塊，用于當(dāng)帶有WiFi模塊的終端處于指定已知位置時(shí)，獲取該終端的信號(hào)強(qiáng)度信息，形成包含所述信號(hào)強(qiáng)度信息的向量信息；所述第一通信模塊，用于通過設(shè)定的通信協(xié)議將所述向量信息發(fā)送給網(wǎng)絡(luò)側(cè)服務(wù)器的所述第二通信模塊；所述數(shù)據(jù)處理模塊，用于當(dāng)所述第二通信模塊收到網(wǎng)絡(luò)側(cè)的n個(gè)AP發(fā)送的向量信息時(shí)，將所收到的n個(gè)向量信息與已知位置信息結(jié)合，形成訓(xùn)練定位模型所需的指紋信息，n為自然數(shù)；所述數(shù)據(jù)存儲(chǔ)模塊，用于存儲(chǔ)所述數(shù)據(jù)處理模塊形成的指紋信息；所述算法模塊，用于將所述指紋信息輸入到具有稀疏約束的深度學(xué)習(xí)方法中，訓(xùn)練得到定位模型；當(dāng)有用戶處于該網(wǎng)絡(luò)環(huán)境中時(shí)，所述第一通信模塊將所述數(shù)據(jù)獲取模塊感知到的該用戶的WiFi信息發(fā)送給所述第二通信模塊，所述數(shù)據(jù)處理模塊將所述第二通信模塊接收的WiFi信息處理得到的特征向量輸入到所述算法模塊的定位模型中，得到用戶的位置信息。進(jìn)一步地，所述數(shù)據(jù)處理模塊包括：篩選單元，用于根據(jù)所述向量信息中的時(shí)間戳和網(wǎng)絡(luò)側(cè)服務(wù)器存儲(chǔ)的時(shí)間信息，篩選環(huán)境中有效感知的AP設(shè)備；指紋形成單元，用于統(tǒng)計(jì)出環(huán)境中的AP信息，若環(huán)境中總共有m個(gè)感知AP，則特征維數(shù)為m維；將位置信息與篩選出的AP的向量進(jìn)行組合，若感知到n個(gè)有效AP，則形成的定位指紋表示為：(xj，yj，rss1，...，rssm)，其中rssi為對(duì)應(yīng)MAC地址為maci的AP感知到的智能終端信號(hào)強(qiáng)度，如某AP不在該向量中，則該缺失的AP的信號(hào)強(qiáng)度則用默認(rèn)值補(bǔ)齊。進(jìn)一步地，所述算法模塊包括：參數(shù)賦值單元，用于確定自編碼學(xué)習(xí)網(wǎng)絡(luò)的層數(shù)，對(duì)每一層神經(jīng)網(wǎng)絡(luò)的初始連接權(quán)值和偏置進(jìn)行隨機(jī)賦值；無監(jiān)督訓(xùn)練單元，用于自底向上，逐層對(duì)自編碼學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行無監(jiān)督預(yù)訓(xùn)練，預(yù)訓(xùn)練準(zhǔn)則是對(duì)于單個(gè)自編碼學(xué)習(xí)網(wǎng)絡(luò)，在引入KL散度的約束下，求解網(wǎng)絡(luò)參數(shù)，使得目標(biāo)函數(shù)最小；監(jiān)督訓(xùn)練單元，用于將每一層自編碼學(xué)習(xí)網(wǎng)絡(luò)的編碼輸出結(jié)果作為下一層網(wǎng)絡(luò)的輸入數(shù)據(jù)，將最后一層自編碼學(xué)習(xí)網(wǎng)絡(luò)的輸出輸入到Logistic回歸中，使用監(jiān)督學(xué)習(xí)方法訓(xùn)練Logistic回歸的參數(shù)；參數(shù)調(diào)整單元，用于對(duì)整個(gè)網(wǎng)絡(luò)進(jìn)行微調(diào)，即通過反向傳播算法同時(shí)調(diào)整所有層的參數(shù)獲取最終的網(wǎng)絡(luò)參數(shù)。上述實(shí)施例中，當(dāng)帶有WiFi模塊的終端處于指定已知位置Loc(X，Y)時(shí)，環(huán)境中的網(wǎng)絡(luò)側(cè)AP獲取到該終端的信號(hào)強(qiáng)度等信息；然后將信號(hào)強(qiáng)度、MAC地址等信息按照一定的通信協(xié)議發(fā)送給服務(wù)器端；服務(wù)器端將不同AP發(fā)過來的信息進(jìn)行處理，形成指紋，并存儲(chǔ)在數(shù)據(jù)庫中。訓(xùn)練定位模型時(shí)，將數(shù)據(jù)庫中的指紋向量輸入到深度學(xué)習(xí)方法中，通過調(diào)整參數(shù)以得到定位模型。得到定位模型后，當(dāng)有用戶處于該環(huán)境中時(shí)，網(wǎng)絡(luò)側(cè)AP就會(huì)感知到該用戶的WiFi信息，將該信息發(fā)給服務(wù)器，服務(wù)器將處理得到的特征向量輸入到已有的定位模型中，即可得到用戶的位置信息。本發(fā)明的優(yōu)點(diǎn)在于，可以在網(wǎng)絡(luò)側(cè)實(shí)現(xiàn)對(duì)用戶端的定位，擺脫了傳統(tǒng)室內(nèi)定位方法需要用戶不斷搜索WiFi進(jìn)行定位的約束，既可以節(jié)省電量消耗，同時(shí)也可以在無干擾情況下積累海量數(shù)據(jù)，挖掘新的知識(shí)，為智慧商業(yè)的發(fā)展提供支持。采用的深度學(xué)習(xí)方法可以更好地挖掘信號(hào)特征，減少因數(shù)據(jù)稀疏帶來的不利影響。最后應(yīng)說明的是，以上實(shí)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(shí)施例對(duì)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(duì)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。當(dāng)前第1頁1 2 3