一种基于深度学习的用户定位方法和系统与流程

1.本发明提出了一种基于深度学习的用户定位方法和系统，属于定位技术领域。


背景技术：

2.由于每一个wifi热点都有一个独一无二的mac地址，智能手机开启wifi后就会自动扫描附近热点并上传其位置信息。对位置地图的工作量比较大，wifi定位是获取相对坐标，就是手机相对与wifi基站或ap的坐标，wifi基站或者ap变动后都需要对地图进行修正，且精度很低。


技术实现要素：

3.本发明提供了一种基于深度学习的用户定位方法和系，用以解决现有技术中心定位精度较低的问题，所采取的技术方案如下：
4.一种基于深度学习的用户定位方法，所述用户定位方法包括：
5.通过wifi信号的启停时间间隔设置预定的wifi信号强度的信号采集时间间隔；
6.采集当前区域内的wifi信号强度，并对所述wifi信号强度进行降噪处理，获得无线信号强度数据；通过利用所述无线信号强度数据结合航位信息数据建立指纹库；
7.将所述指纹库输入至深度学习网络中建立深度学习网络，并利用所述深度学习网络通过wifi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringting来测定用户位置。
8.进一步地，所述设置预定的wifi信号强度的信号采集时间间隔，包括：
9.通过定时记录获取所述wifi信号的启停时间间隔，获取最短启停时间间隔和最长启停时间间隔；
10.通过最短启停时间间隔和最长启停时间间隔设置wifi信号强度的信号采集时间间隔。
11.进一步地，所述wifi信号强度的信号采集时间间隔的取值范围为：
12.0.28(t
max-t
min
)≤t≤0.28t
max
13.其中，t
max
和t
min
分别表示最长启停时间间隔和最短启停时间间隔；t表示wifi信号强度的信号采集时间间隔。
14.进一步地，采集当前区域内的wifi信号强度，并对所述wifi信号强度进行降噪处理，获得无线信号强度数据；通过利用所述无线信号强度数据结合航位信息数据建立指纹库，包括：
15.根据所述wifi信号强度的信号采集时间间隔定时采集当前区域内的wifi信号强度；
16.对所述当前区域内的wifi信号强度进行降噪处理，获取当前采集时间间隔对应的无线信号强度数据；
17.采集所述当前区域内的航位推算数据，并通过所述航位推算数据获取航位信息数
据，通过利用所述无线信号强度数据结合航位信息数据建立指纹库。
18.一种基于深度学习的用户定位系统，所述用户定位系统包括：
19.时间间隔设置模块，用于通过wifi信号的启停时间间隔设置预定的wifi信号强度的信号采集时间间隔；
20.指纹库建立模块，用于采集当前区域内的wifi信号强度，并对所述wifi信号强度进行降噪处理，获得无线信号强度数据；通过利用所述无线信号强度数据结合航位信息数据建立指纹库；
21.用户位置获取模块，用于将所述指纹库输入至深度学习网络中建立深度学习网络，并利用所述深度学习网络通过wifi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringting来测定用户位置。
22.进一步地，所述时间间隔设置模块包括：
23.时间间隔信息获取模块，用于通过定时记录获取所述wifi信号的启停时间间隔，获取最短启停时间间隔和最长启停时间间隔；
24.信号采集时间间隔设置模块，用于通过最短启停时间间隔和最长启停时间间隔设置wifi信号强度的信号采集时间间隔。
25.进一步地，所述wifi信号强度的信号采集时间间隔的取值范围为：
26.0.28(t
max-t
min
)≤t≤0.28t
max
27.其中，t
max
和t
min
分别表示最长启停时间间隔和最短启停时间间隔；t表示wifi信号强度的信号采集时间间隔。
28.进一步地，所述指纹库建立模块包括：
29.wifi信号强度采集模块，用于根据所述wifi信号强度的信号采集时间间隔定时采集当前区域内的wifi信号强度；
30.无线信号强度数据获取模块，用于对所述当前区域内的wifi信号强度进行降噪处理，获取当前采集时间间隔对应的无线信号强度数据；
31.指纹库建立执行模块，用于采集所述当前区域内的航位推算数据，并通过所述航位推算数据获取航位信息数据，通过利用所述无线信号强度数据结合航位信息数据建立指纹库。
32.本发明有益效果：
33.本发明提出的一种基于深度学习的用户定位方法和系统深度学习用之前储存的wifi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringting来测定用户位置。室内定位在iot领域有许多应用，例如智能家居、智能校园、或智能医院，利用深度学习定位可以提高定位的精度，更好的辅助iot领域。
附图说明
34.图1为本发明所述方法的流程图；
35.图2为本发明所述系统的系统框图。
具体实施方式
36.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实
施例仅用于说明和解释本发明，并不用于限定本发明。
37.本实施例提出了一种基于深度学习的用户定位方法，如图1所示，所述用户定位方法包括：
38.s1、通过wifi信号的启停时间间隔设置预定的wifi信号强度的信号采集时间间隔；
39.s2、采集当前区域内的wifi信号强度，并对所述wifi信号强度进行降噪处理，获得无线信号强度数据；通过利用所述无线信号强度数据结合航位信息数据建立指纹库；
40.s3、将所述指纹库输入至深度学习网络中建立深度学习网络，并利用所述深度学习网络通过wifi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringting来测定用户位置。
41.上述技术方案的工作原理为：首先，通过wifi信号的启停时间间隔设置预定的wifi信号强度的信号采集时间间隔；然后，采集当前区域内的wifi信号强度，并对所述wifi信号强度进行降噪处理，获得无线信号强度数据；通过利用所述无线信号强度数据结合航位信息数据建立指纹库；最后，将所述指纹库输入至深度学习网络中建立深度学习网络，并利用所述深度学习网络通过wifi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringting来测定用户位置。
42.上述技术方案的效果为：本实施例明提出的一种基于深度学习的用户定位方法通过深度学习用之前储存的wifi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringting来测定用户位置。室内定位在iot领域有许多应用，例如智能家居、智能校园、或智能医院，利用深度学习定位可以提高定位的精度，更好的辅助iot领域。
43.本发明的一个实施例，所述设置预定的wifi信号强度的信号采集时间间隔，包括：
44.s101、通过定时记录获取所述wifi信号的启停时间间隔，获取最短启停时间间隔和最长启停时间间隔；
45.s102、通过最短启停时间间隔和最长启停时间间隔设置wifi信号强度的信号采集时间间隔。
46.其中，所述wifi信号强度的信号采集时间间隔的取值范围为：
47.0.28(t
max-t
min
)≤t≤0.28t
max
48.其中，t
max
和t
min
分别表示最长启停时间间隔和最短启停时间间隔；t表示wifi信号强度的信号采集时间间隔。
49.上述技术方案的工作原理为：首先，通过定时记录获取所述wifi信号的启停时间间隔，获取最短启停时间间隔和最长启停时间间隔；然后，通过最短启停时间间隔和最长启停时间间隔设置wifi信号强度的信号采集时间间隔。
50.其中，所述wifi信号强度的信号采集时间间隔的取值范围为：
51.0.28(t
max-t
min
)≤t≤0.28t
max
52.其中，t
max
和t
min
分别表示最长启停时间间隔和最短启停时间间隔；t表示wifi信号强度的信号采集时间间隔。
53.上述技术方案的效果为：通过上述方式能够有效提高wifi信号强度的信号采集效率和采集时刻的准确性。同时，通过上述wifi信号强度的信号采集时间间隔的取值范围的设置能够进一步提高信号采集时间间隔设置的合理性。另一方面。通过信号采集时间间隔
设置能够进一步提高信号强度获取的及时性。
54.本发明的一个实施例，采集当前区域内的wifi信号强度，并对所述wifi信号强度进行降噪处理，获得无线信号强度数据；通过利用所述无线信号强度数据结合航位信息数据建立指纹库，包括：
55.s201、根据所述wifi信号强度的信号采集时间间隔定时采集当前区域内的wifi信号强度；
56.s202、对所述当前区域内的wifi信号强度进行降噪处理，获取当前采集时间间隔对应的无线信号强度数据；
57.s203、采集所述当前区域内的航位推算数据，并通过所述航位推算数据获取航位信息数据，通过利用所述无线信号强度数据结合航位信息数据建立指纹库。
58.上述技术方案的工作原理为：首先，根据所述wifi信号强度的信号采集时间间隔定时采集当前区域内的wifi信号强度；然后，对所述当前区域内的wifi信号强度进行降噪处理，获取当前采集时间间隔对应的无线信号强度数据；最后，采集所述当前区域内的航位推算数据，并通过所述航位推算数据获取航位信息数据，通过利用所述无线信号强度数据结合航位信息数据建立指纹库。
59.上述技术方案的效果为：通过深度学习用之前储存的wifi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringting来测定用户位置。室内定位在iot领域有许多应用，例如智能家居、智能校园、或智能医院，利用深度学习定位可以提高定位的精度，更好的辅助iot领域。
60.本发明实施例提出了一种基于深度学习的用户定位系统，如图2所示，所述用户定位系统包括：
61.时间间隔设置模块，用于通过wifi信号的启停时间间隔设置预定的wifi信号强度的信号采集时间间隔；
62.指纹库建立模块，用于采集当前区域内的wifi信号强度，并对所述wifi信号强度进行降噪处理，获得无线信号强度数据；通过利用所述无线信号强度数据结合航位信息数据建立指纹库；
63.用户位置获取模块，用于将所述指纹库输入至深度学习网络中建立深度学习网络，并利用所述深度学习网络通过wifi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringting来测定用户位置。
64.上述技术方案的工作原理为：首先，利用时间间隔设置模块通过wifi信号的启停时间间隔设置预定的wifi信号强度的信号采集时间间隔；
65.然后，利用指纹库建立模块采集当前区域内的wifi信号强度，并对所述wifi信号强度进行降噪处理，获得无线信号强度数据；通过利用所述无线信号强度数据结合航位信息数据建立指纹库；
66.最后，通过用户位置获取模块将所述指纹库输入至深度学习网络中建立深度学习网络，并利用所述深度学习网络通过wifi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringting来测定用户位置。
67.上述技术方案的效果为：本实施例明提出的一种基于深度学习的用户定位系统法通过深度学习用之前储存的wifi通道状态信息数据来训练网络权重，在线上定位阶段通过
fingerpringting来测定用户位置。室内定位在iot领域有许多应用，例如智能家居、智能校园、或智能医院，利用深度学习定位可以提高定位的精度，更好的辅助iot领域。
68.本发明的一个实施例，所述时间间隔设置模块包括：
69.时间间隔信息获取模块，用于通过定时记录获取所述wifi信号的启停时间间隔，获取最短启停时间间隔和最长启停时间间隔；
70.信号采集时间间隔设置模块，用于通过最短启停时间间隔和最长启停时间间隔设置wifi信号强度的信号采集时间间隔。
71.其中，所述wifi信号强度的信号采集时间间隔的取值范围为：
72.0.28(t
max-t
min
)≤t≤0.28t
max
73.其中，t
max
和t
min
分别表示最长启停时间间隔和最短启停时间间隔；t表示wifi信号强度的信号采集时间间隔。
74.上述技术方案的工作原理为：首先，利用时间间隔信息获取模块通过定时记录获取所述wifi信号的启停时间间隔，获取最短启停时间间隔和最长启停时间间隔；然后，利用信号采集时间间隔设置模块通过最短启停时间间隔和最长启停时间间隔设置wifi信号强度的信号采集时间间隔。
75.其中，所述wifi信号强度的信号采集时间间隔的取值范围为：
76.0.28(t
max-t
min
)≤t≤0.28t
max
77.其中，t
max
和t
min
分别表示最长启停时间间隔和最短启停时间间隔；t表示wifi信号强度的信号采集时间间隔。
78.上述技术方案的效果为：通过上述方式能够有效提高wifi信号强度的信号采集效率和采集时刻的准确性。同时，通过上述wifi信号强度的信号采集时间间隔的取值范围的设置能够进一步提高信号采集时间间隔设置的合理性。另一方面。通过信号采集时间间隔设置能够进一步提高信号强度获取的及时性。
79.本发明的一个实施例，所述指纹库建立模块包括：
80.wifi信号强度采集模块，用于根据所述wifi信号强度的信号采集时间间隔定时采集当前区域内的wifi信号强度；
81.无线信号强度数据获取模块，用于对所述当前区域内的wifi信号强度进行降噪处理，获取当前采集时间间隔对应的无线信号强度数据；
82.指纹库建立执行模块，用于采集所述当前区域内的航位推算数据，并通过所述航位推算数据获取航位信息数据，通过利用所述无线信号强度数据结合航位信息数据建立指纹库。
83.上述技术方案的工作原理为：首先，通过wifi信号强度采集模块根据所述wifi信号强度的信号采集时间间隔定时采集当前区域内的wifi信号强度；然后，利用无线信号强度数据获取模块对所述当前区域内的wifi信号强度进行降噪处理，获取当前采集时间间隔对应的无线信号强度数据；最后，利用指纹库建立执行模块采集所述当前区域内的航位推算数据，并通过所述航位推算数据获取航位信息数据，通过利用所述无线信号强度数据结合航位信息数据建立指纹库。
84.上述技术方案的效果为：通过深度学习用之前储存的wifi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringting来测定用户位置。室内定位在iot领域
有许多应用，例如智能家居、智能校园、或智能医院，利用深度学习定位可以提高定位的精度，更好的辅助iot领域。
85.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：
1.一种基于深度学习的用户定位方法，其特征在于，所述用户定位方法包括：通过wifi信号的启停时间间隔设置预定的wifi信号强度的信号采集时间间隔；采集当前区域内的wifi信号强度，并对所述wifi信号强度进行降噪处理，获得无线信号强度数据；通过利用所述无线信号强度数据结合航位信息数据建立指纹库；将所述指纹库输入至深度学习网络中建立深度学习网络，并利用所述深度学习网络通过wifi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringting来测定用户位置。2.根据权利要求1所述用户定位方法，其特征在于，所述设置预定的wifi信号强度的信号采集时间间隔，包括：通过定时记录获取所述wifi信号的启停时间间隔，获取最短启停时间间隔和最长启停时间间隔；通过最短启停时间间隔和最长启停时间间隔设置wifi信号强度的信号采集时间间隔。3.根据权利要求1所述用户定位方法，其特征在于，所述wifi信号强度的信号采集时间间隔的取值范围为：0.28(t
max-t
min
)≤t≤0.28t
max
其中，t
max
和t
min
分别表示最长启停时间间隔和最短启停时间间隔；t表示wifi信号强度的信号采集时间间隔。4.根据权利要求1所述用户定位方法，其特征在于，采集当前区域内的wifi信号强度，并对所述wifi信号强度进行降噪处理，获得无线信号强度数据；通过利用所述无线信号强度数据结合航位信息数据建立指纹库，包括：根据所述wifi信号强度的信号采集时间间隔定时采集当前区域内的wifi信号强度；对所述当前区域内的wifi信号强度进行降噪处理，获取当前采集时间间隔对应的无线信号强度数据；采集所述当前区域内的航位推算数据，并通过所述航位推算数据获取航位信息数据，通过利用所述无线信号强度数据结合航位信息数据建立指纹库。5.一种基于深度学习的用户定位系统，其特征在于，所述用户定位系统包括：时间间隔设置模块，用于通过wifi信号的启停时间间隔设置预定的wifi信号强度的信号采集时间间隔；指纹库建立模块，用于采集当前区域内的wifi信号强度，并对所述wifi信号强度进行降噪处理，获得无线信号强度数据；通过利用所述无线信号强度数据结合航位信息数据建立指纹库；用户位置获取模块，用于将所述指纹库输入至深度学习网络中建立深度学习网络，并利用所述深度学习网络通过wifi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringting来测定用户位置。6.根据权利要求5所述用户定位系统，其特征在于，所述时间间隔设置模块包括：时间间隔信息获取模块，用于通过定时记录获取所述wifi信号的启停时间间隔，获取最短启停时间间隔和最长启停时间间隔；信号采集时间间隔设置模块，用于通过最短启停时间间隔和最长启停时间间隔设置wifi信号强度的信号采集时间间隔。
7.根据权利要求5所述用户定位系统，其特征在于，所述wifi信号强度的信号采集时间间隔的取值范围为：0.28(t
max-t
min
)≤t≤0.28t
max
其中，t
max
和t
min
分别表示最长启停时间间隔和最短启停时间间隔；t表示wifi信号强度的信号采集时间间隔。8.根据权利要求5所述用户定位系统，其特征在于，所述指纹库建立模块包括：wifi信号强度采集模块，用于根据所述wifi信号强度的信号采集时间间隔定时采集当前区域内的wifi信号强度；无线信号强度数据获取模块，用于对所述当前区域内的wifi信号强度进行降噪处理，获取当前采集时间间隔对应的无线信号强度数据；指纹库建立执行模块，用于采集所述当前区域内的航位推算数据，并通过所述航位推算数据获取航位信息数据，通过利用所述无线信号强度数据结合航位信息数据建立指纹库。

技术总结
本发明提出了一种基于深度学习的用户定位方法和系统。所述用户定位方法包括：通过wifi信号的启停时间间隔设置预定的wifi信号强度的信号采集时间间隔；采集当前区域内的wifi信号强度，并对所述wifi信号强度进行降噪处理，获得无线信号强度数据；通过利用所述无线信号强度数据结合航位信息数据建立指纹库；将所述指纹库输入至深度学习网络中建立深度学习网络，并利用所述深度学习网络通过WiFi通道状态信息数据来训练网络权重，在线上定位阶段通过fingerpringTIng来测定用户位置。所述系统包括与所述方法步骤对应的模块。系统包括与所述方法步骤对应的模块。系统包括与所述方法步骤对应的模块。


技术研发人员：兰雨晴 余丹 张雨佳 于艺春
受保护的技术使用者：慧之安信息技术股份有限公司
技术研发日：2022.12.21
技术公布日：2023/9/20