样本集构建、室内定位模型构建、室内定位方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113556699A(43)申请公布日2021.10.26(21)申请号202010332627.2(22)申请日2020.04.24(71)申请人北京沃东天骏信息技术有限公司地址100176北京市北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人白振东(74)专利代理机构中原信达知识产权代理有限责任公司11219代理人张一军张效荣(51)Int.Cl.H04W4/33(2018.01)H04W64/00(2009.01)H04B17/318(2015.01)G06K9/62(2006.01)权利要求书3页说明书16页附图7页(54)发明名称样本集构建、室内定位模型构建、室内定位方法和装置(57)摘要本发明公开了一种样本集构建、室内定位模型构建、室内定位方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取已知参考点的多个信号强度；根据多个信号强度，确定高概率发生区间；从多个信号强度中，选取属于高概率发生区间的信号强度；利用属于高概率发生区间的信号强度，为已知参考点生成对应的样本数据；利用多个已知参考点对应的样本数据，构建样本集。该实施方式能够有效地去除样本集中的脏数据。CN113556699ACN113556699A权利要求书1/3页1.一种样本集构建方法，其特征在于，包括：获取已知参考点的多个信号强度；根据所述多个信号强度，确定高概率发生区间；从所述多个信号强度中，选取属于所述高概率发生区间的信号强度；利用属于所述高概率发生区间的信号强度，为所述已知参考点生成对应的样本数据；利用多个所述已知参考点对应的样本数据，构建样本集。2.根据权利要求1所述样本集构建方法，其特征在于，当所述多个信号强度来源于至少两个信号源，且每一个所述信号源对应多个信号强度时，针对每一个所述信号源对应的多个信号强度，执行确定高概率发生区间的步骤。3.根据权利要求2所述样本集构建方法，其特征在于，为所述已知参考点生成对应的样本数据，包括：针对来源于同一信号源且的属于所述高概率发生区间的多个信号强度，执行：计算所述多个信号强度的平均值，将所述平均值作为所述已知参考点对应的样本数据；或者，针对属于所述高概率发生区间的信号强度，执行：计算每两个所述信号源之间的信号强度差，将所述信号强度差作为所述已知参考点的样本数据。4.根据权利要求1或2所述样本集构建方法，其特征在于，进一步包括：从多个所述已知参考点中，为未知参考点选定满足预设间距阈值的多个目标已知参考点；为每一个所述目标已知参考点分配对应的权重；利用所述权重以及所述目标已知参考点对应的样本数据，为所述未知参考点计算对应的样本数据；将所述未知参考点对应的样本数据添加到所述样本集中。5.一种室内定位模型构建方法，其特征在于，包括：获取样本集，其中，所述样本集由多个样本数据构建，所述样本数据由属于高概率发生区间的信号强度生成；利用所述样本集，迭代训练支持向量机，构建出室内定位模型。6.根据权利要求5所述室内定位模型构建方法，其特征在于，进一步包括：为支持向量机中的参数设置有对应的第一取值范围；在所述第一取值范围内，随机为支持向量机分配初始参数；基于所述初始参数，执行所述迭代训练支持向量机的步骤。7.根据权利要求6所述室内定位模型构建方法，其特征在于，进一步包括：为支持向量机的参数设置有迭代步长；所述迭代训练支持向量机的步骤包括：从第二次迭代开始，将每一次迭代作为当前迭代，执行：确定所述当前迭代对应的上一迭代对应的参数；为所述上一迭代对应的参数增加或减少所述迭代步长，作为所述当前迭代的参数；基于所述当前迭代的参数，训练所述支持向量机；2CN113556699A权利要求书2/3页当训练的结果满足预设的第一终止条件时，则终止迭代。8.根据权利要求5或7所述室内定位模型构建方法，其特征在于，进一步包括：为支持向量机中的参数设置有对应的第二取值范围；在所述第二取值范围内初始化烟花种群；所述迭代训练支持向量机的步骤包括：针对每一次迭代，执行：确定烟花种群，确定所述烟花种群中的烟花的爆炸火花和变异火花；计算所述爆炸火花和所述变异火花的适应度；判断当前迭代的结果是否满足第二终止条件，如果是，则将适应度最小的爆炸火花或适应度最小的变异火花作为训练结果，并结束当前流程；否则，从所述爆炸火花和所述变异火花中，选取出多个目标火花组成烟花种群，其中，所述目标火花作为所述烟花种群中的烟花。9.一种基于权利要求5至8任一方法构建出的室内定位模型实现的室内定位方法，其特征在于，包括：获取待定位点的信号指纹信息；将所述信号指纹信息输入所述室内定位模型，获得所述待定位点的位置信息。10.根据权利要求9所述的室内