室内定位方法、装置、设备及计算机可读存储介质.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CN113747385A(43)申请公布日2021.12.03(21)申请号202111000063.3(22)申请日2021.08.27(71)申请人中移（杭州）信息技术有限公司地址311100浙江省杭州市余杭区五常街道余杭塘路1600号A01号楼申请人中国移动通信集团有限公司(72)发明人付娆陈民张螣英熊小颖(74)专利代理机构深圳市世纪恒程知识产权代理事务所44287代理人晏波(51)Int.Cl.H04W4/33(2018.01)H04W4/02(2018.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图3页(54)发明名称室内定位方法、装置、设备及计算机可读存储介质(57)摘要本发明公开了一种室内定位方法、装置、设备及计算机可读存储介质，室内定位方法包括：采集室内环境中的位置指纹数据，并根据所述位置指纹数据中的位置信息确定有标签数据和无标签数据；将所述无标签数据输入至预设的生成对抗网络进行训练，得到预训练参数；将所述有标签数据和所述预训练参数输入至预设的预测模型进行训练，得到预测参数，根据所述预测参数确定目标位置。本发明提高了室内空间定位的准确性。CN113747385ACN113747385A权利要求书1/2页1.一种室内定位方法，其特征在于，所述室内定位方法包括以下步骤：采集室内环境中的位置指纹数据，并根据所述位置指纹数据中的位置信息确定有标签数据和无标签数据；将所述无标签数据输入至预设的生成对抗网络进行训练，得到预训练参数；将所述有标签数据和所述预训练参数输入至预设的预测模型进行训练，得到预测参数，根据所述预测参数确定目标位置。2.如权利要求1所述的室内定位方法，其特征在于，所述将所述有标签数据和所述预训练参数输入至预设的预测模型进行训练，得到预测参数的步骤，包括：将所述预训练参数作为预设的预测模型中的网络初值，并将所述有标签数据输入至所述预测模型中的输入层；通过所述预测模型中的输入层将所述有标签数据传递至所述预测模型中的卷积层进行特征提取，得到多个初始特征；通过所述卷积层将各所述初始特征传递至所述预测模型中的池化层进行过滤处理，得到重要特征，并根据所述重要特征和所述网络初值确定预测参数。3.如权利要求2所述的室内定位方法，其特征在于，所述根据所述重要特征和所述网络初值确定预测参数的步骤，包括：确定所述预测模型中的RNN隐层，将所述重要特征自所述池化层传递至所述RNN隐层；若存在多个重要特征，则根据所述RNN隐层中的隐层计算公式对各所述重要特征进行计算，得到各所述重要特征之间的时序排列关系；将各所述重要特征按照所述时序排列关系进行排序，并对排序后的各所述重要特征进行混合高斯概率分布计算，得到初始预测值；根据所述网络初值确定各所述初始预测值中的目标预测值，并将所述目标预测值作为预测参数。4.如权利要求1所述的室内定位方法，其特征在于，所述将所述无标签数据输入至预设的生成对抗网络进行模型训练，得到预训练参数的步骤，包括：确定预设的生成对抗网络中的L2损失函数，并将所述无标签数据输入至所述L2损失函数中进行训练计算，得到预训练参数。5.如权利要求1所述的室内定位方法，其特征在于，所述采集室内环境中的位置指纹数据的步骤，包括：确定所述室内环境中的所有参考点，并采集各所述参考点发送的信号数据，确定各所述信号数据中的信号强度和各所述信号数据对应的位置信息；将所述信号强度和所述位置信息作为位置指纹数据。6.如权利要求5所述的室内定位方法，其特征在于，所述确定所述室内环境中的所有参考点的步骤，包括：确定所述室内环境中的数据采集区域，并对所述数据采集区域进行网格划分，得到参考点，其中，每个参考点中至少设置一个信号源。7.如权利要求1‑6任一项所述的室内定位方法，其特征在于，所述根据所述位置指纹数据中的位置信息确定有标签数据和无标签数据的步骤，包括：确定所述位置指纹数据中的位置信息和信号强度，对所述信号强度进行归一化处理，2CN113747385A权利要求书2/2页得到处理后的信号强度；将所述处理后的信号强度作为无标签数据存储至预设的第一指纹数据库；将所述处理后的信号强度和所述位置信息作为有标签数据存储至第二指纹数据库。8.一种室内定位装置，其特征在于，所述室内定位装置包括：采集模块，用于采集室内环境中的位置指纹数据，并根据所述位置指纹数据中的位置信息确定有标签数据和无标签数据；训练模块，用于将所述无标签数据输入至预设的生成对抗网络进行训练，得到预训练参数；确定模块，用于将所述有标签数据和所述预训练参数输入至预设的预测模型进行训练，得到预测参数，根据所述预测参数确定目标位置。9.一种室内定位设备，其特征