买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连海事大学

摘要：本发明公开了一种室外指纹定位区域不规则网格化方法及应用，属于无线电定位技术领域。本发明在定位区域网格化阶段使用了一种全新的不规则网格化方法，该网格化方法根据定位区域内的指纹分布密度划分定位区域，网格化后每个网格中的指纹数量相同，有效避免了由于不同网格内指纹数量差异过大而导致的预测模型准确率和定位精度下降的问题，基于该定位区域不规则网格化的指纹定位方法相较基于常规网格化的指纹定位方法大幅度提升了指纹定位精度；并且在定位区域较大时，显著地减少网格数量，降低预测模型的计算压力，保证定位结果的实时性。

主权项：1.室外指纹定位区域不规则网格化方法，其特征在于，包括以下步骤：S1：将定位区域内所有指纹组成整体指纹集合，所述整体指纹集合中的指纹总数量为；S2：对整体指纹集合中包含的所有指纹，按其位置参数的第一坐标方向进行排序；将整体指纹集合沿所述第一坐标方向划分为个子集，其中每个子集所含有的指纹数量相同；将所述定位区域划分为与各子集中指纹位置对应的个子区域；S3：分别对个所述子集包含的所有指纹，按其位置参数的第二坐标方向进行排序；将各子集沿所述第二坐标方向分别划分为个次子集，其中每个次子集所含有的指纹数量相同；将各所述子区域划分为与各次子集中指纹位置对应的个网格，即将定位区域划分为个不规则网格，每个网格含有的指纹数量为；其中，所述第一坐标为横坐标、所述第二坐标为纵坐标，或者所述第一坐标为纵坐标、所述第二坐标为横坐标；所述为指纹位置预测模型预测的指纹位置与指纹实际位置的欧氏距离最小值所对应的每个网格含有的指纹数量；所述指纹位置预测模型的构建过程如下：搭建由1个输入层、2个卷积块、2个全连接层和1个输出层组成的一维卷积神经网络模型1D-CNN；所述输入层的输入为网格编号和指纹的特征，，其中代表第条指纹的第个特征；每一个网格中所有指纹的编号均为该网格的编号，，表示网格总数量；所述卷积块由一维卷积层和激活函数组成；所述一维卷积层对指纹特征向量应用滑动卷积核的处理；所述激活函数采用ReLU激活函数对一维卷积层的输出进行非线性变换处理；所述全连接层对卷积块输出的深度提取特征做展平处理，将其转化为一维向量形式，表示为，作为输出层的输入；所述输出层采用如式（1）所示的Softmax函数对全连接层的输出进行处理： 其中，为输出层的输入，表示为，为输出层第个神经元的输入，输出层的神经元数量与网格的总数相同，所以的最大维度也为；表示与自然常数的对数运算；为输出层的输出，即1D-CNN模型的输出，中每一个元素表示一个网格的预测条件概率；选择1D-CNN模型输出向量中最大值元素所对应的网格，作为所述1D-CNN模型最终对指纹的预测网格，该预测网格的质心坐标为指纹预测位置。

全文数据：

权利要求：

百度查询： 大连海事大学 室外指纹定位区域不规则网格化方法及应用