一種基于模式分類的室內外無縫切換方法及系統技術方案

本發明專利技術公開了一種基于模式分類的室內外無縫切換方法及系統，所述方法包含：步驟101)掃描并記錄移動終端附近的wifi信號的強度信息及北斗/GPS的導航定位信號，其中，所述北斗/GPS導航定位信號包含：移動終端當前的位置、方向或精度因子；基于記錄的強度信息及導航定位信號構造當前移動終端所在位置的特征向量；步驟102)利用歷史數據對特征矢量和當前位置的關系進行學習，建立機器學習模型；步驟103)基于得到的wifi信號的強度信息和北斗/GPS的導航定位信號，再根據建立的SVM識別方程，識別所述移動終端的當前狀態；步驟104)根據當前狀態的識別結果，再進一步判斷是否對移動終端進行室內和室外間的切換操作。

【技術實現步驟摘要】
一種基于模式分類的室內外無縫切換方法及系統
本專利技術屬于信息技術、自動控制和電子
，具體涉及通過構造室外位置分類模型從而實現對移動終端當前的位置判斷，從而實現室內外無縫切換的方法及系統。
技術介紹
隨著位置數據業務的不斷發展，室內外定位技術已經在人們生活得各個領域都取得了廣泛的應用。通過采用基于wifi的室內定位技術，并實現與室外北斗/GPS定位技術的結合，能夠有效克服室外北斗/GPS系統在建筑物內、停車場、商場等區域定位精度差或無法定位的難題，從而更好地滿足人們對位置服務的需求。目前，許多科研機構和公司都進行室內外定位相關技術和系統的開發，并已成功應用在了多個領域。但當從室內進入室外或從室外進入室內時，由于定位誤差的存在會導致定位結果存在室內外切換頻繁、震蕩，或切換過程嚴重滯后的情況，這嚴重降低了系統的使用性能。
技術實現思路
為了克服已有系統室內外切換過程中存在震蕩、滯后等問題，本專利技術提出了一種基于模式分類的室內外無縫切換方法及系統。為了實現上述目的，本專利技術提供一種基于模式分類的室內外無縫切換方法，所述方法包含：步驟101)掃描并記錄移動終端附近的wifi信號的強度信息及北斗/GPS的導航定位信號，其中，所述北斗/GPS導航定位信號包含：移動終端當前的位置、方向或精度因子；基于記錄的強度信息及導航定位信號構造當前移動終端所在位置的特征向量。步驟102)利用歷史數據對特征矢量和當前位置的關系進行學習，建立機器學習模型；基于歷史數據生成訓練樣本集，對所建立的機器學習模型加以訓練進而得到SVM識別函數，該SVM識別函數用于判斷當前移動終端位于室內還是室外。步驟103)基于得到的wifi信號的強度信息和北斗/GPS的導航定位信號，再根據建立的SVM識別函數，識別所述移動終端的當前狀態；其中，所述當前狀態為：移動終端位于室內或者室外。步驟104)根據當前狀態的識別結果，再進一步判斷是否對移動終端進行室內和室外間的切換操作，具體為：設定第一閾值和第二閾值，所述第一閾值與第二閾值均為大于1的自然數；當移動終端是從室外進入室內，且連續若干次判斷移動終端當前均在室內，則實現室外向室內模式的切換；其中，所述若干次的具體取值為大于等于第一閾值的數；當移動終端是從室內進入室外，并連續若干次判斷移動終端在室外時，則進行室內模式向室外模式的切換；其中，所述若干次的具體取值為大于等于第二閾值的數。可選的，上述步驟102)進一步包括：步驟102-1)將整個待定位區域劃分為“J×K”個網格，并將每個網格的坐標點記為其中，j＝1,2,…,J且k＝1,2,…,K。步驟102-2)基于歷史數據對每個網格的wifi信號強度、北斗/GPS導航信息進行采集，構造位置識別特征向量。步驟102-3)以每個網格點采集的信息構成的位置特征向量作為輸入點，以當前移動終端處在室內還是室外的狀態作為輸出，進而生成訓練樣本集，其中，采用一位二進制數表示處于室外和室外兩種狀態：所述輸入特征集表示為：X＝[x1,x2,…,xJ×K]；所述輸出目標集表示為：f＝[y1,y2,…,yJ×K]。步驟102-4)采用步驟102-3)所得到的訓練樣本集對支持向量機進行訓練，利用訓練樣本集給出的輸入特征集和輸出目標集，對SVM進行訓練，得到用于判斷當前移動終端所在位置的SVM識別函數。上述步驟102-4)采用如下算法對SVM進行訓練：步驟102-4-1)利用二次規劃算法，求解下式的最優化問題：s.t.其中，ε為一給定的參數值，αm*、αm為訓練求取的參數，fm為訓練輸出集的第m個目標輸出值，Xm為輸入特征集的第m個樣本，K(Xm,Xn)為徑向基函數核函數；所述徑向基函數核函數為：其中，γ為高斯核函數寬度參數。步驟102-4-2)訓練完成后，建立的SVM函數為：其中，b為訓練得到的閾值，αm*、αm為訓練求取的參數；X＝(x,y)T為給定的待預測樣本特征矢量；為識別函數的輸出值?？蛇x的，上述步驟103)進一步包括：步驟103-1)利用步驟102)獲得的位置識別函數對移動終端的當前位置進行位置識別，其中對于任意輸入x的識別結果為：步驟103-2)當I＝1時，判斷當前處于室外；當I＝0時，當前移動終端處于室內。此外，本專利技術還提供了一種基于模式分類的室內外無縫切換系統，所述系統包含：信號采集記錄模塊，用于掃描并記錄移動終端附近的wifi信號的強度信息及北斗/GPS的導航定位信號，其中，所述北斗/GPS導航定位信號包含：移動終端當前的位置、方向或精度因子；基于記錄的強度信息及導航定位信號構造當前移動終端所在位置的特征向量。構造SVM識別函數的模塊，用于利用歷史數據對特征矢量和當前位置的關系進行學習，建立機器學習模型；基于歷史數據生成訓練樣本集，對所建立的機器學習模型加以訓練進而得到SVM識別函數，該SVM識別函數用于判斷當前移動終端位于室內還是室外。當前狀態判決模塊，用于基于得到的wifi信號的強度信息和北斗/GPS的導航定位信號，再根據建立的SVM識別方程，識別所述移動終端的當前狀態；其中，所述當前狀態為：移動終端位于室內或者室外。切換決策模塊，用于根據當前狀態的識別結果，再進一步判斷是否對移動終端進行室內和室外間的切換操作，具體為：設定第一閾值和第二閾值，所述第一閾值與第二閾值均為大于1的自然數；當移動終端是從室外進入室內，且連續若干次判斷移動終端當前均在室內，則實現室外向室內模式的切換；其中，所述若干次的具體取值為大于等于第一閾值的數；當移動終端是從室內進入室外，并連續若干次判斷移動終端在室內時，則進行室內模式向室外模式的切換；其中，所述若干次的具體取值為大于等于第二閾值的數。可選的，上述構造SVM識別函數的模塊進一步包括：劃分子模塊，用于將整個待定位區域劃分為“J×K”個網格，并將每個網格的坐標點記為其中，j＝1,2,…,J且k＝1,2,…,K。特征矢量構造子模塊，用于基于歷史數據對每個網格的wifi信號強度、北斗/GPS導航信息進行采集，構造位置識別特征向量。訓練樣本獲取子模塊，用于以每個網格點采集的信息構成的位置特征向量作為輸入點，以當前移動終端處在室內還是室外的狀態作為輸出，進而生成訓練樣本集，其中，采用一位二進制數表示處于室外和室外兩種狀態：所述輸入特征集表示為：X＝[x1,x2,…,xJ×K]；所述輸出目標集表示為：f＝[y1,y2,…,yJ×K]。訓練子模塊，用于采用得到的訓練樣本集對支持向量機進行訓練，利用訓練樣本集給出的輸入特征集和輸出目標集，對SVM進行訓練，得到用于判斷當前移動終端所在位置的SVM識別函數?？蛇x的，上述訓練子模塊還包含：第一處理子單元，用于利用二次規劃算法，求解下式的最優化問題：s.t.其中，ε為一給定的參數值，αm*、αm為訓練求取的參數，fm為訓練輸出集的第m個目標輸出值，Xm為輸入特征集的第m個樣本，K(Xm,Xn)為徑向基函數核函數；所述徑向基函數核函數為：其中，γ為高斯核函數寬度參數。第二處理子單元，用于訓練完成后建立SVM識別函數為：其中，b為訓練得到的閾值，αm*、αm為訓練求取的參數；X＝(x,y)T為給定的待預測樣本特征矢量；為識別函數的輸出值。上述當前狀態判決模塊進一步包括：識別預處理子模塊本文檔來自技高網...

【技術保護點】
一種基于模式分類的室內外無縫切換方法，所述方法包含：步驟101)掃描并記錄移動終端附近的wifi信號的強度信息及北斗/GPS的導航定位信號，其中，所述北斗/GPS導航定位信號包含：移動終端當前的位置、方向或精度因子；基于記錄的強度信息及導航定位信號構造當前移動終端所在位置的特征向量；步驟102)利用歷史數據對特征矢量和當前位置的關系進行學習，建立機器學習模型；基于歷史數據生成訓練樣本集，對所建立的機器學習模型加以訓練進而得到SVM識別函數，該SVM識別函數用于判斷當前移動終端位于室內還是室外；步驟103)基于得到的wifi信號的強度信息和北斗/GPS的導航定位信號，再根據建立的SVM識別函數，識別所述移動終端的當前狀態；其中，所述當前狀態為：移動終端位于室內或者室外；步驟104)根據當前狀態的識別結果，再進一步判斷是否對移動終端進行室內和室外間的切換操作，具體為：設定第一閾值和第二閾值，所述第一閾值與第二閾值均為大于1的自然數；當移動終端是從室外進入室內，且連續若干次判斷移動終端當前均在室內，則實現室外向室內模式的切換；其中，所述若干次的具體取值為大于等于第一閾值的數；當移動終端是從室內進入室外，并連續若干次判斷移動終端在室外時，則進行室內模式向室外模式的切換；其中，所述若干次的具體取值為大于等于第二閾值的數。...

【技術特征摘要】
1.一種基于模式分類的室內外無縫切換方法，所述方法包含：步驟101)掃描并記錄移動終端附近的wifi信號的強度信息及北斗/GPS的導航定位信號，其中，所述北斗/GPS導航定位信號包含：移動終端當前的位置、方向或精度因子；基于記錄的強度信息及導航定位信號構造當前移動終端所在位置的特征向量；步驟102)利用歷史數據對特征矢量和當前位置的關系進行學習，建立機器學習模型；基于歷史數據生成訓練樣本集，對所建立的機器學習模型加以訓練進而得到SVM識別函數，該SVM識別函數用于判斷當前移動終端位于室內還是室外；步驟103)基于得到的wifi信號的強度信息和北斗/GPS的導航定位信號，再根據建立的SVM識別函數，識別所述移動終端的當前狀態；其中，所述當前狀態為：移動終端位于室內或者室外；步驟104)根據當前狀態的識別結果，再進一步判斷是否對移動終端進行室內和室外間的切換操作，具體為：設定第一閾值和第二閾值，所述第一閾值與第二閾值均為大于1的自然數；當移動終端是從室外進入室內，且連續若干次判斷移動終端當前均在室內，則實現室外向室內模式的切換；其中，所述若干次的具體取值為大于等于第一閾值的數；當移動終端是從室內進入室外，并連續若干次判斷移動終端在室外時，則進行室內模式向室外模式的切換；其中，所述若干次的具體取值為大于等于第二閾值的數。2.根據權利要求1所述的基于模式分類的室內外無縫切換方法，其特征在于，所述步驟102)進一步包括：步驟102-1)將整個待定位區域劃分為“J×K”個網格，并將每個網格的坐標點記為其中，j＝1,2,…,J且k＝1,2,…,K；步驟102-2)基于歷史數據對每個網格的wifi信號強度、北斗/GPS導航信息進行采集，構造位置識別特征向量；步驟102-3)以每個網格點采集的信息構成的位置特征向量作為輸入點，以當前移動終端處在室內還是室外的狀態作為輸出，進而生成訓練樣本集，其中，采用一位二進制數表示處于室外和室外兩種狀態：所述輸入特征集表示為：X＝[x1,x2,…,xJ×K]；所述輸出目標集表示為：f＝[y1,y2,…,yJ×K]；步驟102-4)采用步驟102-3)所得到的訓練樣本集對支持向量機進行訓練，利用訓練樣本集給出的輸入特征集和輸出目標集，對SVM進行訓練，得到用于判斷當前移動終端所在位置的SVM識別函數。3.根據權利要求2所述的基于模式分類的室內外無縫切換方法，其特征在于，所述步驟102-4)采用如下算法對SVM進行訓練：步驟102-4-1)利用二次規劃算法，求解下式的最優化問題：其中，ε為一給定的參數值，αm*、αm為訓練求取的參數，fm為訓練輸出集的第m個目標輸出值，Xm為輸入特征集的第m個樣本，K(Xm,Xn)為徑向基函數核函數；所述徑向基函數核函數為：其中，γ為高斯核函數寬度參數；步驟102-4-2)訓練完成后，建立的SVM函數為：其中，b為訓練得到的閾值，αm*、αm為訓練求取的參數；X＝(x,y)T為給定的待預測樣本特征矢量；為識別函數的輸出值。4.根據權利要求3所述的基于模式分類的室內外無縫切換方法，其特征在于，所述步驟103)進一步包括：步驟103-1)利用步驟102)獲得的位置識別函數對移動終端的當前位置進行位置識別，其中對于任意輸入x的識別結果為：步驟103-2)當I＝1時，判斷當前處于室外；當I＝0時，當前移動終端處于室內。5.一種基于模式分類的室...

【專利技術屬性】
技術研發人員：曹紅杰，郭路，歐陽玲，
申請(專利權)人：北斗導航位置服務北京有限公司，
類型：發明
國別省市：北京,11