【技術實現步驟摘要】
本申請涉及室內定位，特別是涉及一種基于遷移學習的室內定位方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。
技術介紹
1、在智能家居、工業自動化、室內安全監控等場景，室內定位技術具有廣泛的應用。其中，與通過接收無線接入點（access?point，ap）發出的信號強度以估計位置的定位方式相比，基于信道狀態信息（channel?state?information，csi）的室內定位方式通常具有更高的精度和魯棒性。然而，基于csi的室內定位通常依賴大量標注數據進行模型訓練，導致在csi數據采集受到限制的區域中難以保障定位的準確性。
技術實現思路
1、基于此，有必要針對上述技術問題，提供一種基于遷移學習的室內定位方法、裝置、計算機設備、計算機可讀存儲介質和計算機程序產品。
2、第一方面，本申請提供了一種基于遷移學習的室內定位方法，包括：
3、根據目標域中待定位位置的信道狀態信息，構建信道狀態信息圖像；
4、將所述信道狀態信息圖像輸入目標域定位模型，得到所述目標域定位模型輸出的所述待定位位置的定位結果；
5、其中，所述目標域定位模型通過以下步驟訓練得到：
6、使用源域樣本集對初始模型進行預訓練，得到源域定位模型；
7、使用目標域樣本集對所述源域定位模型進行遷移訓練，得到所述目標域定位模型；所述目標域樣本集包括根據在所述目標域收集的第一信道狀態信息構建的第一目標域樣本，以及根據所述源域樣本集和所述第一目標域樣本
8、在其中一個實施例中，所述使用目標域樣本集對所述源域定位模型進行遷移訓練，得到所述目標域定位模型之前，包括：根據所述源域樣本集中各源域樣本的源域信道狀態信息，得到各所述源域樣本的第一概率分布；根據所述第一目標域樣本的所述第一信道狀態信息，得到各所述第一目標域樣本的第二概率分布；根據對應的所述第一概率分布和所述第二概率分布的相似度滿足預設條件的所述源域樣本和所述第一目標域樣本，得到所述相似樣本對；將所述相似樣本對中所述源域樣本的所述源域信道狀態信息和所述第一目標域樣本的所述第一信道狀態信息融合，得到所述第二信道狀態信息。
9、在其中一個實施例中，所述根據對應的所述第一概率分布和所述第二概率分布的相似度滿足預設條件的所述源域樣本和所述第一目標域樣本，得到所述相似樣本對之前，包括：使用改進的相對熵算法，分別計算各所述源域樣本的所述第一概率分布和各所述第一目標域樣本的所述第二概率分布之間的相似度；其中所述相似度具有對稱性。
10、在其中一個實施例中，所述源域定位模型包括卷積層、池化層、注意力機制模塊、全連接層；所述使用目標域樣本集對所述源域定位模型進行遷移訓練，得到所述目標域定位模型，包括：使用所述目標域樣本集對所述源域定位模型進行第一遷移訓練，調整所述卷積層、所述池化層、所述注意力機制模塊、所述全連接層對應的模型參數，得到經第一遷移訓練的源域定位模型；凍結經所述第一遷移訓練的所述源域定位模型的所述卷積層、所述池化層、所述注意力機制模塊對應的模型參數，使用所述目標域樣本集對經所述第一遷移訓練的所述源域定位模型進行第二遷移訓練，調整所述全連接層對應的模型參數，得到所述目標域定位模型。
11、在其中一個實施例中，所述根據目標域中待定位位置的信道狀態信息，構建信道狀態信息圖像，包括：根據所述信道狀態信息中各子載波信道的信道狀態幅度，構建所述待定位位置的信道狀態幅度序列；使用馬爾可夫轉移場方法，構建所述信道狀態幅度序列對應的幅度狀態轉移矩陣；對所述幅度狀態轉移矩陣進行轉換，得到所述信道狀態信息圖像。
12、在其中一個實施例中，所述使用馬爾可夫轉移場方法，構建所述信道狀態幅度序列對應的幅度狀態轉移矩陣，包括：使用馬爾可夫轉移場方法，計算所述信道狀態幅度序列中各元素之間的幅度狀態轉移概率；根據所述幅度狀態轉移概率，構建所述幅度狀態轉移矩陣。
13、第二方面，本申請還提供了一種基于遷移學習的室內定位裝置，包括：
14、圖像構建模塊，用于根據目標域中待定位位置的信道狀態信息，構建信道狀態信息圖像；
15、結果獲取模塊，用于將所述信道狀態信息圖像輸入目標域定位模型，得到所述目標域定位模型輸出的所述待定位位置的定位結果；
16、其中，所述目標域定位模型通過以下步驟訓練得到：
17、使用源域樣本集對初始模型進行預訓練，得到源域定位模型；
18、使用目標域樣本集對所述源域定位模型進行遷移訓練，得到所述目標域定位模型；所述目標域樣本集包括根據在所述目標域收集的第一信道狀態信息構建的第一目標域樣本，以及根據所述源域樣本集和所述第一目標域樣本中的相似樣本對擴充得到的第二信道狀態信息構建的第二目標域樣本。
19、第三方面，本申請還提供了一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現以下步驟：
20、根據目標域中待定位位置的信道狀態信息，構建信道狀態信息圖像；
21、將所述信道狀態信息圖像輸入目標域定位模型，得到所述目標域定位模型輸出的所述待定位位置的定位結果；
22、其中，所述目標域定位模型通過以下步驟訓練得到：
23、使用源域樣本集對初始模型進行預訓練，得到源域定位模型；
24、使用目標域樣本集對所述源域定位模型進行遷移訓練，得到所述目標域定位模型；所述目標域樣本集包括根據在所述目標域收集的第一信道狀態信息構建的第一目標域樣本，以及根據所述源域樣本集和所述第一目標域樣本中的相似樣本對擴充得到的第二信道狀態信息構建的第二目標域樣本。
25、第四方面，本申請還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現以下步驟：
26、根據目標域中待定位位置的信道狀態信息，構建信道狀態信息圖像；
27、將所述信道狀態信息圖像輸入目標域定位模型，得到所述目標域定位模型輸出的所述待定位位置的定位結果；
28、其中，所述目標域定位模型通過以下步驟訓練得到：
29、使用源域樣本?集對初始模型進行預訓練?，得到源域定位模型；
30、使用目標域樣本集對所述源域定位模型進行遷移訓練?，得到所述目標域定位模型；所述目標域樣本集包括根據在所述目標域收集的第一信道狀態信息構建的第一目標域樣本，以及根據所述源域樣本集和所述第一目標域樣本中的相似樣本對擴充?得到的第二信道狀態信息構建的第二目標域樣本。
31、第五方面，本申請還提供了一種計算機程序產品，包括計算機程序，該計算機程序被處理器執行時實現以下步驟：
32、根據目標域中待定位位置的信道狀態信息，構建信道狀態信息圖像；
33、將所述信道狀態信息圖像輸入目標域定位模型，得到所述目標域定位模型輸出的所本文檔來自技高網...
【技術保護點】
1.一種基于遷移學習的室內定位方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述使用目標域樣本集對所述源域定位模型進行遷移訓練，得到所述目標域定位模型之前，包括：
3.根據權利要求2所述的方法，其特征在于，所述根據對應的所述第一概率分布和所述第二概率分布的相似度滿足預設條件的所述源域樣本和所述第一目標域樣本，得到所述相似樣本對之前，包括：
4.根據權利要求1所述的方法，其特征在于，所述源域定位模型包括卷積層、池化層、注意力機制模塊、全連接層；
5.根據權利要求1所述的方法，其特征在于，所述根據目標域中待定位位置的信道狀態信息，構建信道狀態信息圖像，包括：
6.根據權利要求5所述的方法，其特征在于，所述使用馬爾可夫轉移場方法，構建所述信道狀態幅度序列對應的幅度狀態轉移矩陣，包括：
7.一種基于遷移學習的室內定位裝置，其特征在于，所述裝置包括：
8.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至6
9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至6中任一項所述的方法的步驟。
10.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至6中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種基于遷移學習的室內定位方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述使用目標域樣本集對所述源域定位模型進行遷移訓練，得到所述目標域定位模型之前，包括：
3.根據權利要求2所述的方法，其特征在于，所述根據對應的所述第一概率分布和所述第二概率分布的相似度滿足預設條件的所述源域樣本和所述第一目標域樣本，得到所述相似樣本對之前，包括：
4.根據權利要求1所述的方法，其特征在于，所述源域定位模型包括卷積層、池化層、注意力機制模塊、全連接層；
5.根據權利要求1所述的方法，其特征在于，所述根據目標域中待定位位置的信道狀態信息，構建信道狀態信息圖像，包括：
6...
【專利技術屬性】
技術研發人員：肖學文，
申請(專利權)人：天翼數字生活科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。