基于MNL概率辨识室内定位系统及方法、定位模型建立系统

摘要

本发明揭示了一种基于MNL概率辨识室内定位系统及方法，所述系统包括MNL定位模型建立模块、无线网络信息获取模块、无线网络数据比对模块；MNL定位模型建立模块用以建立MNL定位模型，将各个指纹点对应的指纹无线信息生成基于概率的MNL离散模型，模型由一系列随机函数来描述，将模型写入中心数据库中；无线网络数据比对模块用以将设定电子设备的无线网络信息与MNL定位模型及指纹无线信息进行比对，将一系列具有最大概率值的指纹点坐标进行组合计算，从而判断设定电子设备的位置为相似度最大的指纹点所在位置。本发明可提高室内定位的精确度，特别保证了在WIFI信号消失、突变环境下的室内定位的稳定性和抗干扰性。

主权项

一种基于MNL概率辨识的室内定位系统，其特征在于，所述系统包括：‑MNL定位模型建立模块，用以建立MNL定位模型，将各个指纹点对应的指纹无线信息生成基于概率的MNL定位模型，MNL定位模型由一系列随机函数来描述，将MNL定位模型写入中心数据库中；‑无线网络信息获取模块，用以获取设定电子设备的无线网络信息；‑无线网络数据比对模块，用以将设定电子设备的无线网络信息与MNL定位模型及指纹无线信息进行比对，将一系列具有最大概率值的指纹点坐标进行组合计算，从而判断设定电子设备的位置为相似度最大的指纹点所在位置；所述MNL定位模型建立模块具体包括：‑指纹数据载入及初筛单元，用以初始载入及初筛指纹数据，计算每类指纹点的统计特征值；‑指纹点分类单元，用以使用分类模型进行指纹点分类，计算分类矩阵、似然函数值和误差率，确定指纹点分类；‑综合评估指标获取单元，用以将训练数据分成m+n份，其中m份训练数据基于从属MNL定位模型概率估计定位模型生成公式，n份训练数据用于模型验证和评估；变化组合，轮流改变模型验证数据组，循环计算若干次后综合评估并得到综合评估指标；‑最优MNL模型结果获取单元，用以计算似然比检验统计量、吻合度指标、平均绝对误差、相对误差；由后台中心服务器循环计算获取最优MNL模型结果，并将最优MNL模型结果存入中心数据库。