1.一种基于加强深度神经网络的WiFi定位方法,其特征在于,所述方法包括步骤:
S100、获取检测区域中各个无线接入点接收到待检测客户端发出的信号的网络数据;所述网络数据为多维数据;
S200、将所述网络数据输入训练后的定位模型的输入数据层,经过定位模型的1*1卷积层计算后进入定位模型的网络层;
S300、基于训练后的定位模型的网络层计算所述网络数据,并通过输出层输出的输出结果确定待检测客户端的位置。
2.如权利要求1所述的基于加强深度神经网络的WiFi定位方法,其特征在于,所述网络数据包括待各个无线接入点接收到待检测客户端在检测区域内发出的信号的信号强度数据、信道号以及对应无线接入点的输入功率。
3.如权利要求2所述的基于加强深度神经网络的WiFi定位方法,其特征在于,所述步骤S100之前还包括步骤:S000、预先训练深度神经网络,将训练后的深度神经网络作为所述定位模型。
4.如权利要求3所述的基于加强深度神经网络的WiFi定位方法,其特征在于,所述步骤S000进一步包括步骤:
S001、预先设置训练位置标签;
S002、依次采集各个无线接入点接收到训练终端在每个所述训练位置标签在检测区域内所发出的信号的网络数据;所述网络数据包括各个无线接入点接收所述训练位置标签在检测区域对应位置上的训练终端所发的信号的信号强度数据、信道号以及对应无线接入点的输入功率;
S003、分别将每个所述训练位置标签以及其对应的信号强度数据、信道号以及对应无线接入点的输入功率作为一组训练样本数据,生成训练数据集,并送入深度神经网络中;
S004、将深度神经网络的输入数据层定义为三通道数据层,所述三通道数据层的节点与各个无线接入点相对应,按照三通道数据层的节点与无线接入点对应的方式分别将每组训练样本数据中的每个与无线接入点对应的信号强度数据结合信道号以及对应无线接入点的输入功率输入所述三通道数据层对应节点的三个通道;所述训练样本数据经过1*1卷积层计算后进入所述深度神经网络的网络层,最后经由所述深度神经网络的输出层输出与所述训练位置标签相对应的训练结果;
S005、依次将输出的训练结果与其对应的所述训练位置标签进行比较,根据比较结果对深度神经网络进行训练,将训练后的深度神经网络作为所述定位模型。
5.如权利要求4所述的基于加强深度神经网络的WiFi定位方法,其特征在于:
所述步骤S003与所述步骤S004之间还包括步骤:
S035、分别对每个所述训练位置标签对应的网络数据的信号强度数据、信道号以及对应无线接入点的输入功率进行归一化处理;
所述步骤S100和步骤S200之间还包括步骤:
S150、将待检测客户端的所述网络数据中的信号强度数据、信道号以及对应无线接入点的输入功率进行归一化处理。
6.一种基于加强深度神经网络的WiFi定位服务器,其特征在于,包括:
数据采集模块,用于获取检测区域中各个无线接入点接收到待检测客户端发出的信号的网络数据;所述网络数据为多维数据;所述网络数据包括各个无线接入点接收到待检测客户端在检测区域内发出的信号的信号强度数据、信道号以及对应无线接入点的输入功率;
定位模块,用于将采集到的所述网络数据输入定位模型的多通道数据层,经过定位模型的1*1卷积层计算后进入定位模型的网络层,基于定位模型的网络层计算所述网络数据,并通过输出层的输出结果确定待检测客户端的位置。
7.如权利要求6所述的基于加强深度神经网络的WiFi定位服务器,其特征在于,还包括:
训练模块,用于预先训练深度神经网络,将训练后的深度神经网络作为所述定位模型。
8.如权利要求7所述的基于加强深度神经网络的WiFi定位服务器,其特征在于,所述训练模块进一步包括:
标签预设子模块,用于预先设置用于训练的训练位置标签;
训练数据集生成子模块,用于依次采集各个无线接入点接收到训练终端在每个所述训练位置标签在检测区域内所发出的信号的网络数据,分别将每个所述训练位置标签以及其对应的网络数据作为一组训练样本数据,生成训练数据集,并送入深度神经网络中;所述网络数据包括各个无线接入点接收所述训练位置标签在检测区域对应位置上的训练终端所发的信号的信号强度数据、信道号以及对应无线接入点的输入功率;
输入数据层定义子模块,用于将深度神经网络的输入数据层定义为三通道数据层,所述三通道数据层的节点与各个无线接入点相对应;
卷积层定义子模块,用于在深度神经网络的输入数据层与网络层之间定义1*1卷积层;
训练预测子模块,用于按照三通道数据层的节点与无线接入点对应的方式分别将每组训练样本数据中的每个与无线接入点对应的信号强度数据结合信道号以及对应无线接入点的输入功率输入所述三通道数据层对应节点的三个通道,经过1*1卷积层计算后进入所述深度神经网络的网络层,最后经由所述深度神经网络的输出层输出与所述训练位置标签相对应的训练结果,依次将输出的训练结果与其对应的所述训练位置标签进行比较,根据比较结果对深度神经网络进行训练,将训练后的深度神经网络作为所述定位模型。
9.如权利要求8所述的基于加强深度神经网络的WiFi定位服务器,其特征在于,还包括:
数据处理模块,用于分别对每个所述训练位置标签对应的网络数据的信号强度数据、信道号以及对应无线接入点的输入功率进行归一化处理,以及用于将待检测客户端的所述网络数据中的信号强度数据、信道号以及对应无线接入点的输入功率进行归一化处理。