一种基于凸包面积加权的联邦学习室内定位方法及装置

技术特征：
1.一种基于凸包面积加权的联邦学习室内定位方法，其特征在于，包括以下步骤：步骤s1、用户在目标区域采样，构建本地指纹数据库；步骤s2、中心服务器建立初始全局模型，进行基于凸包面积加权的联邦学习定位模型训练，通过多轮训练直到收敛，得到最终全局模型；每轮训练的步骤包括：s21、本地模型更新；s22、本地模型参数上传；s23、基于凸包面积加权的模型整合；s24、全局模型下传；步骤s3、将最终全局模型分发至目标区域的设备，设备将测量的wifi信号强度输入到最终全局模型中，输出即为测量的地理位置。2.根据权利要求1所述的基于凸包面积加权的联邦学习室内定位方法，其特征在于，步骤s1具体如下：在目标区域，存在多个wifi接入点；多个用户携带内置信号强度传感器的智能手机在目标区域内移动，并对wifi信号进行采样；在一个采样点，用户同时记录自身的位置和接收到的多个wifi信号的信号强度，并组合成一组数据对；采样完成后，每个用户拥有多个数据对，即本地指纹数据库；每个用户使用melkman算法找出本地指纹数据库中采样点集合的凸包，计算凸包面积，并发送到中心服务器。3.根据权利要求1所述的基于凸包面积加权的联邦学习室内定位方法，其特征在于，步骤s2中所述中心服务器建立初始全局模型，具体如下：中心服务器初始化一个mlp，作为初始全局模型，并分发给各个用户，作为初始的本地全局模型。4.根据权利要求1所述的基于凸包面积加权的联邦学习室内定位方法，其特征在于，步骤s21具体如下：每个用户在本地指纹数据库上训练本地模型；数据库中信号强度作为输入，采样位置作为输出；选择平均绝对误差mae作为目标函数，随机梯度下降即sgd作为训练算法；经过设定次数的sgd，本地模型完成一次更新；第i个用户更新的本地模型记为ω
it 1
。5.根据权利要求1所述的基于凸包面积加权的联邦学习室内定位方法，其特征在于，步骤s22所述本地模型参数上传，是指每个用户将更新的本地模型参数上传到中心服务器。6.根据权利要求1所述的基于凸包面积加权的联邦学习室内定位方法，其特征在于，步骤s23具体如下：中心服务器整合本地模型，更新全局模型，整合的权重由本地数据库的凸包面积的比重直接确定，公式如下：其中，ω
t 1
为更新的全局模型，n表示用户的个数，表示第i、j个用户所计算的
凸包面积。7.根据权利要求1所述的基于凸包面积加权的联邦学习室内定位方法，其特征在于，步骤s24所述更新的全局模型下传，是指中心服务器将更新的全局模型分发到各个用户，用于下一轮训练。8.一种基于凸包面积加权的联邦学习室内定位装置，其特征在于，包括：数据库构建模块，用于用户在目标区域采样，构建本地指纹数据库；模型构建及训练模块，用于通过中心服务器建立初始全局模型，由模型训练单元进行基于凸包面积加权的联邦学习定位模型训练，通过多轮训练直到收敛，得到最终全局模型；所述模型训练单元包括闭环顺次设置的本地定位模型更新单元、本地模型参数上传单元、基于凸包面积加权的模型整合单元、全局定位模型下传单元；位置测量模块，用于将最终全局模型分发至目标区域的设备，设备将测量的wifi信号强度输入到最终全局模型中，输出即为测量的地理位置。9.根据权利要求8所述的基于凸包面积加权的联邦学习室内定位装置，其特征在于，数据库构建模块，具体如下：在目标区域，存在多个wifi接入点；多个用户携带内置信号强度传感器的智能手机在目标区域内移动，并对wifi信号进行采样；在一个采样点，用户同时记录自身的位置和接收到的多个wifi信号的信号强度，并组合成一组数据对；采样完成后，每个用户拥有多个数据对，即本地指纹数据库；每个用户使用melkman算法找出本地指纹数据库中采样点集合的凸包，计算凸包面积，并发送到中心服务器。10.根据权利要求8所述的基于凸包面积加权的联邦学习室内定位装置，其特征在于，所述模型训练单元包括闭环顺次设置的本地定位模型更新单元、本地模型参数上传单元、基于凸包面积加权的模型整合单元、全局定位模型下传单元，具体如下：本地定位模型更新单元中：每个用户在本地指纹数据库上训练本地模型；数据库中信号强度作为输入，采样位置作为输出；选择平均绝对误差mae作为目标函数，随机梯度下降即sgd作为训练算法；经过设定次数的sgd，本地摸型完成一次更新；第i个用户更新的本地模型记为ω
it 1
；本地模型参数上传单元中：每个用户将更新的本地模型参数上传到中心服务器；基于凸包面积加权的模型整合单元中，中心服务器整合本地定位模型，更新全局模型，整合的权重由本地数据库的凸包面积的比重直接确定，公式如下：其中，ω
t 1
为更新的全局模型，n表示用户的个数，表示第i、j个用户所计算的凸包面积；全局定位模型下传单元中，中心服务器将更新的全局模型分发到各个用户，用于下一轮训练。

技术总结
本发明提供了一种基于凸包面积加权的联邦学习室内定位方法及装置，步骤如下：用户在目标区域采样，构建本地指纹数据库；中心服务器建立初始全局模型，进行基于凸包面积加权的联邦学习定位模型训练，通过多轮训练直到收敛，得到最终全局模型；每轮训练的步骤包括：本地定位模型更新；本地模型参数上传；基于凸包面积加权的模型整合；全局定位模型下传；将最终全局模型分发至目标区域的设备，设备将测量的WiFi信号强度输入到最终全局模型中，输出即为测量的地理位置。装置包括数据库构建模块、模型构建及训练模块、位置测量模块。本发明有效消除了数据库空间异构性带来的不良影响，提高了联邦平均算法收敛速度以及定位精度。高了联邦平均算法收敛速度以及定位精度。高了联邦平均算法收敛速度以及定位精度。


技术研发人员：束锋 程鑫 邹骏 马川
受保护的技术使用者：南京理工大学
技术研发日：2022.08.19
技术公布日：2022/11/15