[發(fā)明專利]一種改進(jìn)的基于分簇神經(jīng)網(wǎng)絡(luò)的室內(nèi)指紋定位方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201210429784.0
• 申請(qǐng)日: 2012-10-31
• 公開（公告）號(hào): CN102932738A
• 公開（公告）日: 2013-02-13
• 發(fā)明（設(shè)計(jì)）人: 丁根明;談?wù)褫x;張金寶;張令文;陳銘珅;白嗣東
• 申請(qǐng)（專利權(quán)）人: 北京交通大學(xué)
• 主分類號(hào): H04W4/02
• 分類號(hào): H04W4/02;H04W64/00;G06K9/00;G06N3/08
• 代理公司: 北京眾合誠(chéng)成知識(shí)產(chǎn)權(quán)代理有限公司 11246
• 代理人: 陳波

技術(shù)領(lǐng)域

本發(fā)明屬于無線通信和無線網(wǎng)絡(luò)定位技術(shù)領(lǐng)域，特別涉及一種改進(jìn)的基于分簇神經(jīng)網(wǎng)絡(luò)的室內(nèi)指紋定位方法。

背景技術(shù)

近年來，隨著社會(huì)和經(jīng)濟(jì)的不斷發(fā)展，以及信息和通信技術(shù)的不斷進(jìn)步，基于位置信息服務(wù)（location?based?service,LBS）在緊急救助、導(dǎo)航、追蹤以及本地搜索等方面需求不斷增加，呈現(xiàn)出廣闊的商業(yè)前景和市場(chǎng)價(jià)值。目前，基于智能終端所開發(fā)的定位應(yīng)用絕大多數(shù)局限于室外定位環(huán)境，然而人們對(duì)于室內(nèi)定位技術(shù)的需求也與日俱增，如機(jī)場(chǎng)大廳、購(gòu)物商城、寫字樓、醫(yī)院等需要為特殊客戶提供定位導(dǎo)航等服務(wù)，從而更加便利人們的生活，提供更好的用戶體驗(yàn)，提高商家服務(wù)質(zhì)量。

常用的室內(nèi)定位算法主要包括幾何測(cè)量法、近似法、指紋定位法三種。由于各建筑物室內(nèi)的布局多樣化，室內(nèi)環(huán)境復(fù)雜變化多端，人員流動(dòng)性大等對(duì)室內(nèi)無線信號(hào)測(cè)量如接收信號(hào)強(qiáng)度（receive?signal?strength,RSS）、到達(dá)時(shí)間（time?ofarrival,TOA）、到達(dá)時(shí)間差（time?difference?of?arrival,TDOA）等產(chǎn)生很大的影響，通過對(duì)RSS等信號(hào)特征來描述精確的位置信息非常困難。因而基于電波傳播模型的前兩種室內(nèi)定位算法難以獲取較高的室內(nèi)定位精度。對(duì)于指紋定位算法通過對(duì)采集的室內(nèi)信號(hào)特征值構(gòu)成的指紋進(jìn)行匹配從而再進(jìn)行空間位置的映射來實(shí)現(xiàn)終端的位置估計(jì)，算法簡(jiǎn)單而精度高，并可以通過指紋庫(kù)的實(shí)時(shí)更新來適應(yīng)室內(nèi)環(huán)境的變化,因而被廣范應(yīng)用于室內(nèi)定位系統(tǒng)中。

指紋定位算法分為離線階段和在線階段。離線階段利用終端來采集室內(nèi)各參考點(diǎn)處的無線信號(hào)特征信息如RSS、TOA等，由各參考點(diǎn)處收集到的指紋信息構(gòu)成整個(gè)室內(nèi)布局的離線指紋數(shù)據(jù)庫(kù)。在線階段，通過對(duì)某一未知待定位的盲點(diǎn)處的無線信號(hào)特征信息進(jìn)行采樣構(gòu)成實(shí)時(shí)的指紋信息，再通過指紋匹配算法來獲取終端的位置估計(jì)。常用的指紋匹配算法包括最近鄰居法,核函數(shù)法,支持向量機(jī)法以及神經(jīng)網(wǎng)絡(luò)法（artificial?neural?networks,ANN）。其中，神經(jīng)網(wǎng)絡(luò)指紋匹配算法能夠提供更高的定位精度與定位穩(wěn)定度，但該算法的計(jì)算與存儲(chǔ)開銷大，對(duì)于大型的室內(nèi)場(chǎng)所以及終端計(jì)算能力及存儲(chǔ)能力受限的情況限制了該算法的可實(shí)施性。分簇神經(jīng)網(wǎng)絡(luò)指紋定位法通過對(duì)數(shù)據(jù)庫(kù)指紋進(jìn)行分簇將室內(nèi)整個(gè)定位區(qū)域劃分為不同的小區(qū)域然后進(jìn)行ANN模型的訓(xùn)練與最終的位置估計(jì)，并能減少計(jì)算與存儲(chǔ)開銷，提高終端定位的實(shí)時(shí)性。然而，分簇神經(jīng)網(wǎng)絡(luò)算法的次優(yōu)全局收斂性問題成為該定位算法定位精度的重要影響因素，降低了定位精度性能。針對(duì)這一問題，本發(fā)明采用徑向基函數(shù)（Radio?Basis?Function,RBF）神經(jīng)網(wǎng)絡(luò)模型，提出了一種改進(jìn)的分簇神經(jīng)網(wǎng)絡(luò)的指紋定位方法，通過對(duì)加權(quán)因子進(jìn)行約束來聯(lián)合最優(yōu)化神經(jīng)網(wǎng)絡(luò)模型，從而在降低計(jì)算復(fù)雜度以及內(nèi)存需求的同時(shí)，提高分簇神經(jīng)網(wǎng)絡(luò)指紋定位算法的定位精度，為用戶提供更優(yōu)的位置信息服務(wù)。

發(fā)明內(nèi)容

為了解決分簇神經(jīng)網(wǎng)絡(luò)指紋定位算法中模型訓(xùn)練的次優(yōu)全局收斂性導(dǎo)致定位精度降低的問題，本發(fā)明提供了一種改進(jìn)的基于分簇神經(jīng)網(wǎng)絡(luò)的室內(nèi)指紋定位方法。

一種改進(jìn)的基于分簇神經(jīng)網(wǎng)絡(luò)的室內(nèi)指紋定位方法，其特征在于，所述方法具體包括以下步驟：

步驟1：離線階段，在室內(nèi)均勻分布的參考點(diǎn)處采集指紋信息構(gòu)建指紋數(shù)據(jù)庫(kù)；

步驟2：離線階段，采用聚類算法對(duì)指紋數(shù)據(jù)庫(kù)中的指紋信息進(jìn)行分類，產(chǎn)生不同的類和類中心；

步驟3：離線階段，利用改進(jìn)的約束加權(quán)神經(jīng)網(wǎng)絡(luò)模型對(duì)各參考點(diǎn)的指紋與位置信息進(jìn)行人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練，得出最優(yōu)的網(wǎng)絡(luò)模型，并將優(yōu)化得到的參考點(diǎn)處的模型參數(shù)輸入到指紋數(shù)據(jù)庫(kù)中。

步驟4：在線階段，采集室內(nèi)的實(shí)時(shí)指紋信息；

步驟5：在線階段，將采集到的實(shí)時(shí)指紋信息與數(shù)據(jù)庫(kù)中的類中心進(jìn)行類匹配，選擇最佳匹配的2~3個(gè)類作為初步定位區(qū)域；

步驟6：在線階段，根據(jù)類匹配結(jié)果，將初步定位區(qū)域中包括的實(shí)時(shí)指紋信息作為所選擇的類中的各個(gè)參考點(diǎn)的神經(jīng)網(wǎng)絡(luò)模型的輸入端，選擇M個(gè)具有最小實(shí)際輸出與期望輸出偏差的模型對(duì)應(yīng)的位置估計(jì)進(jìn)行加權(quán)，從而獲取最終的精確位置估計(jì)。

步驟1中，離線階段室內(nèi)指紋數(shù)據(jù)庫(kù)的建立具體包括以下步驟：

步驟101：根據(jù)室內(nèi)布局設(shè)置均勻分布的參考點(diǎn)RP_i，位置坐標(biāo)l_i=(x_i，y_i),i＝1,2,…,L。其中，L為室內(nèi)參考點(diǎn)的個(gè)數(shù)。