[發明專利]一種基于樣本聚類的RBF神經網絡室內定位方法

有效

• 申請號: 201310507653.4
• 申請日: 2013-10-24
• 公開（公告）號: CN103561463A
• 公開（公告）日: 2014-02-05
• 發明（設計）人: 徐展;張國偉;劉丹;鄧翀;蔣平川
• 申請（專利權）人: 電子科技大學
• 主分類號: H04W64/00
• 分類號: H04W64/00
• 代理公司: 成都宏順專利代理事務所(普通合伙) 51227
• 代理人: 周永宏

1.基于樣本聚類的RBF神經網絡室內定位方法，其特征在于，具體包括：

S1、在室內定位環境中設置信標節點，記錄其位置坐標，在各個信標節點處安裝信號接收設備，接收信號源信號；

S2、在室內定位環境中選擇參考點，記錄其位置坐標，在各個參考點處放置信號發射設備，所述信號發射設備以不同的信號發射功率分別向信標節點發送固定數目的定位數據包，記錄信標節點處的不同功率數據包的丟包率，構成樣本集Q；

S3、在樣本集Q中，對同一參考點在不同信標節點處的不同發射功率的丟包率進行篩選，每個參考點處選擇k個信標節點的數據作為特征數據，構成訓練樣本集R；

S4、利用步驟S3建立的訓練樣本集R訓練RBF神經網絡，得到定位模型；

S5、采集待定位目標的不同發射功率的丟包率信息，對不同信標節點的丟包率信息進行篩選，選擇k個信標節點的數據，利用步驟S4訓練得到的定位模型預測待定位目標的位置坐標。

2.如權利要求1所述的基于樣本聚類的RBF神經網絡室內定位方法，其特征在于，所述步驟S3中參考點特征數據篩選算法的具體過程為：

S31、利用K均值聚類算法將同一參考點在不同信標節點處的不同發射功率的丟包率分成k組；

S32、分別計算步驟S31的k個分組的全局最近點，即選擇k個信標節點分組的代表；

S33、由步驟S32得到的k個信標節點代表對應的不同發射功率丟包率信息構成該參考點的特征數據。

3.如權利要求2所述的基于樣本聚類的RBF神經網絡室內定位方法，其特征在于，所述步驟S32中計算全局最近點的具體方法為：由式計算出點i與點集中m個點的距離和D_i，再由式min(D₁,D₂,…,D_m)計算出距離其它點最近的點作為該點集中的全局最近點。

4.如權利要求1至3任一項所述的基于樣本聚類的RBF神經網絡室內定位方法，其特征在于，所述步驟S4中的RBF神經網絡包括輸入層、隱含層以及輸出層，其中網絡可識別的類別數目由隱含層單元數決定，隱含層單元的傳遞函數為徑向基函數。