[發(fā)明專利]提高人工神經(jīng)網(wǎng)絡定位性能的方法和裝置

有效

• 申請?zhí)枺?/td>: 201580069876.4
• 申請日: 2015-05-22
• 公開（公告）號: CN107113764B
• 公開（公告）日: 2020-02-14
• 發(fā)明（設計）人: 李安儉;崔杰;韓靜;李紅
• 申請（專利權）人: 華為技術有限公司
• 主分類號: H04W64/00
• 分類號: H04W64/00
• 代理公司: 11205 北京同立鈞成知識產(chǎn)權代理有限公司
• 代理人: 馬爽

1.一種提高人工神經(jīng)網(wǎng)絡定位性能的方法，其特征在于，包括：

獲取至少一個測試點的地理位置信息和指紋信息；

以所述至少一個測試點的指紋信息作為輸入層神經(jīng)元，以所述至少一個測試點的地理位置信息作為輸出層神經(jīng)元，隨機選取輸入層、輸出層、隱藏層中每一神經(jīng)元的初始權值和初始偏移量，建立初始人工神經(jīng)網(wǎng)絡ANN；

使用粒子群優(yōu)化PSO算法對所述初始ANN每一神經(jīng)元的初始權值和初始偏移量進行優(yōu)化，得到優(yōu)化后的初始ANN；

對所述優(yōu)化后的初始ANN進行訓練，得到訓練后的ANN；

所述使用PSO算法對所述初始ANN每一神經(jīng)元的初始權值和初始偏移量進行優(yōu)化，得到優(yōu)化后的初始ANN，包括：

將所述初始ANN中每一神經(jīng)元的初始權值和初始偏移量作為PSO算法的粒子初始位置，隨機選取各粒子的初始速度，建立所述PSO算法的種群；

在所述PSO算法迭代過程的每一代中，依次計算所述PSO算法中每一粒子的適應度、更新所述PSO算法的種群中的最佳粒子、更新所述PSO算法種群中各粒子位置及其速度，直到所述PSO算法中所有粒子的適應度之和小于預設閾值；

將所述PSO算法種群中各粒子的最佳位置作為所述初始ANN每一神經(jīng)元的優(yōu)化后權值和優(yōu)化后偏移量；

使用所述初始ANN每一神經(jīng)元的優(yōu)化后權值和優(yōu)化后偏移量建立所述優(yōu)化后的初始ANN。

2.根據(jù)權利要求1所述的方法，其特征在于，所述計算所述PSO算法中每一粒子的適應度，包括：

使用所述PSO算法中每一粒子的位置作為初始ANN中的權值和偏移量；

以所述至少一個測試點的指紋信息作為輸入層神經(jīng)元，計算初始ANN的輸出層神經(jīng)元；

計算所述輸出層神經(jīng)元和所述至少一個測試點的地理位置信息的誤差，將所述誤差作為所述粒子的適應度；

所述更新所述PSO算法的種群中的最佳粒子，包括：

將誤差最小的粒子作為所述PSO算法的種群中的最佳粒子。

3.根據(jù)權利要求1或2所述的方法，其特征在于，所述ANN為后向傳播ANN或廣義回歸線性網(wǎng)絡。

4.根據(jù)權利要求1或2所述的方法，其特征在于，所述指紋信息為接收的信號強度指示RSSI。

5.一種提高人工神經(jīng)網(wǎng)絡定位性能的裝置，其特征在于，包括：

獲取模塊，用于獲取至少一個測試點的地理位置信息和指紋信息；

初始信息模塊，用于以所述至少一個測試點的指紋信息作為輸入層神經(jīng)元，以所述至少一個測試點的地理位置信息作為輸出層神經(jīng)元，隨機選取輸入層、輸出層、隱藏層中每一神經(jīng)元的初始權值和初始偏移量，建立初始人工神經(jīng)網(wǎng)絡ANN；

優(yōu)化模塊，用于使用粒子群優(yōu)化PSO算法對所述初始ANN每一神經(jīng)元的初始權值和初始偏移量進行優(yōu)化，得到優(yōu)化后的初始ANN；

訓練模塊，用于對所述優(yōu)化后的初始ANN進行訓練，得到訓練后的ANN；

所述優(yōu)化模塊，具體用于將所述初始ANN中每一神經(jīng)元的初始權值和初始偏移量作為PSO算法的粒子初始位置，隨機選取各粒子的初始速度，建立所述PSO算法的種群；在所述PSO算法迭代過程的每一代中，依次計算所述PSO算法中每一粒子的適應度、更新所述PSO算法的種群中的最佳粒子、更新所述PSO算法種群中各粒子位置及其速度，直到所述PSO算法中所有粒子的適應度之和小于預設閾值；將所述PSO算法種群中各粒子的最佳位置作為所述初始ANN每一神經(jīng)元的優(yōu)化后權值和優(yōu)化后偏移量；使用所述初始ANN每一神經(jīng)元的優(yōu)化后權值和優(yōu)化后偏移量建立所述優(yōu)化后的初始ANN。

6.根據(jù)權利要求5所述的提高人工神經(jīng)網(wǎng)絡定位性能的裝置，其特征在于，所述優(yōu)化模塊，具體用于使用所述PSO算法中每一粒子的位置作為初始ANN中的權值和偏移量；以所述至少一個測試點的指紋信息作為輸入層神經(jīng)元，計算初始ANN的輸出層神經(jīng)元；計算所述輸出層神經(jīng)元和所述至少一個測試點的地理位置信息的誤差，將所述誤差作為所述粒子的適應度；將誤差最小的粒子作為所述PSO算法的種群中的最佳粒子。