[發明專利]提高人工神經網絡定位性能的方法和裝置

有效

• 申請號: 201580069876.4
• 申請日: 2015-05-22
• 公開（公告）號: CN107113764B
• 公開（公告）日: 2020-02-14
• 發明（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權代理有限公司
• 代理人: 馬爽

本發明實施例提供一種提高人工神經網絡定位性能的方法和裝置，該方法包括：建立初始ANN；使用PSO算法對初始ANN進行優化，得到優化后的初始ANN；對優化后的初始ANN進行訓練，得到訓練后的ANN。本發明實施例提供的定位方法和裝置，通過使用PSO算法對ANN中各神經元的權重和偏移量進行優化，提高了采用ANN進行定位的性能。

技術領域

本發明實施例涉及無線通信技術領域，尤其涉及一種提高人工神經網絡定位性能的方法和裝置。

背景技術

定位技術是為了確定終端的地理位置而采用的技術，可以利用無線通信網絡的資源來直接或間接地得到終端的地理位置信息。

當前，定位技術主要關注在室外定位，隨著無線技術的發展，室內定位受到越來越多的關注。室內定位被應用于緊急情況下的定位，公共安全，商業和軍事應用等。現在業界已經研究了很多的定位方法。依賴于衛星的定位系統在室外環境中獲得了巨大的成功。但是，由于建筑物的遮擋，這些系統很難應用于室內環境。

一種實現室內定位的可行方法是使用無線傳感網絡(Wireless SensorNetworks，WSN)或者無線局域網(Wireless Local Area Networks，WLAN)。這些都是一些低成本且穩定的無線技術。目前主要由三種室內定位的方法，包括同距離無關的方法，基于距離的方法及指紋匹配方法。同距離無關的方法能效比高且成本低，但是僅適用于具有高連接性的網絡，這種方法精度較差。基于距離的方法主要基于測量到的信號，然后，再應用信道的數學模型來進行定位。因為確定多徑傳播和快衰環境下的信道模型是非常困難的，因此這些方法是很難實現較高精度的定位。指紋匹配定位方法具有非常好的潛力來獲得較好的定位精度。這種方法基于每個位置都有它特有的標記，例如RSSI等。一些位置對應的標記信息被預先存儲在一個數據庫中。當定位時，通過匹配數據庫中的標記信息來確定UE的具體位置。

一般地，有兩種指紋匹配的定位方法。一種是經典的非智能方法，例如最相鄰(Nearest Neighbors，NN)方法，及K個最鄰近的(K Nearest Neighbors，KNN)方法，及K個加權最鄰近(K Weighted Nearest Neighbors，KWNN)方法等。這些方法成本較低，但是精度較差。第二種方法就是眾所周知的智能方法。智能方法也成為指紋匹配方法。人工神經網絡(Artificial Neutral Network，ANN)就是指紋匹配方法的一種，它在室內定位技術上有很好的潛力。

將ANN應用與定位技術時，分為訓練階段和定位階段兩個階段，其中訓練階段是使用已知地點的地理位置信息和指紋信息對人工神經網絡進行訓練，然后在定位階段將待定位點測量到的指紋信息輸入訓練后的人工神經網絡，從而得到待定位點的地理位置信息。其中在訓練階段是先隨即生成一個初始人工神經網絡，然后再對該初始人工神經網絡進行訓練從而得到訓練后的人工神經網絡。

ANN在WSN定位系統中性能優異。但是ANN的缺點在于搜索全局最優方面，特別是在具有不完整或非理想的信息的場景下。因此，在實際的室內環境下，由于多徑和快衰因素的存在，使得該方法很難有較好的性能。也即，在訓練階段對隨即生成的初始人工神經網絡進行訓練時，訓練后的人工神經網絡可能不是最優的人工神經網絡，導致使用該訓練后的人工神經網絡進行定位可能影響定位性能。

因此，在應用ANN進行定位時，如何在訓練階段得到最優的人工神經網絡，以提高定位性能是亟需解決的關鍵問題。

發明內容

本發明實施例提供一種提高人工神經網絡定位性能的方法和裝置，通過使用PSO算法對ANN中各神經元的權重和偏移量進行優化，提高了采用ANN進行定位的性能。

第一方面提供一種提高人工神經網絡定位性能的方法，包括：

獲取至少一個測試點的地理位置信息和指紋信息；