[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)的室內(nèi)指紋定位方法

在審

• 申請?zhí)枺?/td>: 202110954327.2
• 申請日: 2021-08-19
• 公開（公告）號: CN113660723A
• 公開（公告）日: 2021-11-16
• 發(fā)明（設(shè)計）人: 周牧;龍玥辛;蒲巧林;楊小龍;李耀華;曹靜陽
• 申請（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號: H04W64/00
• 分類號: H04W64/00;H04W4/33;G06N3/04;G06N3/08
• 代理公司: 北京同恒源知識產(chǎn)權(quán)代理有限公司 11275
• 代理人: 趙榮之

1.一種基于神經(jīng)網(wǎng)絡(luò)的室內(nèi)指紋定位方法，其特征在于，該方法具體包括以下步驟：

S1：采集室內(nèi)多個參考點處的信道狀態(tài)信息(Channel State Information，CSI)位置指紋和位置坐標(biāo)，用于構(gòu)造神經(jīng)網(wǎng)絡(luò)的輸入矩陣和理想輸出矩陣；

S2：訓(xùn)練階段：

S21：初始化權(quán)值和閾值，將輸入矩陣代入神經(jīng)網(wǎng)絡(luò)進(jìn)行正向傳播，得到隱藏層輸入矩陣；

S22：選擇LeakyReLU函數(shù)作為激活函數(shù)，再進(jìn)行正向傳播得到神經(jīng)網(wǎng)絡(luò)的輸出矩陣；

S23：利用正向傳播得到的輸出矩陣和理想輸出矩陣構(gòu)造代價函數(shù)；

S24：在反向傳播過程中引入梯度下降法，根據(jù)誤差矩陣來反向計算每個權(quán)值和閾值的梯度，根據(jù)梯度下降法的原理，朝著梯度的反方向更新參數(shù)，直至收斂；

S3：測試階段：將測試樣本構(gòu)成的輸入矩陣代入神經(jīng)網(wǎng)絡(luò)進(jìn)行正向傳播，得到輸出層輸出矩陣，即實際的位置信息。

2.根據(jù)權(quán)利要求1所述的室內(nèi)指紋定位方法，其特征在于，步驟S1具體包括：在某一室內(nèi)區(qū)域內(nèi)，采集L_f個參考點處的CSI位置指紋Finger_n＝{a_1n，...，a_mn}用于構(gòu)造神經(jīng)網(wǎng)絡(luò)的輸入矩陣，其中n＝1，...，L_f；L_f個參考點的位置坐標(biāo)(y_1n，y_2n)用于構(gòu)造神經(jīng)網(wǎng)絡(luò)的理想輸出矩陣，根據(jù)CSI位置指紋和位置坐標(biāo)的形式將輸入層和輸出層的神經(jīng)元個數(shù)分別設(shè)置為m個和2個，隱藏層的神經(jīng)元個數(shù)設(shè)置為輸入層和輸出層神經(jīng)元個數(shù)乘積的算術(shù)平方根即個，再將這L_f＝N_f+M_f個指紋樣本分為兩個部分，其中N_f個訓(xùn)練樣本用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，剩余M_f個測試樣本用于測試神經(jīng)網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求2所述的室內(nèi)指紋定位方法，其特征在于，步驟S21具體包括：初始化權(quán)值和閾值為區(qū)間[-0.5，0.5]內(nèi)的隨機數(shù)，將輸入矩陣代入神經(jīng)網(wǎng)絡(luò)進(jìn)行正向傳播，得到隱藏層輸入矩陣表達(dá)式為Z^[1]＝W^[1]·A^[0]+B^[1]，其中，B^[1]＝[b^[1]，...，b^[1]]由N_f個列向量b^[1]組成，為隱藏層閾值向量，為輸入層-隱藏層權(quán)值矩陣。

4.根據(jù)權(quán)利要求3所述的室內(nèi)指紋定位方法，其特征在于，步驟S22中，選擇LeakyReLU函數(shù)作為激活函數(shù)，再進(jìn)行正向傳播得到神經(jīng)網(wǎng)絡(luò)的輸出矩陣，具體包括以下步驟：

S221：計算隱藏層輸出矩陣表達(dá)式為A^[1]＝LeakyReLU(Z^[1])，其中，

S222：計算輸出層輸入矩陣表達(dá)式為Z^[2]＝w^[2]·A^[1]+B^[2]，其中，B^[2]＝[b^[2]，...，b^[2]]由N_f個列向量b^[2]組成，b^[2]∈R^2×1為輸出層閾值向量；

S223：計算輸出層輸出矩陣表達(dá)式為A^[2]＝LeakyReLU(Z^[2])。