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

本發(fā)明涉及一種基于神經(jīng)網(wǎng)絡(luò)的室內(nèi)指紋定位方法，屬于室內(nèi)定位技術(shù)領(lǐng)域。該方法包括：S1：采集室內(nèi)多個(gè)參考點(diǎn)處的CSI位置指紋和位置坐標(biāo)，構(gòu)造神經(jīng)網(wǎng)絡(luò)的輸入矩陣和理想輸出矩陣；S21：初始化權(quán)值和閾值，代入輸入矩陣進(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：利用輸出矩陣和理想輸出矩陣構(gòu)造代價(jià)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(jì)算每個(gè)權(quán)值和閾值的梯度，朝著梯度的反方向更新參數(shù)；S3：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。本發(fā)明能提高定位精度。

技術(shù)領(lǐng)域

本發(fā)明屬于室內(nèi)定位技術(shù)領(lǐng)域，涉及一種基于神經(jīng)網(wǎng)絡(luò)的室內(nèi)指紋定位方法。

背景技術(shù)

隨著移動(dòng)互聯(lián)網(wǎng)的普及和智能設(shè)備的廣泛使用，基于室內(nèi)環(huán)境的位置服務(wù)請(qǐng)求成為了巨大的流量入口，它有非常多的應(yīng)用場景，例如在商場、寫字樓、機(jī)場航站樓等大型公共場所能夠提供位置導(dǎo)航和路徑規(guī)劃；在遇到火災(zāi)等突發(fā)情況時(shí)能夠協(xié)助人群疏散和消防員救援；在智慧物流中能夠高效調(diào)配物資等等。室內(nèi)定位系統(tǒng)需要在固定位置安裝發(fā)射裝置以發(fā)送定位信號(hào)，而大量安裝設(shè)備會(huì)耗費(fèi)人力和財(cái)力，因此已經(jīng)被廣泛部署在商場、機(jī)場航站樓等大型建筑中的WiFi成為了大多數(shù)定位系統(tǒng)傾向使用的信號(hào)源。

基于WiFi的定位方法主要分為兩大類：三角定位法和指紋定位法，其中基于指紋定位的方法由于不會(huì)受到多徑效應(yīng)和非視距效應(yīng)的影響而受到廣泛關(guān)注，它主要包含離線建庫和在線定位兩個(gè)階段。離線建庫階段，將室內(nèi)環(huán)境劃分成多個(gè)網(wǎng)格，在不同網(wǎng)格上通過移動(dòng)設(shè)備采集環(huán)境中所有接入點(diǎn)的接收信號(hào)強(qiáng)度(Received Signal Strength，RSS)，利用采集到的RSS值和對(duì)應(yīng)格點(diǎn)坐標(biāo)構(gòu)造離線指紋庫。在線定位階段，給定一個(gè)未知位置的RSS樣本，在指紋庫中通過匹配算法進(jìn)行匹配，將RSS相似度最高的指紋位置作為對(duì)當(dāng)前樣本的位置估計(jì)。傳統(tǒng)的基于指紋的定位方法均假設(shè)在線定位階段的樣本與離線建庫階段的指紋具有相同的數(shù)據(jù)分布，但由于環(huán)境的時(shí)變性和異構(gòu)設(shè)備采樣值的偏差性，在線定位時(shí)的樣本數(shù)據(jù)分布會(huì)在均值和方差上偏離指紋庫中的數(shù)據(jù)分布，從而導(dǎo)致定位誤差。

為了提高定位精度，亟需一種新的的室內(nèi)指紋定位方法。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種基于神經(jīng)網(wǎng)絡(luò)的室內(nèi)指紋定位方法，把神經(jīng)網(wǎng)絡(luò)用到定位領(lǐng)域，在所有滿足代價(jià)函數(shù)小于閾值條件的多組參數(shù)中再次進(jìn)行篩選，用一部分已知坐標(biāo)的指紋向量樣本利用計(jì)算適應(yīng)度的方法去選取最優(yōu)的參數(shù)，從而提高定位精度。

為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

一種基于神經(jīng)網(wǎng)絡(luò)的室內(nèi)指紋定位方法，具體包括以下步驟：

S1：采集室內(nèi)多個(gè)參考點(diǎn)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(jià)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(jì)算每個(gè)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(shí)際的位置信息。