基于信號合成和人工神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位方法
【專利摘要】本發(fā)明提供一種基于信號合成和人工神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位方法，其包括（1）Wi?Fi熱點(diǎn)設(shè)置，（2）參考點(diǎn)選擇，（3）信號合成，（4）人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練，（4）在線定位的步驟，獲取待測點(diǎn)的信號強(qiáng)度RSS值，通過信號合成算法得到該待測點(diǎn)的合成信號矢量，輸入到訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)中，獲得待測點(diǎn)的位置坐標(biāo)，實現(xiàn)定位功能。本發(fā)明可以利用Wi?Fi信號強(qiáng)度實現(xiàn)室內(nèi)定位，其具有定位準(zhǔn)確、適應(yīng)性好、便于用戶使用等優(yōu)點(diǎn)，可以充分利用室內(nèi)環(huán)境的Wi?Fi熱點(diǎn)，不需要額外硬件投資；相對于目前的GPS導(dǎo)航系統(tǒng)，能打破室內(nèi)應(yīng)用的限制，有更強(qiáng)的實用性。
【專利說明】
基于信號合成和人工神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于Wi-Fi、人工神經(jīng)網(wǎng)絡(luò)、室內(nèi)定位技術(shù)領(lǐng)域，是Wi-Fi信號檢測與神經(jīng)網(wǎng) 絡(luò)的應(yīng)用，特別設(shè)及的是一種基于信號合成和人工神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位方法。
【背景技術(shù)】
[0002] 近年來，Wi-Fi技術(shù)W其覆蓋范圍大、無需布線、傳輸速度快、發(fā)射功率小等優(yōu)點(diǎn)迅 猛發(fā)展。筆記本電腦、Pad、智能手機(jī)等迅速普及，大都支持Wi-Fi技術(shù);同時大型室內(nèi)場所內(nèi) 的Wi-Fi網(wǎng)絡(luò)正逐步部署;運(yùn)用Wi-Fi信號采集和人工神經(jīng)網(wǎng)絡(luò)技術(shù)，可W彌補(bǔ)GI^應(yīng)用范圍 的限制，同時提高定位精度，增加效率，充分利用智能終端，方便快速，便于普及，成本低。但 目前使用的室內(nèi)定位方法并沒有充分發(fā)揮無線定位的功能，產(chǎn)生定位誤差大、不準(zhǔn)確的缺 陷。

【發(fā)明內(nèi)容】

[0003] 為克服現(xiàn)有技術(shù)上的不足，本發(fā)明目的是提供一種基于信號合成和人工神經(jīng)網(wǎng)絡(luò) 的室內(nèi)定位方法，可將誤差控制在很小的范圍內(nèi)，大大提高了室內(nèi)定位的精度和準(zhǔn)確性，降 低了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時間，提高了訓(xùn)練效率；
[0004] 為實現(xiàn)上述發(fā)明目的的技術(shù)方案是:一種基于信號合成和人工神經(jīng)網(wǎng)絡(luò)的室內(nèi)定 位方法，包括如下步驟：
[0005] (1 )、室內(nèi)環(huán)境布置Μ個Wi-Fi熱點(diǎn)，編號為0，1，...，M-1，確保所述室內(nèi)環(huán)境中任意 一個位置點(diǎn)能被兩個或兩個W上的Wi-Fi熱點(diǎn)發(fā)出的信號覆蓋;其中，M> 2;
[0006] (2)、在室內(nèi)環(huán)境中設(shè)置N個參考點(diǎn)，選取其中任意一個參考點(diǎn)作為坐標(biāo)原點(diǎn)并建 立直角坐標(biāo)系，計算N個參考點(diǎn)和Μ個熱點(diǎn)在直角坐標(biāo)系中的坐標(biāo)位置;其中，N > 2;
[0007] (3)、在每一個參考點(diǎn)位置，利用信號接收器采集來自每一個Wi-Fi熱點(diǎn)的信號強(qiáng) 度RSS值，通過信號合成算法得到合成信號矢量；
[0008] (4)、將N個參考點(diǎn)的合成信號矢量及其對應(yīng)的位置坐標(biāo)，組成訓(xùn)練樣本集導(dǎo)入到 人工神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，其中合成信號矢量作為人工神經(jīng)網(wǎng)絡(luò)的輸入，對應(yīng)位置坐標(biāo)作 為人工神經(jīng)網(wǎng)絡(luò)的期望輸出；
[0009] (5)、獲取待測點(diǎn)的信號強(qiáng)度RSS值，通過信號合成算法得到該點(diǎn)的合成信號矢量， 輸入到訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)中，獲得待測點(diǎn)的位置坐標(biāo)，實現(xiàn)定位功能；
[0010] 所述步驟(2)中的在室內(nèi)環(huán)境中設(shè)置N個參考點(diǎn)，選取其中任意一個參考點(diǎn)作為坐 標(biāo)原點(diǎn)并建立直角坐標(biāo)系，計算N個參考點(diǎn)和Μ個熱點(diǎn)在直角坐標(biāo)系中的坐標(biāo)位置是指：
[0011] (2a )、在室內(nèi)環(huán)境設(shè)置Ν個參考點(diǎn)，應(yīng)滿足
其中，P為建筑物每一個 樓層的參考點(diǎn)密度，d為Wi-Fi在室內(nèi)的傳輸距離，W保證參考點(diǎn)選取具有普遍性和較低的 幾余度；
[0012] (化）、在N個參考點(diǎn)中選取任意一點(diǎn)為坐標(biāo)原點(diǎn)，將其坐標(biāo)設(shè)為P〇(0,0,0)，并建立 直角坐標(biāo)系；
[0013] (2c)、根據(jù)參考點(diǎn)與坐標(biāo)原點(diǎn)的相對距離，計算其他N-1個參考點(diǎn)在直角坐標(biāo)系中 的坐標(biāo)位置，用P表示，即第i個參考點(diǎn)的坐標(biāo)為Pl(Xl，yl，Zl)，其中Xl，yl，Zl分別代表了該點(diǎn) 在長、寬和高Ξ個方向的坐標(biāo)；
[0014] (2d)、根據(jù)Wi-Fi熱點(diǎn)與坐標(biāo)原點(diǎn)的相對距離，計算Μ個Wi-Fi熱點(diǎn)在直角坐標(biāo)系中 的坐標(biāo)位置，用Q表示，即第j個Wi-Fi熱點(diǎn)的坐標(biāo)為Qj(xj，yj，Zj)，其中xj，yj，Zj分別代表了 該點(diǎn)在長、寬和高Ξ個方向的坐標(biāo)；
[0015]所述步驟(3)中的在每一個參考點(diǎn)位置，利用信號接收器采集來自每一個Wi-Fi熱 點(diǎn)的信號強(qiáng)度RSS值，通過信號合成算法得到合成信號矢量是指：
[0016] (3a)、計算得到每一個Wi-Fi熱點(diǎn)的矢量。每一個Wi-Fi熱點(diǎn)矢量的方向為由坐標(biāo) 原點(diǎn)指向?qū)?yīng)Wi-Fi熱點(diǎn)坐標(biāo)的方向，其大小為rMax，其中rMax為信號接收器在任意位置能 獲取Wi-Fi熱點(diǎn)的最大信號強(qiáng)度。即第j個Wi-Fi熱點(diǎn)的矢量定義為7?.方向為由坐標(biāo)原點(diǎn) 指向第j個Wi -F i熱點(diǎn)的方向，其大小為rMax;
[0017] (3b)、在每一個參考點(diǎn)位置，利用信號接收器采集來自每一個Wi-Fi熱點(diǎn)的信號強(qiáng) 度。例如在第i個參考點(diǎn)處，采集到第j個Wi-Fi熱點(diǎn)的信號強(qiáng)度RSS值為ri,j;
[0018] (3c)、針對每一個參考點(diǎn)，分別計算來自不同Wi-Fi熱點(diǎn)的信號強(qiáng)度矢量。W計算 第i個參考點(diǎn)采集到的第j個Wi-Fi熱點(diǎn)的信號強(qiáng)度矢量為例，根據(jù)信號強(qiáng)度ri,j、原點(diǎn)坐標(biāo) ?〇(0,0,0)和Wi-Fi熱點(diǎn)坐標(biāo)?(XJ，yJ，z人其信號強(qiáng)度矢量石的大小關(guān)
巧矢 量方向與巧資^相同。
[0019] (3d)、根據(jù)矢量加法運(yùn)算的平行四邊形法則，將每個參考點(diǎn)采集到的信號強(qiáng)度轉(zhuǎn) 換成信號強(qiáng)度矢量后，分別進(jìn)行加法運(yùn)算，得到N個合成信號矢量。例如，在第i個參考點(diǎn)處， 合成信號矢量為私(町71向）。
[0020] 所述步驟(4)中的將N個參考點(diǎn)的合成信號矢量及其對應(yīng)的位置坐標(biāo)，組成訓(xùn)練樣 本集導(dǎo)入到人工神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，其中合成信號矢量作為人工神經(jīng)網(wǎng)絡(luò)的輸入，對應(yīng) 位置坐標(biāo)作為人工神經(jīng)網(wǎng)絡(luò)的期望輸出是指：
[0021] (4a)、建立人工神經(jīng)網(wǎng)絡(luò)模型。所采用的人工神經(jīng)網(wǎng)絡(luò)為Ξ層神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)的 輸出個數(shù)為3,每層網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)量均為3,輸出層的傳遞函數(shù)采用S形傳遞函數(shù)，隱含層和 輸出層采用線性函數(shù)；
[0022] (4b)、獲取訓(xùn)練樣本集。計算N個參考點(diǎn)的坐標(biāo)，旨陽={Po，Pi，...，Pn-i};計算N個參 考點(diǎn)位置的合成信號強(qiáng)度矢量，即R=(R〇,化，...，Rn-i}，組成訓(xùn)練樣本集{R，P};
[0023] (4c)將訓(xùn)練樣本集導(dǎo)入到人工神經(jīng)網(wǎng)絡(luò)中，其中R為網(wǎng)絡(luò)輸入，P為期望輸出；
[0024] (4d)、訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，確定人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)值。采用BP算法的反向傳播 反復(fù)調(diào)整網(wǎng)絡(luò)權(quán)值，直到誤差控制到一定范圍內(nèi)，其中，設(shè)定偏差為Ε = 1θΛ
[0025] 所述步驟(5)中的獲取待測點(diǎn)的信號強(qiáng)度RSS值，通過信號合成算法得到該點(diǎn)的合 成信號矢量，輸入到訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)中，獲得待測點(diǎn)的位置坐標(biāo)，實現(xiàn)定位功能是 指：
[00%] (5a)、在待定位點(diǎn)，利用信號采集工具采集來自各個Wi-Fi熱點(diǎn)的信號強(qiáng)度，并通 過信號合成算法得到合成信號矢量；
[0027] 巧b)、將獲得的合成信號矢量輸入到訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)中計算，得到輸出，即 待定位點(diǎn)的位置坐標(biāo)。
[0028] 本發(fā)明與現(xiàn)有技術(shù)相比具有W下優(yōu)點(diǎn)：
[0029] (1)、本發(fā)明采用了神經(jīng)網(wǎng)絡(luò)技術(shù)，可將誤差控制在很小的范圍內(nèi)，大大提高了室 內(nèi)定位的精度和準(zhǔn)確性；
[0030] (2)、本發(fā)明利用了信號合成算法，大大減少了神經(jīng)網(wǎng)絡(luò)的輸入個數(shù)，降低了神經(jīng) 網(wǎng)絡(luò)的訓(xùn)練時間，提高了訓(xùn)練效率；
[0031] (3)、本發(fā)明利用Wi-Fi信號采集技術(shù)，充分利用了智能終端的優(yōu)勢，利于用戶接受 和使用。
[0032] (4)本發(fā)明具有定位準(zhǔn)確、適應(yīng)性好、便于用戶使用等優(yōu)點(diǎn)，可W充分利用室內(nèi)環(huán) 境的Wi-Fi熱點(diǎn)，不需要額外硬件投資；相對于目前的GPS導(dǎo)航系統(tǒng)，能打破室內(nèi)應(yīng)用的限 審IJ，有更強(qiáng)的實用性。
【附圖說明】
[0033] 圖1為本發(fā)明的室內(nèi)定位流程圖；
[0034] 圖2為本發(fā)明的信號合成算法的示意圖；
[0035] 圖3為本發(fā)明的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。
【具體實施方式】
[0036] 為使本發(fā)明實現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面結(jié)合
【具體實施方式】，進(jìn)一步闡述本發(fā)明。
[0037] 如附圖1所示，本發(fā)明是由離線訓(xùn)練和在線定位兩個階段組成。離線訓(xùn)練階段，首 先在室內(nèi)環(huán)境中布置Μ個Wi-Fi熱點(diǎn)，選取N個參考點(diǎn)，確定原點(diǎn)并建立坐標(biāo)系;然后在每一 個參考點(diǎn)位置，利用信號采集器采集信號強(qiáng)度RSS值，通過合成信號算法得到合成信號矢 量;最后將N個參考點(diǎn)的合成信號矢量及其對應(yīng)坐標(biāo)組成神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本集，輸入到神經(jīng) 網(wǎng)絡(luò)中進(jìn)行訓(xùn)練直到達(dá)到滿意條件。在線定位階段，在待定位點(diǎn)位置采集信號強(qiáng)度RSS值， 計算得到合成信號矢量，再輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，得到輸出即為待測點(diǎn)坐標(biāo)位置。
[0038] 如附圖2所示，本發(fā)明的信號合成算法示意圖，其中，五角星為原點(diǎn)，圓形為Wi-Fi 熱點(diǎn)，Ξ角形表示待定位點(diǎn)。待定位點(diǎn)位置利用信號接收器采集到來自Wi-Fi熱點(diǎn)化和Qj的 信號，強(qiáng)度分別為。和。。建立信號強(qiáng)度矢量，方向分別與巧召；，巧每;相同，大小分別為
報據(jù)矢量加減的平行四邊形法則，將兩個信號強(qiáng)度矢量進(jìn) 行加法運(yùn)算，得到最后合成信號矢量RiU，yi，zi)。
[0039] 如附圖3所示是本發(fā)明的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，該圖神經(jīng)網(wǎng)絡(luò)共有3層。合成信號強(qiáng)度R作 為輸入，對應(yīng)坐標(biāo)位置P作為期望輸出，根據(jù)基本BP算法，采用誤差反向傳播反復(fù)調(diào)整網(wǎng)絡(luò) 權(quán)值，直到誤差控制到的范圍內(nèi)為止。
[0040] 本實施利用Wi-Fi信號合成矢量強(qiáng)度和人工神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位方法的意思，其 具體流程如附圖1所示，包括如下步驟：
[0041 ] (l)、Wi-Fi熱點(diǎn)設(shè)置;室內(nèi)環(huán)境布置Μ個Wi-Fi熱點(diǎn)，編號為0，1，. . .，M-1，確保所述 室內(nèi)環(huán)境中任意一個位置點(diǎn)能被兩個或兩個W上的Wi-Fi熱點(diǎn)發(fā)出的信號覆蓋；
[0042] (2)、選擇參考點(diǎn);在室內(nèi)環(huán)境中設(shè)置N個參考點(diǎn)，選取其中任意一個參考點(diǎn)作為坐 標(biāo)原點(diǎn)并建立直角坐標(biāo)系，計算N個參考點(diǎn)和Μ個熱點(diǎn)在直角坐標(biāo)系中的坐標(biāo)位置;其具體 方法包括如下：
[0043] (2a)、在室內(nèi)環(huán)境設(shè)置Ν個參考點(diǎn)，應(yīng)滿足
其中，P為建筑物每一個 樓層的參考點(diǎn)密度，d為Wi-Fi在室內(nèi)的傳輸距離，W保證參考點(diǎn)選取具有普遍性和較低的 幾余度；
[0044] (化）、在N個參考點(diǎn)中選取任意一點(diǎn)為坐標(biāo)原點(diǎn)，將其坐標(biāo)設(shè)為Po(0，0,0)，并建立 直角坐標(biāo)系；
[0045] (2c)、根據(jù)參考點(diǎn)與坐標(biāo)原點(diǎn)的相對距離，計算其他N-1個參考點(diǎn)在直角坐標(biāo)系中 的坐標(biāo)位置，用P表示，即第i個參考點(diǎn)的坐標(biāo)為口1(町71向），其中町71向分別代表了該點(diǎn) 在長、寬和高Ξ個方向的坐標(biāo)；
[0046] (2d)、根據(jù)Wi-Fi熱點(diǎn)與坐標(biāo)原點(diǎn)的相對距離，計算Μ個Wi-Fi熱點(diǎn)在直角坐標(biāo)系中 的坐標(biāo)位置，用Q表示，即第j個Wi-Fi熱點(diǎn)的坐標(biāo)為QJ(XJ，yJ，ZJ)，其中XJ，yJ，ZJ分別代表了 該點(diǎn)在長、寬和高Ξ個方向的坐標(biāo)；
[0047] (3)、信號合成;在每一個參考點(diǎn)位置，利用信號接收器采集來自每一個Wi-Fi熱點(diǎn) 的信號強(qiáng)度RSS值，通過信號合成算法得到合成信號矢量;其具體步驟如下：
[004引（3a)、計算得到每一個Wi-Fi熱點(diǎn)的矢量。每一個Wi-Fi熱點(diǎn)矢量的方向為由坐標(biāo) 原點(diǎn)指向?qū)?yīng)Wi-Fi熱點(diǎn)坐標(biāo)的方向，其大小為rMax，其中rMax為信號接收器在任意位置能 獲取Wi-Fi熱點(diǎn)的最大信號強(qiáng)度。即第j個Wi-Fi熱點(diǎn)的矢量定義為而易;:，方向為由坐標(biāo)原點(diǎn) 指向第j個Wi-Fi熱點(diǎn)的方向，其大小為rMax;
[0049] (3b)、在每一個參考點(diǎn)位置，利用信號接收器采集來自每一個Wi-Fi熱點(diǎn)的信號強(qiáng) 度。例如在第i個參考點(diǎn)處，采集到第j個Wi-Fi熱點(diǎn)的信號強(qiáng)度RSS值為ri,j;
[0050] (3c)、針對每一個參考點(diǎn)，分別計算來自不同Wi-Fi熱點(diǎn)的信號強(qiáng)度矢量。W計算 第i個參考點(diǎn)采集到的第j個Wi-Fi熱點(diǎn)的信號強(qiáng)度矢量為例，根據(jù)信號強(qiáng)度ri,j、原點(diǎn)坐標(biāo) P〇(0,0,0)和Wi-Fi熱點(diǎn)坐標(biāo)Qj(xj，yj，zj)，其信號強(qiáng)度矢量石的大小為
其矢 量方向與^>目同。
[0051] (3d)、根據(jù)矢量加法運(yùn)算的平行四邊形法則，將每個參考點(diǎn)采集到的信號強(qiáng)度轉(zhuǎn) 換成信號強(qiáng)度矢量后，分別進(jìn)行加法運(yùn)算，得到N個合成信號矢量。例如，在第i個參考點(diǎn)處， 合成信號矢量為私(町71向）。
[0052] (4)、人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練;將N個參考點(diǎn)的合成信號矢量及其對應(yīng)的位置坐標(biāo)，組成 訓(xùn)練樣本集導(dǎo)入到人工神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，其中合成信號矢量作為人工神經(jīng)網(wǎng)絡(luò)的輸 入，對應(yīng)位置坐標(biāo)作為人工神經(jīng)網(wǎng)絡(luò)的期望輸出；
[0053] (4a)、建立人工神經(jīng)網(wǎng)絡(luò)模型。所采用的人工神經(jīng)網(wǎng)絡(luò)為Ξ層神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)的 輸出個數(shù)為3,每層網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)量均為3,輸出層的傳遞函數(shù)采用S形傳遞函數(shù)，隱含層和 輸出層采用線性函數(shù)；
[0054] (4b)、獲取訓(xùn)練樣本集。計算N個參考點(diǎn)的坐標(biāo)，即P={Po，Pi，...，Pn-i};計算N個參 考點(diǎn)位置的合成信號強(qiáng)度矢量，即R=(R〇,化，...，Rn-i}，組成訓(xùn)練樣本集{R，P};
[0055] (4c)將訓(xùn)練樣本集導(dǎo)入到人工神經(jīng)網(wǎng)絡(luò)中，其中R為網(wǎng)絡(luò)輸入，P為期望輸出；
[0056] (4d)、訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，確定人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)值。采用BP算法的反向傳播 反復(fù)調(diào)整網(wǎng)絡(luò)權(quán)值，直到誤差控制到一定范圍內(nèi)，其中，設(shè)定偏差為E = le^5。
[0057] (5)、在線定位;獲取待測點(diǎn)的信號強(qiáng)度RSS值，通過信號合成算法得到該點(diǎn)的合成 信號矢量，輸入到訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)中，獲得待測點(diǎn)的位置坐標(biāo)，實現(xiàn)定位功能；其具 體方法如下：
[005引（5a)、在待定位點(diǎn)，利用信號采集工具采集來自各個Wi-Fi熱點(diǎn)的信號強(qiáng)度，并通 過信號合成算法得到合成信號矢量；
[0059] 巧b)、將獲得的合成信號矢量輸入到訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)中計算，得到輸出，即 待定位點(diǎn)的位置坐標(biāo)。
[0060] 基于上述，本發(fā)明屬于Wi-Fi、人工神經(jīng)網(wǎng)絡(luò)、室內(nèi)定位技術(shù)領(lǐng)域，是Wi-Fi信號檢 測與神經(jīng)網(wǎng)絡(luò)的應(yīng)用，特別是設(shè)計WWi-Fi信號強(qiáng)度實現(xiàn)室內(nèi)定位的系統(tǒng)設(shè)計方法，其可將 誤差控制在很小的范圍內(nèi)，大大提高了室內(nèi)定位的精度和準(zhǔn)確性，其具有定位準(zhǔn)確、適應(yīng)性 好、便于用戶使用等優(yōu)點(diǎn)，可W充分利用室內(nèi)環(huán)境的Wi-Fi熱點(diǎn)，不需要額外硬件投資;相對 于目前的GI^導(dǎo)航系統(tǒng)，能打破室內(nèi)應(yīng)用的限制，有更強(qiáng)的實用性。。
[0061] W上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點(diǎn)。本行業(yè)的技術(shù) 人員應(yīng)該了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本 發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進(jìn)，運(yùn)些變 化和改進(jìn)都落入要求保護(hù)的本發(fā)明范圍內(nèi)。本發(fā)明要求保護(hù)范圍由所附的權(quán)利要求書及其 等效物界定。
【主權(quán)項】
1. 基于信號合成和人工神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位方法，其特征在于:包括如下步驟： (1) 、Wi-Fi熱點(diǎn)設(shè)置;室內(nèi)環(huán)境布置Μ個Wi-Fi熱點(diǎn)，編號為0，1，. . .，M-1，確保所述室內(nèi) 環(huán)境中任意一個位置點(diǎn)能被兩個或兩個以上的Wi-Fi熱點(diǎn)發(fā)出的信號覆蓋;其中M2 2; (2) 、參考點(diǎn)選擇;在室內(nèi)環(huán)境中設(shè)置N個參考點(diǎn)，選取其中任意一個參考點(diǎn)作為坐標(biāo)原 點(diǎn)并建立直角坐標(biāo)系，計算N個參考點(diǎn)和Μ個熱點(diǎn)在直角坐標(biāo)系中的坐標(biāo)位置;其中，N2 2; (3) 、信號合成;在每一個參考點(diǎn)位置，利用信號接收器采集來自每一個Wi-Fi熱點(diǎn)的信 號強(qiáng)度RSS值，通過信號合成算法得到合成信號矢量； (4) 、人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練;將N個參考點(diǎn)的合成信號矢量及其對應(yīng)的位置坐標(biāo)，組成訓(xùn)練 樣本集導(dǎo)入到人工神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，其中合成信號矢量作為人工神經(jīng)網(wǎng)絡(luò)的輸入，對 應(yīng)位置坐標(biāo)作為人工神經(jīng)網(wǎng)絡(luò)的期望輸出； (5) 、在線定位;獲取待測點(diǎn)的信號強(qiáng)度RSS值，通過信號合成算法得到該待測點(diǎn)的合成 信號矢量，輸入到訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)中，獲得待測點(diǎn)的位置坐標(biāo)，實現(xiàn)定位功能。2. 根據(jù)權(quán)利要求1所述的基于信號合成和人工神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位方法，其特征在于： 所述步驟(2)中，計算N個參考點(diǎn)和Μ個熱點(diǎn)在直角坐標(biāo)系中的坐標(biāo)位置，該具體計算方法如 下： (2a)、在室內(nèi)環(huán)境設(shè)置Ν個參考點(diǎn)，應(yīng)滿足^，其中，Ρ為建筑物每一個樓層 πα πα 的參考點(diǎn)密度，d為Wi-Fi在室內(nèi)的傳輸距離； (2b)、在N個參考點(diǎn)中選取任意一點(diǎn)為坐標(biāo)原點(diǎn)，將其坐標(biāo)設(shè)為P〇(0,0,0)，并建立直角 坐標(biāo)系； (2 c )、根據(jù)參考點(diǎn)與坐標(biāo)原點(diǎn)的相對距離，計算其他N-1個參考點(diǎn)在直角坐標(biāo)系中的坐 標(biāo)位置，用P表示，即第i個參考點(diǎn)的坐標(biāo)為？1(^，71，21)，其中^，7 1，21分別代表了該點(diǎn)在 長、寬和高三個方向的坐標(biāo)； (2 d)、根據(jù)W i -F i熱點(diǎn)與坐標(biāo)原點(diǎn)的相對距離，計算Μ個W i -F i熱點(diǎn)在直角坐標(biāo)系中的坐 標(biāo)位置，用Q表示，即第j個Wi-Fi熱點(diǎn)的坐標(biāo)為Qj (Xj，yj，z j)，其中Xj，yj，z j分別代表了該點(diǎn) 在長、寬和高三個方向的坐標(biāo)。3. 根據(jù)權(quán)利要求1所述的基于信號合成和人工神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位方法，其特征在于： 所述步驟(3)中，通過信號合成算法得到合成信號矢量的具體方法如下： (3a)、計算得到每一個Wi-Fi熱點(diǎn)的矢量;每一個Wi-Fi熱點(diǎn)矢量的方向為由坐標(biāo)原點(diǎn) 指向?qū)?yīng)Wi-Fi熱點(diǎn)坐標(biāo)的方向，其大小為rMax，其中rMax為信號接收器在任意位置能獲取 Wi-Fi熱點(diǎn)的最大信號強(qiáng)度；即第j個Wi-Fi熱點(diǎn)的矢量定義為7?，方向為由坐標(biāo)原點(diǎn)指向 第j個Wi -F i熱點(diǎn)的方向，第j個Wi -F i熱點(diǎn)的大小為rMax; (3b)、在每一個參考點(diǎn)位置，利用信號接收器采集來自每一個Wi-Fi熱點(diǎn)的信號強(qiáng)度； (3c)、針對每一個參考點(diǎn)，分別計算來自不同Wi-Fi熱點(diǎn)的信號強(qiáng)度矢量;設(shè)在第i個參 考點(diǎn)處，采集到第j個Wi-Fi熱點(diǎn)的信號強(qiáng)度RSS值為r lu，根據(jù)信號強(qiáng)度rlu、原點(diǎn)坐標(biāo)P〇(0， 0,0)和Wi-Fi熱點(diǎn)坐標(biāo)化(~7」而），其信號強(qiáng)度矢量€的大小為(~[^)21^^，其矢量方 向與湘同； (3d)、根據(jù)矢量加法運(yùn)算的平行四邊形法則，將每個參考點(diǎn)采集到的信號強(qiáng)度轉(zhuǎn)換成 信號強(qiáng)度矢量后，分別進(jìn)行加法運(yùn)算，得到N個合成信號矢量;則在第i個參考點(diǎn)處，合成信 號矢量為1^^，5^，2：1)。4. 根據(jù)權(quán)利要求1所述的基于信號合成和人工神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位方法，其特征在于： 所述步驟(4)的具體方法如下： (4a)、建立人工神經(jīng)網(wǎng)絡(luò)模型;所采用的人工神經(jīng)網(wǎng)絡(luò)為三層神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)的輸出 個數(shù)為3,每層網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)量均為3,輸出層的傳遞函數(shù)采用S形傳遞函數(shù)，隱含層和輸出 層采用線性函數(shù)； (4b)、獲取訓(xùn)練樣本集;計算N個參考點(diǎn)的坐標(biāo)，即P={Po，Pi, . . .，Pn-i};計算N個參考點(diǎn) 位置的合成信號強(qiáng)度矢量，即1?=(辦，1?1，...，1^1}，組成訓(xùn)練樣本集{1?，？} ; (4c)將訓(xùn)練樣本集導(dǎo)入到人工神經(jīng)網(wǎng)絡(luò)中，其中R為網(wǎng)絡(luò)輸入，P為期望輸出； (4d)、訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，確定人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)值;采用BP算法的反向傳播反復(fù) 調(diào)整網(wǎng)絡(luò)權(quán)值，直到誤差控制到一定范圍內(nèi)，其中，設(shè)定偏差為E = 1 eT5。5. 根據(jù)權(quán)利要求1所述的基于信號合成和人工神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位方法，其特征在于： 所述步驟(5)中獲得待測點(diǎn)的位置坐標(biāo)，實現(xiàn)定位功能的具體方法如下： (5a)、在待定位點(diǎn)，利用信號采集工具采集來自各個Wi-Fi熱點(diǎn)的信號強(qiáng)度，并通過信 號合成算法得到合成信號矢量； (5b)、將獲得的合成信號矢量輸入到訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)中計算，得到輸出，即待定 位點(diǎn)的位置坐標(biāo)。
【文檔編號】H04W4/04GK105872981SQ201610190260
【公開日】2016年8月17日
【申請日】2016年3月30日
【發(fā)明人】倪建軍, 吳榴迎, 羅成名, 朱金秀, 陳鵬, 范新南
【申請人】河海大學(xué)常州校區(qū)