本發(fā)明涉及陸地?zé)o線定位技術(shù)，具體涉及基于反向傳播神經(jīng)網(wǎng)絡(luò)模型的室內(nèi)無線網(wǎng)絡(luò)定位方法。

背景技術(shù)：

信息時(shí)代的迅速進(jìn)步使得眾多領(lǐng)域?qū)ξ恢眯畔⒌男枨笤絹碓酱?，其中，室外定位技術(shù)已經(jīng)趨于成熟，而室內(nèi)定位還有待進(jìn)一步的發(fā)展。在主流的室內(nèi)方法中，Wi-Fi(無線保真)定位憑著成本低、移植性好、環(huán)境適應(yīng)能力強(qiáng)等優(yōu)勢(shì)，得到了廣泛的應(yīng)用。

Wi-Fi是一種將裝有無線網(wǎng)卡的設(shè)備通過連接至同一無線網(wǎng)絡(luò)接入點(diǎn)(Access Point，AP)從而進(jìn)行通信的技術(shù)。Wi-Fi無線網(wǎng)絡(luò)主要由無線AP和無線網(wǎng)卡組成，Wi-Fi定位技術(shù)是基于Wi-Fi無線網(wǎng)絡(luò)實(shí)現(xiàn)的。當(dāng)下，在學(xué)校、機(jī)場(chǎng)、商場(chǎng)等室內(nèi)環(huán)境基本都實(shí)現(xiàn)了Wi-Fi網(wǎng)絡(luò)的覆蓋，且覆蓋的方式主要是大量的路由器陣列。這些路由器位置固定，工作時(shí)間穩(wěn)定，且易于維護(hù)，完全符合Wi-Fi室內(nèi)定位技術(shù)對(duì)于AP的要求。

如果能夠有效的利用這些布置規(guī)律的Wi-Fi接入點(diǎn)(Wi-Fi AP)，則可以在降低室內(nèi)定位成本的同時(shí)，提高室內(nèi)定位精度。與此同時(shí)，手機(jī)、平板、個(gè)人電腦等移動(dòng)終端已經(jīng)成為生活的必備品，而且這些終端都裝有無線網(wǎng)卡，可以接收到附近AP的信號(hào)，符合Wi-Fi室內(nèi)定位對(duì)于無線網(wǎng)卡設(shè)備的要求。然而現(xiàn)有技術(shù)并未提供利用Wi-Fi接入點(diǎn)實(shí)現(xiàn)Wi-Fi室內(nèi)定位的方法或技術(shù)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于為了解決現(xiàn)有技術(shù)室內(nèi)定位技術(shù)定位成本高、定位不準(zhǔn)確等問題的出現(xiàn)；提供基于反向傳播神經(jīng)網(wǎng)絡(luò)模型的室內(nèi)無線網(wǎng)絡(luò)定位方法。

為了達(dá)到上述目的，本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)：

一種基于反向傳播神經(jīng)網(wǎng)絡(luò)模型的室內(nèi)無線網(wǎng)絡(luò)定位方法，所述方法包括：

檢測(cè)應(yīng)用場(chǎng)景中每個(gè)采樣點(diǎn)接收到的所有無線接入點(diǎn)的信號(hào)強(qiáng)度，將所述所有無線接入點(diǎn)的信號(hào)強(qiáng)度與對(duì)應(yīng)的所述采樣點(diǎn)的位置坐標(biāo)進(jìn)行歸一化處理；

將每個(gè)所述采樣點(diǎn)的所述所有無線接入點(diǎn)的信號(hào)強(qiáng)度作為輸入樣本輸入初步建立的反向傳播神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，完成所述反向傳播神經(jīng)網(wǎng)絡(luò)模型的建立；

將檢測(cè)得到的所述應(yīng)用場(chǎng)景中的任一地點(diǎn)的無線接入點(diǎn)的信號(hào)強(qiáng)度輸入至所述反向傳播神經(jīng)網(wǎng)絡(luò)模型，定位所述地點(diǎn)的位置坐標(biāo)。

較優(yōu)地，在檢測(cè)應(yīng)用場(chǎng)景中每個(gè)采樣點(diǎn)接收到的所有無線接入點(diǎn)的信號(hào)強(qiáng)度，將所述所有無線接入點(diǎn)的信號(hào)強(qiáng)度與對(duì)應(yīng)的所述采樣點(diǎn)的位置坐標(biāo)進(jìn)行歸一化處理的步驟之前，所述方法還包括：

在所述應(yīng)用場(chǎng)景中建立平面直角坐標(biāo)系，確定若干個(gè)采樣點(diǎn)的位置坐標(biāo)。

可選地，在所述應(yīng)用場(chǎng)景中建立平面直角坐標(biāo)系，確定若干個(gè)采樣點(diǎn)的位置坐標(biāo)的步驟中，具體包含：

在所述應(yīng)用場(chǎng)景中設(shè)定任意相鄰所述采樣點(diǎn)的間隔，并將所述間隔作為采樣精度；

根據(jù)所述間隔確定若干個(gè)所述采樣點(diǎn)的位置坐標(biāo)；

在所述應(yīng)用場(chǎng)景中設(shè)有若干個(gè)可檢測(cè)的所述無線接入點(diǎn)。

優(yōu)選地，在將每個(gè)所述采樣點(diǎn)的所述所有無線接入點(diǎn)的信號(hào)強(qiáng)度作為輸入樣本輸入初步建立的反向傳播神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，完成所述反向傳播神經(jīng)網(wǎng)絡(luò)模型的建立的步驟中，具體包括：

S21，將每個(gè)所述采樣點(diǎn)的所述所有無線接入點(diǎn)的信號(hào)強(qiáng)度作為所述輸入樣本輸入所述初步建立的反向傳播神經(jīng)網(wǎng)絡(luò)模型的輸入層并進(jìn)入隱層；

S22，所述初步建立的反向傳播神經(jīng)網(wǎng)絡(luò)模型的隱層將所述輸入樣本轉(zhuǎn) 化為輸出數(shù)據(jù)，并傳輸至所述初步建立的反向傳播神經(jīng)網(wǎng)絡(luò)模型的輸出層；

S23，當(dāng)所述輸出層輸出的所述采樣點(diǎn)的計(jì)算位置坐標(biāo)與所述采樣點(diǎn)的位置坐標(biāo)之間距離大于設(shè)定期望值時(shí)，進(jìn)入誤差的反向傳播處理，調(diào)整所述輸出層和所述隱層的權(quán)值和閾值；跳轉(zhuǎn)至步驟S21；

S24，當(dāng)所述輸出層輸出的所述采樣點(diǎn)的計(jì)算位置坐標(biāo)與所述采樣點(diǎn)的位置坐標(biāo)之間誤差小于所述設(shè)定期望值時(shí)，所述反向傳播神經(jīng)網(wǎng)絡(luò)模型建立完成。

較佳地，在進(jìn)入誤差的反向傳播處理，整所述輸出層和所述隱層的權(quán)值和閾值的步驟中，具體包含：

采用誤差梯度下降法調(diào)整所述輸出層和所述隱層的權(quán)值和閾值。

在符合本領(lǐng)域常識(shí)的基礎(chǔ)上，上述各優(yōu)選條件，可任意組合，即得本發(fā)明各較佳實(shí)例。

本發(fā)明的積極進(jìn)步效果在于：

本發(fā)明公開的基于反向傳播神經(jīng)網(wǎng)絡(luò)模型的室內(nèi)無線網(wǎng)絡(luò)定位方法，首先，檢測(cè)應(yīng)用場(chǎng)景中每個(gè)采樣點(diǎn)接收到的所有無線接入點(diǎn)的信號(hào)強(qiáng)度，將所有無線接入點(diǎn)的信號(hào)強(qiáng)度與對(duì)應(yīng)的采樣點(diǎn)的位置坐標(biāo)進(jìn)行歸一化處理；其次，將每個(gè)采樣點(diǎn)的所有無線接入點(diǎn)的信號(hào)強(qiáng)度作為輸入樣本輸入初步建立的反向傳播神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，完成反向傳播神經(jīng)網(wǎng)絡(luò)模型的建立；最后，將檢測(cè)得到的應(yīng)用場(chǎng)景中的任一地點(diǎn)的無線接入點(diǎn)的信號(hào)強(qiáng)度輸入至反向傳播神經(jīng)網(wǎng)絡(luò)模型，定位地點(diǎn)的位置坐標(biāo)。本發(fā)明相比于現(xiàn)有技術(shù)，具有較強(qiáng)的對(duì)輸入?yún)?shù)的容錯(cuò)能力，且定位速度快、定位精度高。本發(fā)明通過檢測(cè)無線網(wǎng)接入點(diǎn)返回的信號(hào)強(qiáng)度就能實(shí)現(xiàn)室內(nèi)定位，可以應(yīng)用于各種配有無線網(wǎng)接入點(diǎn)的室內(nèi)環(huán)境，大大降低了定位成本。

附圖說明

圖1為本發(fā)明基于反向傳播神經(jīng)網(wǎng)絡(luò)模型的室內(nèi)無線網(wǎng)絡(luò)定位方法的整體流程示意圖。

圖2為本發(fā)明基于反向傳播神經(jīng)網(wǎng)絡(luò)模型的室內(nèi)無線網(wǎng)絡(luò)定位方法的實(shí)施例示意圖之一。

圖3為本發(fā)明基于反向傳播神經(jīng)網(wǎng)絡(luò)模型的室內(nèi)無線網(wǎng)絡(luò)定位方法的實(shí)施例示意圖之二。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1所示，一種基于反向傳播神經(jīng)網(wǎng)絡(luò)模型的室內(nèi)無線網(wǎng)絡(luò)定位方法，方法包括：

S0，在應(yīng)用場(chǎng)景中建立平面直角坐標(biāo)系，確定若干個(gè)采樣點(diǎn)的位置坐標(biāo)。步驟S0具體包含：

S0.1，在應(yīng)用場(chǎng)景中設(shè)定任意相鄰采樣點(diǎn)的間隔，并將間隔作為采樣精度。

S0.2，根據(jù)間隔確定若干個(gè)采樣點(diǎn)的位置坐標(biāo)。

S0.3，在應(yīng)用場(chǎng)景中設(shè)有若干個(gè)可檢測(cè)的無線接入點(diǎn)。

如圖2所示的應(yīng)用場(chǎng)景，將每相鄰的兩個(gè)采樣點(diǎn)的間隔設(shè)置為1m，并選取相應(yīng)的位置作為采樣點(diǎn)。

S1，檢測(cè)應(yīng)用場(chǎng)景中每個(gè)采樣點(diǎn)接收到的所有無線接入點(diǎn)的信號(hào)強(qiáng)度，將所有無線接入點(diǎn)的信號(hào)強(qiáng)度與對(duì)應(yīng)的采樣點(diǎn)的位置坐標(biāo)進(jìn)行歸一化處理。

如圖2所示的應(yīng)用場(chǎng)景中，每個(gè)采樣點(diǎn)對(duì)應(yīng)用場(chǎng)景進(jìn)行無線AP的信號(hào)強(qiáng)度采用。默認(rèn)的無線AP的信號(hào)強(qiáng)度值設(shè)為-99dB，也即沒有無線AP的信號(hào)。

本實(shí)施例中，對(duì)126個(gè)采樣點(diǎn)重復(fù)采樣7遍，一共得到采樣記錄882條。接著對(duì)數(shù)據(jù)進(jìn)行歸一化處理，將每一條數(shù)據(jù)記錄求其均值和方差，然后將該 記錄的每一項(xiàng)均減去均值除以方差，得到標(biāo)準(zhǔn)化數(shù)據(jù)。

現(xiàn)有技術(shù)中，人工神經(jīng)網(wǎng)絡(luò)包含大量的神經(jīng)元，它們按照一定的結(jié)構(gòu)相互連接并且相互作用，這種相互作用突觸權(quán)值來表示。通過不斷地調(diào)節(jié)神經(jīng)網(wǎng)絡(luò)的突觸權(quán)值，使得實(shí)際輸出與期望輸出的誤差越來越小，從而能夠智能地完成信息處理任務(wù)的過程即為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程。人工神經(jīng)網(wǎng)絡(luò)具有獨(dú)特的非傳統(tǒng)表達(dá)方式和很強(qiáng)的學(xué)習(xí)能力，是智能控制的一個(gè)重要組成部分，在控制領(lǐng)域也得到了廣泛的應(yīng)用。本發(fā)明采用的BP(Back Propagation，反向傳播)神經(jīng)網(wǎng)絡(luò)是一種典型的人工神經(jīng)網(wǎng)絡(luò)，且其是一種具有多層感知和信息修正模型的前饋型神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的基本原理是梯度最速下降法。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程是一種誤差邊向前傳播邊修正權(quán)系數(shù)的過程。

S2，將每個(gè)采樣點(diǎn)的所有無線接入點(diǎn)的信號(hào)強(qiáng)度作為輸入樣本輸入初步建立的反向傳播神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，完成反向傳播神經(jīng)網(wǎng)絡(luò)模型的建立。步驟S2包含：

本實(shí)施例中，將BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)設(shè)置為三層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)模型。如圖3所示，x_j表示輸入層第j個(gè)節(jié)點(diǎn)的輸入，j＝1,2,…,M；其中M為當(dāng)前定位場(chǎng)景下AP的數(shù)量；w_ij表示隱層第i個(gè)節(jié)點(diǎn)到輸入層第j個(gè)節(jié)點(diǎn)之間的權(quán)值；θ_i表示隱層第i個(gè)節(jié)點(diǎn)的閥值，也稱為偏置；f(x)表示隱層的激勵(lì)函數(shù)；w_kj表示輸出層第k個(gè)節(jié)點(diǎn)到隱層第i個(gè)節(jié)點(diǎn)之間的權(quán)值，假設(shè)隱層神經(jīng)元q個(gè)，即i＝1,2,…,q；a_k表示輸出層第k個(gè)節(jié)點(diǎn)的閥值，k＝1,2,…,L；g(x)表示輸出層的激勵(lì)函數(shù)；O_k表示輸出層第k個(gè)節(jié)點(diǎn)的輸出。

S21，將每個(gè)采樣點(diǎn)的所有無線接入點(diǎn)的信號(hào)強(qiáng)度作為輸入樣本輸入初步建立的反向傳播神經(jīng)網(wǎng)絡(luò)模型的輸入層并進(jìn)入隱層。

S22，初步建立的反向傳播神經(jīng)網(wǎng)絡(luò)模型的隱層將輸入樣本轉(zhuǎn)化為輸出數(shù)據(jù)，并傳輸至初步建立的反向傳播神經(jīng)網(wǎng)絡(luò)模型的輸出層。

輸入樣本的前向傳輸過程，具體如下：

隱層第i個(gè)節(jié)點(diǎn)的輸入net_i如公式(1)所示：

隱層第i個(gè)節(jié)點(diǎn)的輸出y_i如公式(2)所示：

輸出層第k個(gè)節(jié)點(diǎn)的輸入net_k如公式(3)所示：

輸出層第k個(gè)節(jié)點(diǎn)的輸出o_k如公式(4)所示：

S23，當(dāng)輸出層輸出的采樣點(diǎn)的計(jì)算位置坐標(biāo)與采樣點(diǎn)的位置坐標(biāo)之間距離大于設(shè)定期望值時(shí)，進(jìn)入誤差的反向傳播處理，調(diào)整輸出層和隱層的權(quán)值和閾值；跳轉(zhuǎn)至步驟S21。

本實(shí)施例中，將采樣精度的40％作為設(shè)定期望值。采用誤差梯度下降法調(diào)整輸出層和隱層的權(quán)值和閾值。

本實(shí)施例中，誤差的反向傳播處理具體包含：

當(dāng)輸入傳到輸出層后，這時(shí)輸出的值可能與期望值不符，誤差將反向傳播，調(diào)整網(wǎng)絡(luò)的參數(shù)。首先由輸出層開始逐層計(jì)算各神經(jīng)元的輸出誤差，然后根據(jù)誤差梯度下降法來調(diào)節(jié)各層的權(quán)值和閥值，使修改后的網(wǎng)絡(luò)的最終輸出能接近期望值。

定義每一個(gè)樣本p的二次型誤差準(zhǔn)則函數(shù)為E_p如公式(5)所示，其中T_k期望輸出值。

這里取方差和的1/2是為了計(jì)算方便。系統(tǒng)對(duì)P個(gè)訓(xùn)練樣本的總誤差準(zhǔn)則函數(shù)如公式(6)所示：

根據(jù)誤差梯度下降法依次修正輸出層權(quán)值的修正量△w_kj，輸出層閥值的修正量△a_k，隱層權(quán)值的修正量△w_ij，隱層閥值的修正量△θ_i。

公式(8)為輸出層權(quán)重調(diào)整公式：

公式(9)為輸出層閥值調(diào)整公式：

公式(10)為隱層權(quán)值調(diào)整公式：

公式(11)為隱層閥值調(diào)整公式：

又因?yàn)椋?/p>

所以參數(shù)調(diào)整的公式如下：

S24，當(dāng)輸出層輸出的采樣點(diǎn)的計(jì)算位置坐標(biāo)與采樣點(diǎn)的位置坐標(biāo)之間誤差小于設(shè)定期望值時(shí)，反向傳播神經(jīng)網(wǎng)絡(luò)模型建立完成。

S3，將檢測(cè)得到的應(yīng)用場(chǎng)景中的任一地點(diǎn)的無線接入點(diǎn)的信號(hào)強(qiáng)度輸入至反向傳播神經(jīng)網(wǎng)絡(luò)模型，定位地點(diǎn)的位置坐標(biāo)。

本實(shí)施例中，當(dāng)真實(shí)的任一地點(diǎn)輸出坐標(biāo)為(X,Y)，模型輸出坐標(biāo)為(Ox,Oy)，則模型的最小均方誤差LMS如公式(20)所示：

考慮BP神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度并不是太大，并且在測(cè)試了大量的參數(shù)(包括神經(jīng)網(wǎng)絡(luò)層數(shù)，隱層的節(jié)點(diǎn)數(shù)，隱層的激活函數(shù)，誤差的期望值)后，將模型的參數(shù)設(shè)置為：隱層激活函數(shù)為sigmoid，輸出層激活函數(shù)為線性函數(shù)，隱層節(jié)點(diǎn)個(gè)數(shù)變化在輸入層節(jié)點(diǎn)總數(shù)的2/3左右。

雖然以上描述了本發(fā)明的具體實(shí)施方式，但是本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，這些僅是舉例說明，本發(fā)明的保護(hù)范圍是由所附權(quán)利要求書限定的。本 領(lǐng)域的技術(shù)人員在不背離本發(fā)明的原理和實(shí)質(zhì)的前提下，可以對(duì)這些實(shí)施方式做出多種變更或修改，但這些變更和修改均落入本發(fā)明的保護(hù)范圍。