基于回归神经网络的蓝牙辅助无线网络定位系统技术方案

一种基于回归神经网络的蓝牙辅助无线网络定位系统，包括多个手机，这些手机是具备蓝牙通信功能的；这些手机区划为：锚节点手机，其是具备独立获得位置信息的能力的；和盲节点手机，其是不具备独立获得位置信息的能力的；其中，每个盲节点手机与一个动态神经元关联，所有动态神经元借助盲节点手机的蓝牙通信链路构成一个回归神经网络，该回归神经网络能够根据锚节点手机提供的位置信息，估计出每个盲节点手机的位置信息。能够大大减少盲区，提高定位的准确性。

【技术实现步骤摘要】
基于回归神经网络的蓝牙辅助无线网络定位系统
本专利技术涉及定位技术，尤其涉及借助手机实现的定位技术。
技术介绍
对于配有GPS功能的移动手机而言，现有一般是依靠移动手机本身的GPS功能来实现。对于无GPS功能的移动手机而言，现有一般是借助移动网络对该移动手机的信号监测来实现。这种的借助手机实现的定位技术，存在很大的盲区，举例而言，在无线网络覆盖不到的地点，无GPS功能的移动手机将失去定位功能，即便可以依据历史数据来一定程度地推断移动手机的当前位置，也缺乏准确性可言。可见，实有必要对现有的借助手机实现的定位技术进行改进
技术实现思路
本专利技术要解决的技术问题在于克服上述现有技术存在的不足，而提出一种基于回归神经网络的蓝牙辅助无线网络定位系统，能够大大减少盲区，提高定位的准确性。本专利技术针对上述技术问题而提出的技术方案包括，提出一种基于回归神经网络的蓝牙辅助无线网络定位系统，包括多个手机，其中，这些手机是具备蓝牙通信功能的；这些手机区划为：锚节点手机，其是具备独立获得位置信息的能力的；和盲节点手机，其是不具备独立获得位置信息的能力的；其中，每个盲节点手机与一个动态神经元关联，所有动态神经元借助盲节点手机的蓝牙通信链路构成一个回归神经网络，该回归神经网络能够根据锚节点手机提供的位置信息，估计出每个盲节点手机的位置信息。在一些实施例中，估计出每个盲节点手机的位置信息的算法为：其中，xi为第i个盲节点的估计位置，ε为影响因子，ωij为一个正的权值，Iij为一标识值，其定义如下：其中，xi和xj分别代表第i个和第j个移动手机的坐标，R为手机蓝牙的最大通信距离。在一些实施例中，该回归神经网络是一个分布式的回归神经网络，临节点之间仅仅直接进行蓝牙通信。在一些实施例中，该回归神经网络中xi的动态变化特性决定于它的临节点xj，其中j∈N(i)，临节点xj对xi的作用力为:-εIij(xi-xj)。在一些实施例中，每个动态神经元能够由对应的盲节点手机的软件和/或硬件实现。在一些实施例中，该锚节点手机是具备GPS功能的移动手机；该盲节点手机是不具备GPS功能的移动手机。与现有技术相比，本专利技术的基于回归神经网络的蓝牙辅助无线网络定位系统，通过巧妙地使每个盲节点手机与一个动态神经元关联，所有动态神经元借助盲节点手机的蓝牙通信构成一个回归神经网络，该回归神经网络能够根据锚节点手机提供的位置信息，估计出每个盲节点手机的位置信息，能够大大减少盲区，提高定位的准确性。附图说明图1是本专利技术基于回归神经网络的蓝牙辅助无线网络定位系统的结构示意。图2是与盲节点相互作用的神经元模型的示意图。图3是在第一种应用场景的定位仿真示意。图4是在第一种应用场景的定位精度示意。图5是在第二种应用场景的定位系统的拓扑结构示意。图6是在第二种应用场景的定位仿真示意。图7是在第二种应用场景的定位精度示意。其中，附图标记说明如下：100定位系统101锚节点手机102盲节点手机103蓝牙通信链路310仿真初值320仿真终值620仿真终值。具体实施方式以下结合附图，对本专利技术予以进一步地详尽阐述。参见图1，图1是本专利技术基于回归神经网络的蓝牙辅助无线网络定位系统的结构示意。本专利技术提出一种基于回归神经网络的蓝牙辅助无线网络定位系统100，包括多个手机，其中，这些手机是具备蓝牙通信功能的；这些手机区划为：锚节点手机101，其是具备独立获得位置信息的能力的；和盲节点手机102，其是不具备独立获得位置信息的能力的；其中，每个盲节点手机与一个动态神经元关联，所有动态神经元借助盲节点手机的蓝牙通信链路103构成一个回归神经网络，该回归神经网络能够根据锚节点手机提供的位置信息，估计出每个盲节点手机的位置信息。在本实施例中，每个动态神经元能够由对应的盲节点手机102的软件和/或硬件实现。该锚节点手机101是具备GPS功能的移动手机；该盲节点手机102是不具备GPS功能的移动手机。锚节点手机101的位置信息由GPS获得。每个蓝牙连接都是对移动手机的一个约束，具体公式如下：(xi-xj)T(xi-xj)≤R2i∈N(j)(1a)其中，xi和xj分别代表第i个和第j个移动手机的坐标，R为手机蓝牙的最大通信距离。N(j)为第j个移动手机的临域集，其包括所有与其通过蓝牙通信的移动手机集。B为锚节点手机集，为第k个由GPS获得的锚节点手机位置信息。公式(1)没有显式的目标函数，只有不等约束和相等约束。这样的问题求解一般都不是唯一的。在本专利技术中，只需实时求解得到公式(1)的可行解并非全部解。对此，本专利技术将设计一个对偶回归神经网络来求解此问题。将公式(1)的求解转化为以下具有显式目标函数的普通优化问题(2)。并且，n为该无线网络中的所有手机个数，ωij为第i个和j个手机之间的连接权值。值得一提的是，由于问题(2)中包含了一个max()函数，所以这是一个非平滑问题。问题(2)对xi进行偏微分可得：或者0(此时当且仅当(xi-xj)T(xi-xj)-R2＝0，用以下回归神经网络来进行二次优化，找到问题(2)的可行解：其中，xi为第i个盲节点的估计位置，ε为影响因子，ωij为一个正的权值，Iij为一标识值，其定义如下：本专利技术提出的回归神经网络模型具有分布式特性，具体体现如下：1、回归神经网络(3)是一个分布式的回归神经网络。在这个回归神经网络中，临节点之间仅仅直接进行蓝牙通信，不需要路由或者其它的交叉通信。本专利技术提出的回归神经网络的分布式特性彻底降低了节点间的通信负担，实时性好，非常适用于大规模的无线网络的定位问题。2、回归神经网络(3)中xi的动态变化特性决定于它的临节点xj，其中j∈N(i)，临节点xj对xi的作用力为:-εIij(xi-xj)。这个公式类似于物理学中的“弹簧粒子”模型，即粒子xi对xj的作用力为ε或者为0，此时||xi-xj||≤R或者||xi-xj||>R。这个机制保证了盲节点的定位问题仅仅决定于在蓝牙通信范围R内的其它节点的综合作用力。3、该回归神经网络是稳定的。本专利技术提出的回归神经网络方案既可以用离散问题(3)的方式来估计得到各盲节点的位置信息，也可以用并行的模拟电路方案来完成。在本实施例中，采用并行的模拟电路来实现。在神经网络(3)中，每个盲移动节点与一个动态神经元关联。将这个神经元作为一个部分模型，其作为整个神经网络的一部分。这个模型与临近的模型相互作用，所有的模型一起实现定位并解决定位问题(1)。与常用的迭代方案不同(普通迭代方案只能用串行的方式实现)，本专利技术提出的回归神经网络方案可以用并行的模拟电路实现，并且可以实时解决问题。参见图2，图2是与盲节点102相互作用的神经元模型200的示意图。其中j1,j2,...,jk为临移动节点，移动临节点既可以为盲节点，也可以作为锚节点。神经元模型的输入为与临移动节点之间的作用力，输出为该盲节点的估计位置。采用这种方案，能够得到各个盲节点的大致位置信息。参见图3和图4，图3是在第一种应用场景的定位仿真示意。图4是在第一种应用场景的定位精度示意。是将本专利技术的定位系统应用于隧道车辆定位，其中横坐标的单位为米，点位310为仿真初值，点位320为仿真终值。图4的横坐标单位为：10的-4次方的秒；纵坐标为：10的5次方。仿真精度结果在1.本文档来自技高网...

【技术保护点】
一种基于回归神经网络的蓝牙辅助无线网络定位系统，包括多个手机，其特征在于，这些手机是具备蓝牙通信功能的；这些手机区划为：锚节点手机，其是具备独立获得位置信息的能力的；和盲节点手机，其是不具备独立获得位置信息的能力的；其中，每个盲节点手机与一个动态神经元关联，所有动态神经元借助盲节点手机的蓝牙通信链路构成一个回归神经网络，该回归神经网络能够根据锚节点手机提供的位置信息，估计出每个盲节点手机的位置信息。

【技术特征摘要】
1.一种基于回归神经网络的蓝牙辅助无线网络定位系统，包括多个手机，其特征在于，这些手机是具备蓝牙通信功能的；这些手机区划为：锚节点手机，其是具备独立获得位置信息的能力的；和盲节点手机，其是不具备独立获得位置信息的能力的；其中，每个盲节点手机与一个动态神经元关联，所有动态神经元借助盲节点手机的蓝牙通信链路构成一个回归神经网络，该回归神经网络能够根据锚节点手机提供的位置信息，估计出每个盲节点手机的位置信息。2.依据权利要求1所述的基于回归神经网络的蓝牙辅助无线网络定位系统，其特征在于，估计出每个盲节点手机的位置信息的算法为：其中，xi为第i个盲节点的估计位置，ε为影响因子，ωij为一个正的权值，Iij为一标识值，其定义如下：

【专利技术属性】
技术研发人员：吕姗，陈三风，黄焕波，胡涛，郭森，
申请(专利权)人：深圳信息职业技术学院，
类型：发明
国别省市：广东,44