The present invention relates to a method of region localization for WiFi signal feature based on improved BP neural network. The method is characterized in that the WiFi signal is preprocessed and converted into four-layer improved BP neural network, and the weight of the improved neural network is optimized by ant colony algorithm, and the momentum factor is added to the weight update formula. Thus, the convergence speed and classification accuracy of the localization method are improved. The invention has the advantages of high practicability, strong applicability, low cost, high prediction and classification accuracy, simple calculation process, strong stability and high reliability, and can basically realize high-efficiency classification of short-distance regions.
【技术实现步骤摘要】
基于改进BP神经网络的WiFi信号特征的区域定位方法
本专利技术涉及一种基于改进BP神经网络的WiFi信号特征的区域定位方法。
技术介绍
随着移动互联网的高速发展,人们对位置信息感知的需求日益增多,GPS可以很好的满足室外坏境的定位需求,但在相对封闭或复杂的环境中,比如大型建筑物内、车站、购物中心、地下停车场等,GPS定位通常不能获得很好的效果甚至无法进行正常区域定位。也正因为如此,室内区域定位技术在应用上被给予更多的关注,它不但可以进行定位和导航,也可以在此基础上开发出更多的增值服务。目前,区域定位方式有很多,其中WiFi信号特征定位法定位精度高,建设费用低,实用性强,适用于人群密集的区域,具有广泛的应用前景。但是基于WiFi的定位方式容易受到环境的干扰以及移动智能设备的异构性等因素的影响,定位误差较大,其定位精度在1~5米范围内波动。WiFi信号特征的不稳定性主要是环境的复杂性和动态性引起的,一般情况下多楼层环境比单楼层环境更加复杂,WiFi信号的反射、折射、衰减或者被吸收,直接造成WiFi信号的接受强度出现明显波动。并且,环境温度、时间都会影响WiFi信号特征的采集。因此,传统基于WiFi信号特征的区域定位方式对采集信号的设备硬件要求条件很高,且需要很长的时间测量采集信号,适用范围不够广泛,时间开销大但效率不高。目前,基于WiFi信号特征的区域定位技术已经很普遍,部分方法也很成熟,可以达到一定的高精度要求。比如,WiFi信号三角形定位法,WiFi信号强度直方图定位法。但是优秀的算法也不可避免存在局限性,通常情况下传统基于WiFi信号特征的区域定位技术 ...
【技术保护点】
1.一种基于改进BP神经网络的WiFi信号特征的区域定位方法,其特征在于:步骤S1:使用传感器采集待测区域的多个WiFi特征数据;步骤S2:对获取到的特征数据进行预处理;步骤S3:构建四层的BP神经网络结构,传递函数通过分析数据间的误差函数得到;步骤S4:使用蚁群优化算法寻找最佳权值,将BP神经网络的误差函数设为蚁群算法的目标函数,将优化后的权值赋值给BP神经网络;步骤S5:将动量因子加入BP神经网络中,得到改进的BP神经网络;步骤S6:对改进的BP神经网络进行训练,并将预处理后的特征数据作为训练好的改进BP神经网络的输入参数;步骤S7:通过训练好的改进BP神经网络计算输出结果,输出的结果为待测区域WIFI信号果最佳的区域位置分类,根据区域位置分类可以得到WiFi信号的最佳区域定位。
【技术特征摘要】
1.一种基于改进BP神经网络的WiFi信号特征的区域定位方法,其特征在于:步骤S1:使用传感器采集待测区域的多个WiFi特征数据;步骤S2:对获取到的特征数据进行预处理;步骤S3:构建四层的BP神经网络结构,传递函数通过分析数据间的误差函数得到;步骤S4:使用蚁群优化算法寻找最佳权值,将BP神经网络的误差函数设为蚁群算法的目标函数,将优化后的权值赋值给BP神经网络;步骤S5:将动量因子加入BP神经网络中,得到改进的BP神经网络;步骤S6:对改进的BP神经网络进行训练,并将预处理后的特征数据作为训练好的改进BP神经网络的输入参数;步骤S7:通过训练好的改进BP神经网络计算输出结果,输出的结果为待测区域WIFI信号果最佳的区域位置分类,根据区域位置分类可以得到WiFi信号的最佳区域定位。2.根据权利要求1所述的基于改进BP神经网络的WiFi信号特征的区域定位方法,其特征在于:所述四层的BP神经网络结构具体包括单层输入层,两层隐含层,单层输出层。3.根据权利要求2所述的基于改进BP神经网络的WiFi信号特征的区域定位方法,其特征在于:所述BP神经网络采用双隐含层网络结构,其神经元的节点数为其中n为...
【专利技术属性】
技术研发人员:郭文忠,贺国荣,张笑宇,董晨,陈明志,陈景辉,叶尹,张凡,吴勇,
申请(专利权)人:福州大学,
类型:发明
国别省市:福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。