基于反向传播神经网络模型的室内无线网络定位方法技术

本发明专利技术公开的基于反向传播神经网络模型的室内无线网络定位方法，检测应用场景中每个采样点接收到的所有无线接入点的信号强度，将其与对应的采样点的位置坐标进行归一化处理；将每个采样点的所有无线接入点的信号强度作为输入样本输入初步建立的反向传播神经网络模型进行训练，完成反向传播神经网络模型的建立；最后，将检测得到的应用场景中的任一地点的无线接入点的信号强度输入至反向传播神经网络模型，定位地点的位置坐标。本发明专利技术相比于现有技术，具有较强的对输入参数的容错能力，且定位速度快、定位精度高。本发明专利技术通过检测无线网接入点返回的信号强度就能实现室内定位，可以应用于各种配有无线网接入点的室内环境，大大降低了定位成本。

Indoor wireless network positioning method based on back propagation neural network model

Indoor wireless network positioning method of back propagation neural network model based on the invention, the signal intensity of all wireless access points for each sampling point received detection of application scenarios, and the sampling point corresponding to the position coordinates are normalized; back propagation neural network model of signal strength of all wireless access points in each sample the initial establishment of the input as the input samples for training, complete the establishment of back-propagation neural network model; finally, the signal intensity of the input to the back-propagation neural network model of wireless access point to any place in the application scenario will detect the location, location coordinates. Compared with the prior art, the invention has stronger fault tolerant capability to the input parameter, and has fast positioning speed and high positioning accuracy. The invention can realize indoor positioning by detecting the signal intensity returned by the wireless network access point, and can be applied to various indoor environments equipped with wireless network access points, thereby greatly reducing the positioning cost.

【技术实现步骤摘要】
基于反向传播神经网络模型的室内无线网络定位方法
本专利技术涉及陆地无线定位技术，具体涉及基于反向传播神经网络模型的室内无线网络定位方法。
技术介绍
信息时代的迅速进步使得众多领域对位置信息的需求越来越大，其中，室外定位技术已经趋于成熟，而室内定位还有待进一步的发展。在主流的室内方法中，Wi-Fi(无线保真)定位凭着成本低、移植性好、环境适应能力强等优势，得到了广泛的应用。Wi-Fi是一种将装有无线网卡的设备通过连接至同一无线网络接入点(AccessPoint，AP)从而进行通信的技术。Wi-Fi无线网络主要由无线AP和无线网卡组成，Wi-Fi定位技术是基于Wi-Fi无线网络实现的。当下，在学校、机场、商场等室内环境基本都实现了Wi-Fi网络的覆盖，且覆盖的方式主要是大量的路由器阵列。这些路由器位置固定，工作时间稳定，且易于维护，完全符合Wi-Fi室内定位技术对于AP的要求。如果能够有效的利用这些布置规律的Wi-Fi接入点(Wi-FiAP)，则可以在降低室内定位成本的同时，提高室内定位精度。与此同时，手机、平板、个人电脑等移动终端已经成为生活的必备品，而且这些终端都装有无线网卡，可以接收到附近AP的信号，符合Wi-Fi室内定位对于无线网卡设备的要求。然而现有技术并未提供利用Wi-Fi接入点实现Wi-Fi室内定位的方法或技术。
技术实现思路
本专利技术的目的在于为了解决现有技术室内定位技术定位成本高、定位不准确等问题的出现；提供基于反向传播神经网络模型的室内无线网络定位方法。为了达到上述目的，本专利技术通过以下技术方案实现：一种基于反向传播神经网络模型的室内无线网络定位方法，所述方法包括：检测应用场景中每个采样点接收到的所有无线接入点的信号强度，将所述所有无线接入点的信号强度与对应的所述采样点的位置坐标进行归一化处理；将每个所述采样点的所述所有无线接入点的信号强度作为输入样本输入初步建立的反向传播神经网络模型进行训练，完成所述反向传播神经网络模型的建立；将检测得到的所述应用场景中的任一地点的无线接入点的信号强度输入至所述反向传播神经网络模型，定位所述地点的位置坐标。较优地，在检测应用场景中每个采样点接收到的所有无线接入点的信号强度，将所述所有无线接入点的信号强度与对应的所述采样点的位置坐标进行归一化处理的步骤之前，所述方法还包括：在所述应用场景中建立平面直角坐标系，确定若干个采样点的位置坐标。可选地，在所述应用场景中建立平面直角坐标系，确定若干个采样点的位置坐标的步骤中，具体包含：在所述应用场景中设定任意相邻所述采样点的间隔，并将所述间隔作为采样精度；根据所述间隔确定若干个所述采样点的位置坐标；在所述应用场景中设有若干个可检测的所述无线接入点。优选地，在将每个所述采样点的所述所有无线接入点的信号强度作为输入样本输入初步建立的反向传播神经网络模型进行训练，完成所述反向传播神经网络模型的建立的步骤中，具体包括：S21，将每个所述采样点的所述所有无线接入点的信号强度作为所述输入样本输入所述初步建立的反向传播神经网络模型的输入层并进入隐层；S22，所述初步建立的反向传播神经网络模型的隐层将所述输入样本转化为输出数据，并传输至所述初步建立的反向传播神经网络模型的输出层；S23，当所述输出层输出的所述采样点的计算位置坐标与所述采样点的位置坐标之间距离大于设定期望值时，进入误差的反向传播处理，调整所述输出层和所述隐层的权值和阈值；跳转至步骤S21；S24，当所述输出层输出的所述采样点的计算位置坐标与所述采样点的位置坐标之间误差小于所述设定期望值时，所述反向传播神经网络模型建立完成。较佳地，在进入误差的反向传播处理，整所述输出层和所述隐层的权值和阈值的步骤中，具体包含：采用误差梯度下降法调整所述输出层和所述隐层的权值和阈值。在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本专利技术各较佳实例。本专利技术的积极进步效果在于：本专利技术公开的基于反向传播神经网络模型的室内无线网络定位方法，首先，检测应用场景中每个采样点接收到的所有无线接入点的信号强度，将所有无线接入点的信号强度与对应的采样点的位置坐标进行归一化处理；其次，将每个采样点的所有无线接入点的信号强度作为输入样本输入初步建立的反向传播神经网络模型进行训练，完成反向传播神经网络模型的建立；最后，将检测得到的应用场景中的任一地点的无线接入点的信号强度输入至反向传播神经网络模型，定位地点的位置坐标。本专利技术相比于现有技术，具有较强的对输入参数的容错能力，且定位速度快、定位精度高。本专利技术通过检测无线网接入点返回的信号强度就能实现室内定位，可以应用于各种配有无线网接入点的室内环境，大大降低了定位成本。附图说明图1为本专利技术基于反向传播神经网络模型的室内无线网络定位方法的整体流程示意图。图2为本专利技术基于反向传播神经网络模型的室内无线网络定位方法的实施例示意图之一。图3为本专利技术基于反向传播神经网络模型的室内无线网络定位方法的实施例示意图之二。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，一种基于反向传播神经网络模型的室内无线网络定位方法，方法包括：S0，在应用场景中建立平面直角坐标系，确定若干个采样点的位置坐标。步骤S0具体包含：S0.1，在应用场景中设定任意相邻采样点的间隔，并将间隔作为采样精度。S0.2，根据间隔确定若干个采样点的位置坐标。S0.3，在应用场景中设有若干个可检测的无线接入点。如图2所示的应用场景，将每相邻的两个采样点的间隔设置为1m，并选取相应的位置作为采样点。S1，检测应用场景中每个采样点接收到的所有无线接入点的信号强度，将所有无线接入点的信号强度与对应的采样点的位置坐标进行归一化处理。如图2所示的应用场景中，每个采样点对应用场景进行无线AP的信号强度采用。默认的无线AP的信号强度值设为-99dB，也即没有无线AP的信号。本实施例中，对126个采样点重复采样7遍，一共得到采样记录882条。接着对数据进行归一化处理，将每一条数据记录求其均值和方差，然后将该记录的每一项均减去均值除以方差，得到标准化数据。现有技术中，人工神经网络包含大量的神经元，它们按照一定的结构相互连接并且相互作用，这种相互作用突触权值来表示。通过不断地调节神经网络的突触权值，使得实际输出与期望输出的误差越来越小，从而能够智能地完成信息处理任务的过程即为神经网络的学习过程。人工神经网络具有独特的非传统表达方式和很强的学习能力，是智能控制的一个重要组成部分，在控制领域也得到了广泛的应用。本专利技术采用的BP(BackPropagation，反向传播)神经网络是一种典型的人工神经网络，且其是一种具有多层感知和信息修正模型的前馈型神经网络。BP神经网络学习算法的基本原理是梯度最速下降法。神经网络学习过程是一种误差边向前传播边修正权系数的过程。S2，将每个采样点的所有无线接入点的信号强度作为输入样本输入初步建立的反向传播神经网络模型进行训练，完成反向传播神经网络模型的建立。步骤S本文档来自技高网...

【技术保护点】
一种基于反向传播神经网络模型的室内无线网络定位方法，其特征在于，所述方法包括：检测应用场景中每个采样点接收到的所有无线接入点的信号强度，将所述所有无线接入点的信号强度与对应的所述采样点的位置坐标进行归一化处理；将每个所述采样点的所述所有无线接入点的信号强度作为输入样本输入初步建立的反向传播神经网络模型进行训练，完成所述反向传播神经网络模型的建立；将检测得到的所述应用场景中的任一地点的无线接入点的信号强度输入至所述反向传播神经网络模型，定位所述地点的位置坐标。

【技术特征摘要】
1.一种基于反向传播神经网络模型的室内无线网络定位方法，其特征在于，所述方法包括：检测应用场景中每个采样点接收到的所有无线接入点的信号强度，将所述所有无线接入点的信号强度与对应的所述采样点的位置坐标进行归一化处理；将每个所述采样点的所述所有无线接入点的信号强度作为输入样本输入初步建立的反向传播神经网络模型进行训练，完成所述反向传播神经网络模型的建立；将检测得到的所述应用场景中的任一地点的无线接入点的信号强度输入至所述反向传播神经网络模型，定位所述地点的位置坐标。2.如权利要求1所述的基于反向传播神经网络模型的室内无线网络定位方法，其特征在于，在检测应用场景中每个采样点接收到的所有无线接入点的信号强度，将所述所有无线接入点的信号强度与对应的所述采样点的位置坐标进行归一化处理的步骤之前，所述方法还包括：在所述应用场景中建立平面直角坐标系，确定若干个采样点的位置坐标。3.如权利要求2所述的基于反向传播神经网络模型的室内无线网络定位方法，其特征在于，在所述应用场景中建立平面直角坐标系，确定若干个采样点的位置坐标的步骤中，具体包含：在所述应用场景中设定任意相邻所述采样点的间隔，并将所述间隔作为采样精度；根据所述间隔确定若干个所述采样点的位置坐标；在所述应用场景...

【专利技术属性】
技术研发人员：叶芝慧，范中康，蒋欣呈，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏,32