一种基于BP神经网络精确室内定位系统及定位方法技术方案

本发明专利技术提出一种基于BP神经网络精确室内定位方法，采用ZigBee技术进行精确的小范围定位。提出了误差滤波算法、缺失值补全算法和神经网络定位算法室内定位方法，并结合它们提高了定位精度。本发明专利技术提出的方法的整体思路是先根据zigbee定位获得准确的距离信息，再根据误差滤除算法精确距离。如发现存在缺失值，用基于KNN算法进行缺失值补全。最后根据节点到盲节点的距离引入BP神经网络，得出盲节点坐标。实验证明，神经网络定位方法在平面定位中优于三角形心算法。神经网络方法在节点数较少的情况下表现较好，平均误差为34cm。本发明专利技术将误差滤波算法与神经网络定位算法相结合，实验表明，误差明显减小，平均误差为28cm。

An Accurate Indoor Positioning System and Method Based on BP Neural Network

【技术实现步骤摘要】
一种基于BP神经网络精确室内定位系统及定位方法
本专利技术属于室内定位
，具体涉及一种基于神经网络改进算法的zigbee室内定位方法。
技术介绍
物联感知技术最终目标是提供基于位置的服务LBS(Location-basedServices)，其核心问题即是如何确定室内物品以及人员的位置。对室外开放性空间的定位已有很成熟的GPS定位导航和手机蜂窝网络定位技术等。但是对于室内定位的深入研究还不是很多，特别是在国内，还没有相应很成熟的产品和研究成果。因此室内定位技术存在大量应用需求，有很高的研究价值和前景。无线信号在室内环境中传播时除了无线信号本身的反射、绕射、折射和散射所造成的多径现象外，还受到很多干扰因素的影响，相对来说要比在室外空旷的环境中的传播复杂得多。鉴于室内环境的复杂性与特殊性，利用无线信号的传播特性进行定位的技术有基于接收信号强度RSSI(ReceivedSignalStrengthIndicator)、基于信号到达时间TOA(TimeofArrival)、信号到达时间差TDOA(TimeDifferenceofArrival)和信号到达角度AOA(AngleofArrival)的几种定位方法。其中基于接收信号强度RSSI的定位技术是根据接收信号强度随信号传播距离变化而变化的规律来进行位置估计的，不需要添加额外的用于精确的时间同步和角度测量设备。因此基于接收信号强度RSSI的定位技术是目前室内定位的研究热点。目前城市中大部分的环境下都存在wifi信号，如果仅是使用wifi进行定位，由于其传播信号强度较大，在短距离内很难看到明显的衰减，其定位精度往往不能够满足要求。
技术实现思路
本专利技术要解决的技术问题是：提供一种基于BP神经网络改进算法的精确室内定位系统，已解决现有技术中存在的问题。本专利技术利用了基于神经网络的室内定位算法，通过测试数据的训练得到RSSI值与真实位置之间的关系，从而免去了人工消除噪音和抖动的工作；之后搭建运行此算法的Zigbee平台，此平台可以在信号消失或时间间隔较长时间的情况下，通过记录在数据库中的前几个定位得到未来时间的估计位置；此系统可应用于：需要应用到室内定位的场景，例如商场、超市等购物中心，此技术可以实现对商品定位、消费者定位、广告发布、地图导航等功能。室内机器人的定位等。ZigBee定位技术在几个待定位的盲节点、具有已知位置和网关的参考节点之间形成网络。每个微小的盲点相互配合，实现全方位定位。ZigBee定位技术采用RSSI值进行定位计算。发射信号的节点功率是确定的。接收节点通过比较接收信号强度与发送信号强度来获得信号的衰减值。该值为负值。由于衰减值的含义，值越大，衰减越小，距离越短。接收信号强度和传输距离的计算公式(1)。a是在已知距离D处接收到的RSSI值，N是使用其他距离间隔从距离d推导得出的值。在室内环境中测量多次，取相应结果的平均值，根据公式2得出A值。其中t为实验具体测量的次数。具体公式如下：以上是ZigBee信号定位的基本原理。误差滤波算法的主要步骤是：由于我们选取的是信号强度最大的四个定位点，但是定位仅需要三个定位点，当定位节点进行移动时，由几何学我们可以得到至少有三个定位节点的值发生变化，因此当其中一个或者两个值变化时可以认为该值的突然变化是由于传播路径上突然出现障碍或者测量误差引起的。只有当三个值同时变化的时候，才对红色定位点的坐标进行重新计算。这种方法成功的减少了红色定位点的闪烁。当ZigBee信号路径传播路径上突然出现障碍或者测量误差时，该值舍弃不用造成数据缺失。这里提供一种基于knn缺失值补全算法进行缺失值补全。其原理是在样本附近选取点进行排序取前k个样本，将这些样本某属性的平均值赋给该样本，将不同距离的邻居对该样本产生的影响赋予不同的权值。就可以得到该样本的预测值。如公式5。其中k为选取的点数，μ为权重，μ＝(τ)i，τ和k为超参数。采用BP神经网络，由于其局部变化的特点，使其更适合于不同位置的ZigBee数据容易发生变化的情况。输入节点数是定位区域中的定位节点数。神经元是BP神经网络的基本单位，多个神经元通过连接组成了BP神经网络。神经元通过模拟生物的神经元，设定了三个基本功能，即加权、求和、转移。神经元的基本模型如Xi(i＝1，2，….n)为来自神经元i的输入，Wjn为神经元n与神经元j的连接强度，bj为神经元j的阈值，Sj为神经元j的净输入，f为单调上升的传递函数，yj为神经元j的输出。Sj的值为：其中X＝[x1，x2…xi...xn]T，n为该层神经元总数。Wj＝[wj1，wj2...wji…wjn]yj的值为BP神经网络的权值改变方法是使用梯度下降法，通过梯度下降的方法，依据反向流动的误差不断调整权值，最终使整个网络的平方误差最小。在正向传播过程中，设BP网络的输入层有n个节点，隐藏层有q个节点，输出层有m个节点，输入层与隐藏层之间的权值为Vki，隐藏层与输出层之间的权值为Wjk，隐藏层的传递函数为f1，输出层的传递函数为f2。其中k为隐藏层节点序号。则隐藏层节点的输出为输出层节点的输出为：在反向流动的过程中，设期望输出为t，输入样本得到的输出为y。则第P个样本的误差Ep为：全局误差为，P为样本数总量：采用累计误差BP算法调整Wjk，使全局误差E变小，设η为学习率，通过化简，则输出层各神经元的权值变化为：本专利技术的有益效果：与现有技术相比，本专利技术采用误差滤除算法和BP神经网络算法，进行数据的处理和反馈，实现精确室内定位，大大提高了定位精度和准确性。附图说明图1是BP神经网络训练流程图图2是BP神经网络测试流程图图3是BP神经网络模型图图4是误差滤除算法流程图图5是室内定位系统流程图具体实施方式下面结合附图及具体的实施例对本专利技术进行进一步介绍。结合图5一种基于神经网络改进算法的zibee室内定位系统的定位方法，该方法包括以下步骤：(1)zigbee定位节点发送RSSI信号强度到定位终端，并通过公式根据接收RSSI信号强度值计算多个锚节点到盲节点的距离，并通过误差滤除算法排除掉脏数据将干净数据传输到数据数据存储模块进行存储；(2)定位算法模块读取data.arff文件获取距离数据，并通过神经网络算法计算获得定位终端的位置坐标；(3)通过数据显示模块将位置坐标从PC端定位软件进行显示，数据传输模块将定位信息通过蓝牙传输到用户手机移动端，并实时显示。首先在需要精准测量定位的地点在Zigbee神经网络定位训练阶段放置不少于四个Zigbee锚节点。然后进行1m间隔测量，长时间采样后取平均值获得公式(1)的A值，然后测量0.5米间隔，长时间采样后取平均值代入带有A值的信号强度与距离公式既可以获得N值，使用这一公式做为该定位地点的公式。在盲节点进入时，首先在边长为1m的正方形的四个角上部署四个zigbee锚点，用于接收盲节点发送到的信号，整个房间由N个这种正方形组成，当盲节点发送信号时，服务器接收获得信号强度最大的四个值计算盲节点位置。请参考图4，定义一个四行三列的二维表和一个包含四个元素的标志数组，二维表中记录了该节点最近发布的三个包(可创建多个)的接收强度值，表一中第一行是第一个锚节点的接收到的包序号为id,id+1,id+2三个包本文档来自技高网...

【技术保护点】
1.一种基于zigbee传输BP神经网络室内定位系统，其特征在于：包括定位终端、定位服务器、定位zigbee节点、手机端，定位zigbee节点无线连接到定位终端，定位终端连接到定位服务器，定位服务器包括定位算法模块、数据处理和数据存储模块和数据传输模块和数据显示模块，数据处理模块用于接收处理定位终端接收到的zigbee发出的RSSI信号强度，并进行RSSI公式计算得出锚节点到盲节点的距离，并将得出的结果存储到数据存储模块；定位算法模块读取数据存储模块的距离值数据采用BP神经网络算法计算获得定位终端的位置坐标，通过数据显示模块将位置坐标从PC端定位软件进行显示；数据传输模块将定位信息通过蓝牙传输到用户手机移动端，并实时显示。

【技术特征摘要】
1.一种基于zigbee传输BP神经网络室内定位系统，其特征在于：包括定位终端、定位服务器、定位zigbee节点、手机端，定位zigbee节点无线连接到定位终端，定位终端连接到定位服务器，定位服务器包括定位算法模块、数据处理和数据存储模块和数据传输模块和数据显示模块，数据处理模块用于接收处理定位终端接收到的zigbee发出的RSSI信号强度，并进行RSSI公式计算得出锚节点到盲节点的距离，并将得出的结果存储到数据存储模块；定位算法模块读取数据存储模块的距离值数据采用BP神经网络算法计算获得定位终端的位置坐标，通过数据显示模块将位置坐标从PC端定位软件进行显示；数据传输模块将定位信息通过蓝牙传输到用户手机移动端，并实时显示。2.根据权利要求1所述的室内定位系统，其特征在于定位服务器采用远程服务器，客户端包括手机移动和PC端。3.一种基于BP神经网络精确室内定位方法，其特征在于：搭建运行此算法的Zigbee平台，选取的是信号强度最大的四个定位点，但是定位仅需要三个定位点，当定位节点进行移动时，由几何学得到至少有三个定位节点的值发生变化，只有当三个值同时变化的时候，才对定位点的坐标进行重新计算；如果只有一个点发生变化，则认为该锚节点测量数据有误进行舍弃，然后通过基于KNN算法进行补全；其原理是在样本附近选取点进行排序取前k个样本，将这些样...

【专利技术属性】
技术研发人员：严海蓉，王希予，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11