【技术实现步骤摘要】
一种基于进化神经网络的三维定位系统
本专利技术涉及定位
，具体为一种基于进化神经网络的三维定位系统。
技术介绍
以北斗和GPS为代表的卫星定位导航技术已经广泛应用，但卫星定位导航技术通常适用于户外空间，在室内、地下等无卫星定位信号的空间内则难以实现有效定位。统计数据表明，近年来在消防救援行动中牺牲的消防员中，在受困3小时后被找到的占40.1％。在危及消防员安全的突发情况发生后，如能快速定位消防员位置，将为抢救消防人员生命争取宝贵时间，这体现了室内定位技术对于保障消防救援人员生命安全的重要意义。现有技术中，室内定位主要包括两大技术类型：基于惯性传感器的定位技术、基于无线电信号分析的定位技术。基于惯性传感器的定位技术，通常要求将惯性传感器固定在定位对象的特定位置上，而后在模拟使用情景中采集传感器输出数据和定位对象位置数据，通过数据拟合等算法建立传感器输出数据到定位对象位置数据的计算模型；而后在真实使用环境中利用模拟情景中建立的预设计算模型，将真实使用环境中采集的传感器数据作为预设计算模型的输入，并将该预设计算模型输出的关于定位数据的预测值作为定位对象位置数据的输...
【技术保护点】
1.一种基于进化神经网络的三维定位系统，其特征在于：该系统包括：一个或多个移动定位终端设备、通信网络、服务器硬件和软件、一个或多个应用终端硬件和软件；所述移动定位终端设备根据用户操作使用的实际需要固定在待定位对象上，使得所述移动定位终端设备随着待定位对象的移动而移动，且所述移动定位终端设备包括卫星定位器、传感器、无线通信器、控制单元、存储器、供电系统、壳体；所述通信网络用于实现所述移动定位终端设备、所述服务器硬件和软件、所述应用终端硬件和软件之间的数据传输；所述服务器硬件和软件用于接收并分析所述移动定位终端设备发送的数据，且自动利用各所述移动定位终端设备发送的数据为各所述移...
【技术特征摘要】
1.一种基于进化神经网络的三维定位系统，其特征在于：该系统包括：一个或多个移动定位终端设备、通信网络、服务器硬件和软件、一个或多个应用终端硬件和软件；所述移动定位终端设备根据用户操作使用的实际需要固定在待定位对象上，使得所述移动定位终端设备随着待定位对象的移动而移动，且所述移动定位终端设备包括卫星定位器、传感器、无线通信器、控制单元、存储器、供电系统、壳体；所述通信网络用于实现所述移动定位终端设备、所述服务器硬件和软件、所述应用终端硬件和软件之间的数据传输；所述服务器硬件和软件用于接收并分析所述移动定位终端设备发送的数据，且自动利用各所述移动定位终端设备发送的数据为各所述移动定位终端设备分别建立一一对应的、个性化的神经网络模型，且随着各所述移动定位终端设备发送的数据的不断积累，所述移动定位终端设备对应的各神经网络模型的持续的迭代完善；所述应用终端硬件和软件用于接收各所述移动定位终端设备的实时位置数据，并基于这些数据输出所述移动定位终端设备在三维空间中所在位置的视图，该视图是人眼可读的，视图表现形态可以是静态的或动态的，从而帮助所述应用终端硬件和软件的用户快速确定携带所述移动定位终端设备的人员所处的位置；按照不同的工况，区分启动模式(M0)，以及第一工作模式(M1)、第二工作模式(M2)、第三工作模式(M3)3种工作模式分别实现三维定位；启动模式(M0)是所述移动定位终端设备加电启动后进入的默认模式，完成系统初始化操作；第一工作模式(M1)的使用环境特征是：所述移动定位终端设备包含的卫星定位器能够实时输出符合精度阈值要求的三维定位数据，或者具备其他实时定位手段可确定所述移动定位终端设备的三维位置；第二工作模式(M2)的使用环境特征是：所述移动定位终端设备包含的卫星定位器由于进入室内空间等复杂环境，定位信号受到遮挡、屏蔽、干扰等原因，其卫星定位器不能解算三维定位数据或解算的定位数据不符合精度阈值要求；并且其传感器测量值的时间序列特征，与该地理位置周边的、处在第一工作模式(M1)下的其他所述移动定位终端设备的同型传感器测量值的时间序列特征不存在稳定的同步关系；第三工作模式(M3)的使用环境特征是：所述移动定位终端设备包含的卫星定位器由于进入车辆、航空器等交通工具内部，定位信号受到遮挡、屏蔽、干扰等原因，其卫星定位器不能解算三维定位数据或解算的定位数据不符合精度阈值要求；但其传感器测量值的时间序列特征，与该地理位置周边的、处在第一工作模式(M1)下的其他所述移动定位终端设备的同型传感器测量值的时间序列特征存在稳定的同步关系。2.根据权利要求1所述的一种基于进化神经网络的三维定位系统，其特征在于：在所述启动模式(M0)下，按照以下步骤进行初始化操作：所述移动定位终端设备A实时判定其卫星定位器能否输出符合精度阈值要求的三维定位数据；若其卫星定位器能够输出符合精度阈值要求的三维定位数据，或者通过其他实时定位手段确定了所述移动定位终端设备A的三维位置，则进入第一工作模式(M1)；若其卫星定位器既不能输出符合精度阈值要求的三维定位数据，也不能通过其他实时定位手段确定所述移动定位终端设备A的三维位置，则所述移动定位终端设备A进入循环等待状态，直至其卫星定位器能够输出符合精度阈值要求的三维定位数据，或者通过其他实时定位手段确定所述移动定位终端设备A的三维位置。3.根据权利要求1所述的一种基于进化神经网络的三维定位系统，其特征在于：在所述第一工作模式(M1)下，按照以下步骤进行定位操作：a1)所述移动定位终端设备A实时判定其卫星定位器能否输出符合精度阈值要求的三维定位数据；若其卫星定位器能够输出符合精度阈值要求的三维定位数据，则使用其卫星定位器输出的三维定位数据作为第一工作模式(M1)下的定位输出数据，并基于卫星定位器接收的卫星授时数据对所述移动定位终端设备内置时钟的时间进行实时校准；若其卫星定位器不能输出符合精度阈值要求的三维定位数据，则进入第二工作模式(M2)；a2)所述移动定位终端设备A按照预设的时间间隔x，在其存储器中记录当前时刻(记为t)的下列信息集合：(1.1)所述移动定位终端设备A的内置时钟在t时刻输出的系统时间；(1.2)所述移动定位终端设备A的卫星定位器在t时刻输出的三维定位数据(1.3)所述移动定位终端设备A的各传感器自(t-x)时刻到t时刻的时间区间内各传感指标的测量值(如该时间区间内对同一传感指标Sn进行了多次测量，则取该传感指标Sn各次测量结果的平均值作为Sn在t时刻记录的数值)；(1.4)所述移动定位终端设备在t时刻的工作模式M1；a3)所述移动定位终端设备A按照预设的时间间隔y1，通过其无线通信器探测位于附近的、身份校验通过的其他所述移动定位终端设备B1～Bn；若能探测到附近的、身份校验通过的其他所述移动定位终端设备，则对于每一个其他所述移动定位终端设备B1～Bn，互相交换彼此的最新记载的m条存储器数据；a4)所述移动定位终端设备A按照预设的时间间隔y2，判定其无线通信器是否能够对外连通身份校验通过的远端数据收发节点C1～Cn；若其无线通信器能够对外连通身份校验通过的远端数据收发节点C1～Cn，则将其存储器中尚未标记为发送成功状态的数据集合发送至远端数据收发节点C1～Cn，而后将远端数据收发节点确认收到的数据条目标记为发送成功的状态；若其无线通信器不能对外连通任何一个身份校验通过的远端数据收发节点，则不做任何数据操作；a5)所述服务器硬件和软件将各所述移动定位终端设备发送的数据集合进行持久化存储，并将数据集合中包含的所述移动定位终端设备唯一身份识别码A对应的t时刻的三维定位数据Pt＝(Xt，Yt，Zt)，作为该所述移动定位终端设备A的t时刻三维定位坐标；a6)建立具有进化特性的神经网络，所述服务器硬件和软件需构建的神经网络NA具有以下特征：使用的神经网络区别于现有技术常用的、固定拓扑的神经网络，无需人工预设神经网络的隐藏层数量、各层神经元数量、神经元之间的初始拓扑关系等超参数，而采用拓扑自主进化的神经网络算法，从神经网络的构建算法的根本机理上为生成结构更优的神经网络提供了可能性，解决了其他神经网络构建技术无法解决的、神经网络模型的预测精度可能随机陷入“局部最优”而无法达到“全局最优”的问题；NA的输入层是：所述移动定位终端设备A的t时刻的第一工作模式(M1)数据项(1.3)，即t时刻的各传感器的各测量值NA的输出层是：其中与是所述移动定位终端设备A的卫星定位器在(t-x)时刻和t时刻输出的三维定位数据；NA的隐藏层数量、各隐藏层神经元数量、神经元之间的拓扑关系等超参数，以及神经网络的其他参数，均由神经网络算法通过机器学习自主优化；所述服务器硬件和软件通过对神经网络NA的若干回合训练迭代，使得训练后的神经网络NA的输出值与实际值的拟合精度小于或等于预设的精度阈值ε；将训练得到的神经网络NA作为该所述移动定位终端设备A在第二工作模式(M2)下的最新的、个性化的三维定位数据解算模型，并将该神经网络NA的定义通过所述通信网络推送至所述移动定位终端设备A，作为其第二工作模式(M2)下本地三维定位输出数据的解算模型。4.根据权利要求1所述的一种基于进化神经网络的三维定位系统，其特征在于：在所述第二工作模式(M2)下，按照以下步骤进行定位操作：b1)所述移动定位终端设备A实时判定其卫星定位器能否输出符合精度阈值要求的三维定位数据；若其卫星定位器能够输出符合精度阈值要求的三维定位数据，则进入第一工作模式(M1)；若其卫星定位器不能输出符合精度阈值要求的三维定位数据，则继续保持第二工作模式(M2)；b2)所述移动定位终端设备A按照预设的时间间隔x，在其存储器中记录当前时刻(记为t)的下列信息集合：(2.1)所述移动定位终端设备A的内置时钟在t时刻输出的系统时间；(2.2)所述移动定位终端设备A的各传感器自(t-x)时刻到t时刻的时间区间内各传感指标的测量值如该时间区间内对同一传感指标Sn进行了多次测量，则取该传感指标Sn各次测量结果的平均值作为Sn在t时刻记录的数值；(2.3)所述移动定位终端设备A在t时刻的工作模式M2；b3)所述移动定位终端设备A按照预设的时间间隔y1，通过其无线通信器探测位于附近的、身份校验通过的其他所述移动定位终端设备B1～Bn；若能探测到附近的、身份校验通过的其他所述移动定位终端设备，则对于每一个其他所述移动定位终端设备B1～Bn，互相交换彼此的最新记载的m条存储器数据，并将同一时刻的B1～Bn的传感器数据与A的传感器数据进行比对分析并判断时间同步关系，通常采用预先训练好的神经网络NB，将同一时刻的两组数据作为神经网络NB的输入，将稳定同步关系的是非判断结论的预测值实数R∈[0，1]作为神经网络的输出，若存在一个或多个Bsync处于第一工作模式(M1)且与A存在稳定的同步关系，则A进入第三工作模式(M3)，并将各Bsync的唯一身份识别码写入己方存储器；若不能探测到处于第一工作模式(M1)且与A存在稳定的同步关系的Bsync，则A继续保持第二工作模式(M2)；b4)所述移动定位终端设备A按照预设的时间间隔y2，...
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。