【技术实现步骤摘要】
本专利技术属于无线通信和无线网络定位
，特别涉及。
技术介绍
近年来，随着社会和经济的不断发展，以及信息和通信技术的不断进步，基于位置信息服务(location based service, LBS)在紧急救助、导航、追踪以及本地搜索等方面需求不断增加，呈现出广阔的商业前景和市场价值。目前，基于智能终端所开发的定位应用绝大多数局限于室外定位环境，然而人们对于室内定位技术的需求也与日俱增，如机场大厅、购物商城、写字楼、医院等需要为特殊客户提供定位导航等服务，从而更加便利人们的生活，提供更好的用户体验，提高商家服务质量。常用的室内定位算法主要包括几何测量法、近似法、指纹定位法三种。由于各建筑物室内的布局多样化，室内环境复杂变化多端，人员流动性大等对室内无线信号测量如接收信号强度(receive signal strength, RSS)、到达时间(time ofarrival, Τ0Α)、到达时间差(time difference of arrival, TD0A)等产生很大的影响,通过对RSS等信号特征来描述精确的位置信息非常困难。因而基于电波传播模型的前两种室内定位算法难以获取较高的室内定位精度。对于指纹定位算法通过对采集的室内信号特征值构成的指纹进行匹配从而再进行空间位置的映射来实现终端的位置估计，算法简单而精度高，并可以通过指纹库的实时更新来适应室内环境的变化，因而被广范应用于室内定位系统中。指纹定位算法分为离线阶段和在线阶段。离线阶段利用终端来采集室内各参考点处的无线信号特征信息如RSS、TOA等，由各参考点处收集到的指纹信息构成整个室内布局...
【技术保护点】
一种改进的基于分簇神经网络的室内指纹定位方法，其特征在于，所述方法具体包括以下步骤：步骤1：离线阶段，在室内均匀分布的参考点处采集指纹信息构建指纹数据库；步骤2：离线阶段，采用聚类算法对指纹数据库中的指纹信息进行分类，产生不同的类和类中心；步骤3：离线阶段，利用改进的约束加权神经网络模型对各参考点的指纹与位置信息进行人工神经网络训练，得出最优的网络模型，并将优化得到的参考点处的模型参数输入到指纹数据库中；步骤4：在线阶段，采集室内的实时指纹信息；步骤5：在线阶段，将采集到的实时指纹信息与数据库中的类中心进行类匹配，选择最佳匹配的2~3个类作为初步定位的定位区域；步骤6：在线阶段，根据类匹配结果，将初步定位区域中包括的实时指纹信息作为所选择的类中的各个参考点的神经网络模型的输入端，选择M个具有最小实际输出与期望输出偏差的模型对应的位置估计进行加权，从而获取最终的精确位置估计。
【技术特征摘要】
1.一种改进的基于分簇神经网络的室内指纹定位方法，其特征在于，所述方法具体包括以下步骤 步骤I:离线阶段，在室内均匀分布的参考点处采集指纹信息构建指纹数据库； 步骤2:离线阶段，采用聚类算法对指纹数据库中的指纹信息进行分类，产生不同的类和类中心； 步骤3 :离线阶段，利用改进的约束加权神经网络模型对各参考点的指纹与位置信息进行人工神经网络训练，得出最优的网络模型，并将优化得到的参考点处的模型参数输入到指纹数据库中； 步骤4 :在线阶段，采集室内的实时指纹信息； 步骤5 :在线阶段，将采集到的实时指纹信息与数据库中的类中心进行类匹配，选择最佳匹配的2 3个类作为初步定位的定位区域； 步骤6 :在线阶段，根据类匹配结果，将初步定位区域中包括的实时指纹信息作为所选择的类中的各个参考点的神经网络模型的输入端，选择M个具有最小实际输出与期望输出偏差的模型对应的位置估计进行加权，从而获取最终的精确位置估计。2.根据权利要求I所述的一种改进的基于分簇神经网络的室内指纹定位方法，其特征在于，所述步骤I中，离线阶段室内指纹数据库的建立具体包括以下步骤 步骤101 :根据室内布局设置均匀分布的参考点RPi,位置坐标Ii=Ui, yi),i =1,2,…，L ;其中，L为室内参考点的个数； 步骤102 :在每一个参考点处采集来自室内检测到的η个无线接入点的信道参数信息Vi ( τ ) = [vi；1( τ )，· ·，vi；n( τ )]T，τ =1，· · ·，m, m>l,其中，Vi,」(τ )为参考点 RPi 处在时刻 τ时接收来自第j个接入点的信道参数信息，m为采样周期； 步骤103 :将信道参数信息Vi ( τ )作为参考点RPi的指纹信息存储在数据库中，同时，将各参考点处各接入点的采样均值设置成为室内无线图谱V : 'vU V2,l …K, —vU V2,2 …VL,2(I) J1 Hw ■■· ν η_ 其中，/ =丄Σ: ...
【专利技术属性】
技术研发人员：丁根明，谈振辉，张金宝，张令文，陈铭珅，白嗣东，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：
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。