基于多層神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位算法研究.pdf

1、由于室內(nèi)空間越來越大且內(nèi)部結(jié)構(gòu)越來越復(fù)雜，移動終端用戶無法在室內(nèi)獲得諸如 GPS或北斗定位系統(tǒng)提供的有效位置服務(wù)，因而室內(nèi)基于位置的服務(wù)(Location Based Service, LBS)逐漸受到關(guān)注（如商場購物指引服務(wù)等）。室內(nèi)定位技術(shù)作為室內(nèi) LBS中必不可少的底層技術(shù)，其在準(zhǔn)確性、經(jīng)濟(jì)性、實時性等方面的好壞將直接影響室內(nèi)LBS的服務(wù)質(zhì)量。
　　隨著IEEE802.11標(biāo)準(zhǔn)的完善，無線局域網(wǎng)(Wireless Local

2、 Area Network, WLAN)迅速在全球部署和普及，具有易擴(kuò)展、易維護(hù)、抗干擾、高移動性、架構(gòu)靈活等特點。基于WLAN的室內(nèi)定位技術(shù)利用移動終端接收的熱點信號集實現(xiàn)定位，已成為室內(nèi)定位的主要技術(shù)，為室內(nèi) LBS提供了巨大的應(yīng)用空間和技術(shù)支持。
　　針對基于WLAN室內(nèi)定位技術(shù)中三個環(huán)節(jié)（指紋數(shù)據(jù)庫的建立、AP節(jié)點的選擇、定位預(yù)測）存在的不足，本文從降低信號強(qiáng)度的波動性入手，對其進(jìn)行改進(jìn)，以提高室內(nèi)定位的精確性。首先分析了

3、人員走動、時間變化等因素對信號的影響，針對信號具有時變性的特點，提出了一種基于自適應(yīng)的 GRNN室內(nèi)定位算法，利用改進(jìn)的人工蜂群算法對廣義回歸神經(jīng)網(wǎng)絡(luò)進(jìn)行參數(shù)優(yōu)化，建立無線信號特征與目標(biāo)位置信息的映射關(guān)系，能有效降低信號強(qiáng)度波動的隨機(jī)性對定位精度的影響，在定位準(zhǔn)確率與適應(yīng)性之間達(dá)到較好的平衡。其次，針對接入點(Access Point,AP)非全可用且未考慮子區(qū)域與AP節(jié)點之間相關(guān)性的不足，提出了一種分布式AP選擇算法，將室內(nèi)區(qū)域劃分為

4、若干個子區(qū)域，并計算子區(qū)域與AP節(jié)點的相關(guān)性，選取相關(guān)性優(yōu)的 AP節(jié)點作為該子區(qū)域的訓(xùn)練節(jié)點，通過深度置信網(wǎng)絡(luò)模型進(jìn)行定位模型訓(xùn)練，有效去除較大噪聲以及位置分辨能力弱的AP節(jié)點。最后，針對室內(nèi)結(jié)構(gòu)復(fù)雜，難以獲取足夠多的有效標(biāo)記數(shù)據(jù)的不足，提出了一種快速搜索與密度峰值聚類(CFSFDP)和極限學(xué)習(xí)機(jī)(ELM)相結(jié)合的半監(jiān)督定位算法，利用CFSFDP聚類數(shù)據(jù)集，并標(biāo)記聚類中心缺失的位置信息，擴(kuò)充初始標(biāo)記數(shù)據(jù)；利用ELM訓(xùn)練初始標(biāo)記數(shù)據(jù)，根據(jù)