[发明专利]基于PSO_BP神经网络的三维定位方法

权利要求书

1.一种基于PSO_BP(Particle Swarm Optimizer_Error Back Propagation粒子群优化_误差反向传播)神经网络的终端三维定位方法，其特征在于：

S1.通过无线电信号传播计算基站到终端的距离过程中，存在非视距的影响，这种影响会使多基站定位终端误差时带来偏差；一个区域内会存在多个基站，从终端所处的位置(mx_i,my_i,mz_i)的由近及远选取前四个基站，四基站坐标按顺序分别命名为(bx₁,by₁,bz₁)，(bx₂,by₂,bz₂),(bx₃,by₃,bz₃),(bx₄,by₄,bz₄)，当四个基站不在同一个平面内，终端到基站之间利用TDOA(Time Difference of Arriaval时间差定位)技术实测的距离分别为r_1i,r_2i,r_3i,r_4i，有r_1i≤r_2i≤r_3i≤r_4i；本发明讨论四个不在平面内的基站的情形，当前四个基站点处在一个平面内时，依次选取相邻第五个基站；同理，当选取的前五个基站处在一个平面内时，依次选取相邻第六个基站，直到选取的全部基站不在同一个平面内；

S2.由四个基站到移动终端的实测距离计算终端含非视距误差的位置，由于存在测量误差，四个球可能不交与一个点，为减小误差的影响，采用最小二乘法估算，则三维坐标的最小二乘估计位置为

S3.利用AOA(Activity On Arrow到达角交汇定位)方法，计算由基站坐标(bx_j,by_j,bz_j)到由该基站参与估计的三维终端位置所确定的三维方向角则PSO_BP神经网络的输入特征值向量为M，由于本发明研究的是以基于4个不共面的基站为特例，故n＝4；多于4个基站的情况可按照此一般形式表示，其中

S4.位置误差与方位角误差产生都由2个部分组成，其中终端的估计位置坐标与无误差位置坐标(x_i,y_i,z_i)之间的误差是非视距传播误差和测量误差则有

从基站位置坐标(bx_j,by_j,bz_j)到终端估计位置的三维方向角也包含由于非视距因素影响的误差与测量误差有其中是无误差的三维方向角；

S5.构建BP神经网络，BP神经网络由输入层、隐含层和输出层组成；输入特征值向量为M，输入特征向量为3n+4维，本发明中n＝4，输出层为3维，输出层是所求的精确终端位置坐标，隐层为多层，隐层结构的由神经网络学习曲线的误差分析确定；

S6.PSO_BP神经网络算法的过程是据S5构建BP神经网络，采用PSO算法在给定特征值的定义域内搜索误差函数全局最小值解，当PSO算法收敛到一个小区域并终止迭代后，采用梯度下降的方式局部以较小步长二次寻求最小值解；

S7.利用采集的部分处理后的样本数据进行PSO_BP神经网络的误差分析，通过神经网络的误差分析确定一个较好的网络结构；

S8.利用全部处理后转化为特征值的数据样本，训练PSO_BP神经网络确定网络的权值阈值参数，从而该网络学习特定具体环境中由非视距因素和测量误差导致的误差信息，最后实现从特征向量M到样本中精确位置(x_i,y_i,z_i)的一个函数映射关系，消除了误差，获得较精确位置。

2.根据权利要求1所述的一种基于PSO_BP神经网络的终端三维定位方法，其特征在于：权利要求1步骤S1中在有多个基站同时定位的情况下，自适应选取最近的四个基站对终端进行定位，并对四个基站到终端的位置据TDOA技术所实测的距离进行从小到大的排序；因为距离越近，受非视距影响产生误差越小，从而用作位置的估计误差也越小。