[发明专利]基于位置指纹的WLAN室内定位误差修正方法及系统

说明书

一种基于位置指纹的WLAN室内定位误差修正方法，其包括如下步骤：S1、在位置指纹图已经建立后，选取预设数量的训练点并记录其位置坐标，在训练点上采集RSS样本建立训练点数据库；利用近邻选择算法将RSS样本和静态位置指纹图匹配计算定位结果，并利用训练点的位置坐标计算定位误差；并利用人工神经网络ANN融合训练点的RSS样本和定位坐标作为ANN的输入数据，将训练点的定位误差作为其输出数据建立输入与输出之间的非线性映射关系；S2、在线定位时，当用户接收到来自各个AP的RSS样本时，利用近邻选择算法计算定位坐标，然后将在线RSS样本和定位坐标输入到在离线阶段训练的ANN模型中估计定位误差。

技术领域

本发明涉及室内定位技术领域，特别涉及一种基于位置指纹的WLAN室内定位误差修正方法及系统。

背景技术

现有技术利用在线RSS均值样本计算定位结果的位置指纹定位算法，相关参考点RSS变化没有引入相关系数，导致定位精度不理想。

发明内容

有鉴于此，本发明提出一种基于位置指纹的WLAN室内定位误差修正方法及系统。

一种基于位置指纹的WLAN室内定位误差修正方法，其包括如下步骤：

S1、在位置指纹图已经建立后，选取预设数量的训练点并记录其位置坐标，在训练点上采集RSS样本建立训练点数据库；利用近邻选择算法将RSS样本和静态位置指纹图匹配计算定位结果，并利用训练点的位置坐标计算定位误差；并利用人工神经网络ANN融合训练点的RSS样本和定位坐标作为ANN的输入数据，将训练点的定位误差作为其输出数据建立输入与输出之间的非线性映射关系；利用遗传算法优化ANN的初始权值和阈值并利用反向传播算法迭代更新权值和阈值使误差平方和最小；

S2、在线定位时，当用户接收到来自各个AP的RSS样本时，利用近邻选择算法计算定位坐标，然后将在线RSS样本和定位坐标输入到在离线阶段训练的ANN模型中估计定位误差；根据所估计的定位误差修正定位结果，以减少静态位置指纹图和参考点分布等因素对定位精度的影响。

在本发明所述的基于位置指纹的WLAN室内定位误差修正方法中，

所述步骤S1中ANN构建方式如下：

令室内环境中AP的数量和用于定位的在线RSS样本数量分别为M和N，将每一个RSS样本中的数值都输入三层感知器时，则该网络共有M×N+2个输入，包括M×N个RSS数值输入和2个分别为X轴和Y轴定位坐标的输入；

当用户接收到N个M维的RSS样本时，将这N个M维的RSS样本合并为一个维度为1行M×N列的向量

作为三层感知器输入的一部分，其中

将RSS向量和定位坐标作为三层感知器的输入，定位误差(δ_x，δ_y)作为网络的输出，因此网络输入和输出之间的非线性关系通过如下函数F(·)表示：

当将第k个输入向量输入到所构建的三层感知器中时，三层感知器各层的输出如下：

其中表示来自第(l-1)层的第i个神经元的输入，表示第l层第j个神经元的输出；表示从(l-1)层第i个神经元到第l个神经元的权值；表示第l层第j个神经元的阈值；f(·)表示三层感知器的传递函数；

在该三层感知器的离线训练阶段，当输出层的误差被计算后，反向传播更新三层感知器的所有权值和阈值，更新过程如下：

其中d_j，k为第j个神经元的期望输出；α和β分别表示三层感知器权值和阈值更新的学习率。