[发明专利]基于PSO_BP神经网络的三维定位方法有效

专利信息
申请号: 201710133596.6 申请日: 2017-03-08
公开(公告)号: CN106912105B 公开(公告)日: 2020-06-09
发明(设计)人: 任喆;施云波;黄安付;兰云萍;刘丛宁;刘合欢 申请(专利权)人: 哈尔滨理工大学
主分类号: H04W64/00 分类号: H04W64/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 150080 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明设计了一种基于粒子群算法(Particle Swarm Optimizer,PSO)优化后的BP神经网络的终端三维定位方法,可广泛应用于无线定位领域。本方法过程为:测得某区域内多个基站与终端的距离数据。将实测距离从小到大排序,选择距离最近的四个基站,用这四个基站通过最小二乘法计算出含非视距影响的终端位置。再计算出所有含非视距的终端位置,并计算出每个基站到终端的三维方向角。最后把所得终端位置坐标、基站到终端距离以及三维方向角作为PSO_BP神经网络的特征值输入层,输出层是修正后的终端位置坐标。本发明利用PSO算法优化了BP神经网络,所得结果消除了非视距因素带来的终端位置测量误差,提出的算法具有性能稳定、算法收敛快、定位精度高等优点,适合推广使用。
搜索关键词: 基于 pso_bp 神经网络 三维 定位 方法
【主权项】:
一种基于PSO_BP神经网络的终端三维定位方法,其特征在于:本发明专利可用于从多基站收到的移动终端无线电信号定位出基站精确的位置;这种方法的重要环节在于利用BP神经网络的良好拟合能力消除由于非视距影响造成的终端定位误差,以及利用PSO算法全局寻优能力克服BP神经网络的局部寻优缺陷,并且在BP神经网络输入部分使用距离、估计位置、三维方向角作为特征值,提高了网络学习训练对终端点定位效果。,实现了室内多基站情况下的移动终端定位,具体包括: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(mxi,myi,mzi)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技术实测的距离分别为r1i,r2i,r3i,r4i,有r1i≤r2i≤r3i≤r4i。本发明讨论四个不在平面内的基站的情形,当前四基站点处在一个平面内就连续选取前5个基站,以此类推;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方法,计算由基站坐标(bxj,byj,bzj)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(xi,yi,zi)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(bxj,byj,bzj)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(xi,yi,zi)的一个函数映射关系,消除了误差,获得较精确位置。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学,未经哈尔滨理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201710133596.6/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code