[发明专利]基于改进的CPN-WLAN指纹定位数据库的定位方法

说明书

本发明涉及WLAN指纹室内定位技术，为通过对对传神经网络进行改进，提出一种给予改进的CPN的WLAN指纹定位数据库构建算法，降低WLAN指纹定位的离线阶段的工作量，本发明，基于改进的CPN‑WLAN指纹定位数据库的定位方法，步骤如下：步骤1：在需要进行定位的区域中选取实测参考点并进行数据的测量；步骤2：使用自编码器对参考点指纹信息进行降维；步骤3：构造合适的神经网络结构；步骤4：使用实测点测得的数据训练神经网络；步骤5：使用训练好的神经网络构建指纹定位数据库。本发明主要应用于WLAN指纹室内定位场合。

技术领域

本发明涉及WLAN指纹室内定位技术，具体讲,涉及基于改进的对传神经网络(Counter Propagation Network，CPN)的WLAN指纹定位数据库构建及定位方法。

背景技术

伴随着手机、平板电脑等智能移动终端的快速发展，基于位置的服务(LocationBased Service，LBS)增长很快，尤其是室内定位需求增长很快。现阶段基于室内定位的方法主要包括射频识别(Radio Frequency Identification,RFID)、蓝牙(Bluetooth，BT)、无线局域网(Wireless Local Area Networks,WLAN)、Zigbee和超宽带无线电(Ultra WideBand,UWB)等方案。由于不需要额外设备、成本较低等优势使得WLAN指纹定位技术得到了社会广泛的认可。然而由于在离线阶段需要对大量参考点(Reference Point，RP)进行测量，耗费人力物力，使得WLAN指纹定位技术的普及存在一定的难度。

对于离线阶段数据库的建立，目前主要有以下解决方法：

通过统计信号特征，剔除非必要的RP，降低在线阶段的计算复杂度；通过设计平滑过滤器和加尾过滤器，使用少量RP扩充指纹定位数据库，但应用场景较为有限；缩短RP的信号采集时间，使用kriging插值构建指纹定位数据库，但并未实质上减少离线阶段工作量；将神经网络应用于预测未知RP的RSS(Received Signal Strength，接收信号强度)指纹，减少离线阶段工作量，但只适用于对精度要求较低的情况；通过终端持有者主动提交指纹信息的方法构建数据库，但是仍然需要将其作为额外任务来做；通过运用群智感知的理念，让用户不需特别关注即可完成对指纹信息的采集，但存在隐私信息泄露的风险；利用神经网络减少离线阶段测量面积，减轻工作负荷，但定位效果不佳。

针对上述问题，并且为了降低离线阶段工作量，对WLAN指纹定位数据库的构建提出了新的更高的要求。基于此，开展了对WLAN指纹定位数据库构建算法的研究。

发明内容

为克服现有技术的不足，本发明旨在通过对对传神经网络(Counter PropagationNetwork，CPN)进行改进，提出一种给予改进的CPN的WLAN指纹定位数据库构建算法，降低WLAN指纹定位的离线阶段的工作量。为此，本发明采取的技术方案是，基于改进的CPN-WLAN指纹定位数据库的定位方法，步骤如下：

步骤1：在需要进行定位的区域中选取实测参考点并进行数据的测量

在待定位区中大致均匀的选取实测参考点，测量其位置坐标和RSS指纹，实测参考点数量应明显少于参考点的总数，减少离线阶段工作量；

步骤2：使用自编码器对参考点指纹信息进行降维

(1)构造合适的自编码器，将自编码器的输入层和输出层神经元数量设置为与待定位区内的接入点AP(Access Point)数量相同，隐藏层神经元数量设置为64个；

(2)将参考点指纹数据输入自编码器进行迭代训练。

步骤3：构造合适的神经网络结构

(1)修改对传神经网络CPN的输入层，将神经元数量设置为二维空间坐标与自编码器隐藏层神经元数量之和；