[发明专利]一种基于径向基函数网络的多楼层室内定位方法

权利要求书

1.一种基于径向基函数网络的多楼层室内定位方法，其特征在于，包括：

1)获取观测点的信号强度向量，并输入训练好的第一径向基函数网络，估计观测点所在楼层；

2)将观测点的信号强度向量输入其所在楼层对应的训练好的第二径向基函数网络，估计观测点的平面位置坐标；

其中，所述的第一径向基函数网络和第二径向基函数网络的获取过程包括：

在各楼层设置若干个参考点以及无线接入点，记录每个参考点的位置指纹，构建位置指纹样本数据库，所述的位置指纹包括物理坐标及对应的信号强度向量，所述的物理坐标包括楼层及平面位置坐标，所述的信号强度向量通过测量参考点处各个无线接入点的信号强度获取；

将参考点作为隐藏节点，构建第一径向基函数网络以及每个楼层对应的第二径向基函数网络；

利用位置指纹样本数据库训练第一径向基函数网络以及第二径向基函数网络；

所述的第一径向基函数网络以及第二径向基函数网络的训练过程包括：

a)根据位置指纹样本数据库初始化网络；

b)设置学习速率，根据位置指纹样本数据库计算损失函数；

c)计算网络参数修正值，根据修正值修正网络；

d)根据损失函数判断是否满足收敛条件，若是则结束，否则执行步骤b)；

所述的第一径向基函数网络的表达式为：

其中，X为信号强度向量，F_j为第j楼层，K_j为第j楼层的参考点个数，为第k个参考点的径向基函数，μ_k为第k个参考点的信号强度向量的向量均值，作为中心向量；

训练第一径向基函数网络的损失函数表达式为：

其中，y_j(Xⁱ)为第一径向基函数网络的第j个输出，i表示第i个输入，表示第i个输入样本的在第j个楼层的真实概率；

所述的径向基函数为高斯核函数，表达式为：

其中，σ_k为信号强度向量，为信号强度向量的方差，作为核宽度；

利用位置指纹样本数据库中的验证集样本{Xⁱ,i＝1,...,N}以及对应的楼层标签{qⁱ,i＝1,...,N}修正第一径向基函数网络中的μ_k和σ_k，所述的μ_k的修正值Δμ_k以及σ_k的修正值Δσ_k的计算公式为：

其中，j表示第i个样本所属的第j楼层，j'表示第k个参考点所属的第j'楼层，为第一径向基函数网络中μ_k的学习速率参数，为第一径向基函数网络中σ_k的学习速率参数，为信号强度向量的三次方；

所述的第二径向基函数网络的表达式为：

f₂(X)＝∑_k∈FL_kφ_k(X,F)

其中，L_k为第k个参考点的平面位置坐标，φ_k(X,F)为观测点位于第k个参考点上的概率，计算公式为：

训练第二径向基函数网络时的损失函数表达式为：

其中，为第i个样本对应的误差向量，y_j(Xⁱ)为第二径向基函数网络的第j个输出值，为第i个输入样本对应真实坐标的第j个分量；

利用位置指纹样本数据库中的验证集样本{Xⁱ,i＝1,...,N}和对应的位置标签{tⁱ,i＝1,...,N}修正第二径向基函数网络中的μ_k、σ_k以及L_k，所述的第二径向基函数网络中μ_k的修正值Δμ_k、σ_k的修正值Δσ_k以及L_k的修正值ΔL_k的计算公式为：

其中，L_kj为第k个参考点的平面位置坐标中的第j个元素，为第二径向基函数网络表达式中μ_k的学习速率参数，为第二径向基函数网络表达式中σ_k的学习速率参数。

2.根据权利要求1所述的一种基于径向基函数网络的多楼层室内定位方法，其特征在于，修正第一径向基函数网络和第二径向基函数网络时，选取网络中的部分隐藏节点进行更新。