基于BP神经网络和改进质心算法的室内定位方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利(10)授权公告号(10)授权公告号CNCN102413564102413564B(45)授权公告日2014.07.23(21)申请号201110382344.X李瑛等.《一种基于BP神经网络的室内定位(22)申请日2011.11.25模型》.《计算技术与自动化》.2007,第26卷(第2期),全文.(73)专利权人北京工业大学审查员陈文军地址100124北京市朝阳区平乐园100号(72)发明人石晓伟张会清闫豪杰(74)专利代理机构北京思海天达知识产权代理有限公司11203代理人魏聿珠(51)Int.Cl.H04W64/00(2009.01)(56)对比文件CN101459870A,2009.06.17,全文.CN101815308A,2010.08.25,全文.US2005/0134456A1,2005.06.23,全文.US2010/0176940A1,2010.07.15,全文.权权利要求书1页利要求书1页说明书8页说明书8页附图4页附图4页(54)发明名称基于BP神经网络和改进质心算法的室内定位方法(57)摘要基于BP神经网络和改进质心算法的室内定位方法，属无线通信与智能控制领域。在室内环境下进行数据采集，记录并存储下实验时参考节点坐标、盲节点坐标、两者之间距离d以及相应的接收信号强度值RSSI；用接收信号强度RSSI与距离d去训练建立的BP神经网络；再用实际的接收信号强度值RSSI与对应的距离d值去训练并验证所建立的BP神经网络，得到一个函数；调用函数，得到参考节点与盲节点的距离d；得到三个以上与盲节点的距离d参考节点；取RSSI最强的三个参考节点，以距离d为半径得到三个圆；求出三个圆中两两圆心连心线与这两个圆周相交的两点得到六个点，求六个点的质心，即为盲节点的坐标；该方法定位更精确，简化了算法。CN102413564BCN1024356BCN102413564B权利要求书1/1页1.基于BP神经网络和改进质心算法的室内定位方法，其特征在于：定位系统主要有四部分组成：网关部分、参考节点、盲节点、监控部分；网关部分核心采用CC2430芯片或CC2431芯片,起着上通下达的作用，负责定位系统ZigBee网络的组建、新加入网络节点的地址分配、退出网络节点的删除、与上位机进行交互通信，网络各节点间通信与运维；参考节点由CC2430芯片或CC2431芯片组成，是位置已知坐标人为设置的一类静态节点，负责求出盲节点发送来的信号的接收信号强度值RSSI，并将此接收信号强度值RSSI返回给盲节点，以及节点间相互通信的中转站，参考节点不参与定位计算；盲节点由CC2431定位芯片组成，是位置待确定，可移动的节点，所述的定位方法最终是在盲节点内的CC2431芯片上完成的，盲节点在由参考节点形成的网络范围内移动，根据参考节点发送回的参考节点坐标值以及接收信号强RSSI，实现定位；监控部分由装有监控软件的上位机构成，通过串口与网关连接，将网关发送上来的盲节点定位信息、节点间通讯信息在界面上实时显示，另外将监控人员人为设置的一些参数通过网关发送给各个节点；所述的定位方法依次包括下述步骤：1）首先在室内环境下用上述定位系统进行数据采集，记录并存储下实验时参考节点坐标、盲节点坐标、两者之间距离d以及相应的接收信号强度值RSSI；2）确定BP神经网络模型并用上一步实验中所取得的接收信号强度RSSI与距离d去训练所建立的BP神经网络，以接收信号强度RSSI作为输入，相应的距离d作为输出去训练所建立的BP神经网络，并根据训练效果校正BP神经网络的各参数；所采用的BP神经网络为三层神经网络；在采用的三层神经网络中，隐含层的层数为1层，输入层和输出层的节点数目均为1，隐含层的节点数目为26，即采用1：26：1的BP神经网络结构，训练函数为traincgf算法,训练次数和目标误差分别设置为1000和0.001；3）用实际的接收信号强度值RSSI与对应的距离d值去反复训练并验证所建立的BP神经网络，将能反映RSSI-d关系的BP神经网络的各参数记录保存，并将其封装成一个固定的函数，该函数输入是接收信号强度RSSI，输出即为对应的距离d；4）在盲节点CC2431定位芯片中接收到参考节点发送来的接收信号强度RSSI后，调用上述函数，即可得到该参考节点与该盲节点的距离d；按此方法得到三个以上参考节点与盲节点的距离d，保存下这些距离d以及相应的接收信号强度和参考节点的位置坐标；5）根据参考节点与盲节点的位置关系可知，盲节点位于以参考节点坐标为圆心，以距离d为半径的圆环上，取其中接收信号强度RSSI最强的三个参考节点，就可以得到三个圆，盲节点的位置就在这三个圆的相交区域内；求出三个圆中两两圆心连心线与这两个圆周相交的两点，