基于SAE-RF的三维UWB室内定位方法研究.pdf

该【基于SAE-RF的三维UWB室内定位方法研究 】是由【住儿】上传分享，文档一共【4】页，该文档可以免费在线阅读，需要了解更多关于【基于SAE-RF的三维UWB室内定位方法研究 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。万方数据
基于甊娜琔室内定位方法研究术甊李世银戽,刘媛江跸,,江苏徐州洗笱б瞧骺蒲в牍こ萄г海漳暇摘要:由于室内环境复杂多变,存在着严重的非视距和多径效应,利用传统的指纹定位技术会造成较大的定位误差。针对此问题,利用超宽带藕挪饩嘈畔⒆既贰⒉ǘ〉奶氐悖ú饩嘀底魑指纹量,提出一种基于稀疏自编码器胨婊嘟岷系娜夷诙ㄎ环椒ā@肧提取“呗嘲粜缘奶卣髦担ù颂卣髦底魑I疃壬窬回归网络的输入,得到目标点的估计定位坐标。针对环境变化导致的旧数据库无法匹配新采集指纹量的问题,利用测距值作为回归模型的输入对估计定位坐标进行定位误差修正。实验结果表明:提出的猂ㄎ环椒ㄓ肫渌肝贫ㄎ环法相比,更适合动态复杂的室内环境,定位精度更高。关键词:指纹定位;稀疏自编码器:随机森林:超宽带文献标识码:文章编号:———,随着社会的发展,无线通信的应用深入到人们生活工作的诸多方面,其中基于位置的服务集成了无线技术和定位技术,引起了人们广泛关注。室内定位技术成为当下的研究热点。,、功耗低等优点,基于氖夷诙ㄎ幌低持鸾セ竦萌嗣堑认可≯。夷诙ㄎ恢饕7治A嚼啵夯诓饬糠绞降亩ㄎ缓基于位置指纹的定位。但由于室内环境复杂多变,多径效应严重,测距过程容易产生误差,而基于指纹的ㄎ技术无需考虑测距误差,在非视距环境下仍然达到较好的定位精度,且不需额外布置设备,成本较低’。指纹定位分为离线建立数据库和在线匹配两个阶段,多采用机器学习的方法,同时,可根据输出是离散或连续而分为分类和回归一。中图分类号:籘琘.,,;;言琋鹣钅浚汗易匀豢蒲Щ鹱手钅恍熘葜氐阊蟹⒓苹手钅缁岱⒄;国家青年科学基金资助项目琙琇:收稿日期:珻,,甋琒:—,.,,甌猂.;
万方数据
,,,,,,,⋯,琍”稀疏自编码网络第李世银,等:基于猂娜琔室内定位方法研究罱,法且恢旨虻ゴ统的分类方法,通过计算指纹量与所有指纹的距离,选取距离最小的鲋肝频愣杂Φ奈恢们笃骄魑4饽标点的位置。加权罱琖口ǎ是囊恢指慕椒ǎ湓贙的基础上引人权重系数,通常距离越近的参考点的权重越大。但这两种方法存在以下问题:低ǔ2蝗范ǎ枰R揽烤檠∪。涸诟丛的环境下,接收信号的指纹量本身是非线性的,但距离是线性的;这些分类方法的结果是离散的,将使系统的定位精度受到一定程度的限制。支持向量机琒ü撕将输入空间映射到高维特征空间,最终在高维特征空间中构造出最优分离超平面。对于回归问题,支持向量机回归,。文献『捎层P进行定位实验分析,得到了较好的定位结果。文献『用自编码器珹预处理来提高室内定位的精度。但上述文献选取信号强度作为指纹量,,难以准确表示该点信息。,但指纹库并未更新时,利用旧指纹库将会增大定位误差,文献『肧模型,将参考点处信号强度及定位坐标作为模型输入,定位误差作为输⋯.找到两者的非线性关系,然后修正定位误差,使定位结果更加精确。但利用本身就带有误差的定位坐标作为模型输入,容易造成定位中的二次误差。基于此,本文利用饩嘈畔⒕贰⒉ǘ〉奶氐悖使用饩嘀底魑V肝屏浚⑻醘了一种基于稀疏白编码器琒岷纤婊,娜夷诙ㄎ环椒āJ紫壤肧提取出稳健的指纹特征值,然后将测距值作为模型的输入来进行误差修正。此前的室内定位研究,多是用于二维场景,通过实验构造了三维数据库,用于三维室内定位。相较于其他室内定位方法,达到了更高的定位精度。肝贫ㄎ凰惴枋由于室内环境中存在大量桌椅、墙壁等障碍物,并且常常伴随着人员走动,因此,存在着较为严重的误差以及多径效应。采用传统的三角测量将会具有较差的定位精度,所以本文提出的猂ㄎ环椒ú,具有明显的抗误差、抗多径的效果。指纹定位主要分为离线建立数据库阶段和在线匹配阶段:离线建立数据库阶段,将采集参考点处的指纹量与位置坐标存储在指纹库中。,选取相似度最大的位置指纹数据,并将该数据对应的坐标赋予目标点。离线建立一个位置坐标与指纹量一一对应的数据库是指纹定位的关键,一个典型的数据库可表示为式中J菘庵械淖懿慰嫉闶Ш蚉‘/“,呓,⋯,海琩:式中5趇个参考点接收到第鯱基站的指纹量,共有,。个尽4车闹肝贫ㄎ环椒ǘ嘌∪⌒藕徘慷戎作为指纹量,但藕诺牟饩嘈畔⒂胄藕徘慷戎迪啾雀确,波动更小,所以,。首先利用纾肝瓶庵械闹肝屏孔为模型输入,得到估计坐标,然后计算估计坐标与已知真实坐标的误差,待环境轻微变化后重新采集参考点处的指纹量,将其作为回归模型的输入来进行误差修正。,它的目标是使输⋯值尽可能等于输入值。
万方数据
础㈣瑁;号“卜U蚧睿珹为正则化系数;畎为神经网络中第愕趈西为第愕趇个神经元的平均激活度。拇酆!/。。。基于的误差修正实验环境搭建实验结果分析传感器与微系统第卷式中J淙胙咀苁簧鲜降谝幌钗>,本算法采用个神经单元与第愕趇个神经单元之间的权重:,需要增加隐藏神经单元数来达到特征提取的目的,。基于此,本文利用刑卣魈崛。,从而使用较少的激活神经单元来表示特征,稀疏约束项可写为式中R桓龊芙咏的稀疏性参数,一般设置为表示为式中口为稀疏惩罚项的惩罚系数。。并在编码器后加入全向连接的毓槟P停钪盏玫侥勘甑愕亩ㄎ坐标。为了防止由于数据量过少而引起的猂绻拟合,本文采用椒╗ü婊F恍┮经单元的权重或输『值来降低各层神经单元之间的依赖性,从而降低过拟合几率。。针对以上问题,本文利用回归模型做定位误差修正,以减轻环境变化对指纹定位的影响,如图尽离线建立数据库阶段,首先采集参考点处的饩值作为指纹量,与真实位置共同构建指纹库,将指纹量作为绲氖淙耄盗稴网络,得到估计位置坐标。,构建新的数据库。然后将新数据库中各个点处的测距值作为已经训练好的绲氖淙耄玫蕉ㄎ蛔甑墓兰浦担后计算估计值与已知真实值之间的误差。同样地,。在线匹配阶段,将于各个待测目标点处采集到的测距值作为已经训练好的绲氖淙耄玫焦兰贫ㄎ蛔辏然后将测距值作为训练好的同归模型的输入,计算定位误差。最后,用估计定位坐标减去定位误差便得到了最终定位结果。,实验区域为扛鐾翊笮∥.J笛槌【按嬖谥诙嘧酪巍⒌缒缘日诘参铮⑶..的三个高度,共霾慰嫉悖测试点。,将两者归一化映射到,如表尽6员攘秸叩姆讲詈捅曜疾羁芍#藕挪饩嘀到闲藕徘慷戎档牟ǘ。榷ǎ魑指纹量的可靠度更高。比较个测试点在绾蚐—算法上的总定位误差,对比结果如图尽4油可以看出来,算法能够有效地对绲亩ㄎ唤峁行拚ㄎ精度有明显的提升,同时也验证了本文提出的猂法可以很好地削弱环境变化对定位精度的影响。图硎静馐缘阍赟—算法、纭以及基于回归的定位误差修正模型表测距值与信号强度值波动对比要甊惴ㄓ隨网络定位误差对比图×.嗤趔删测试点序号縘‘
万方数据
第李世银,等:基于猂娜琔室内定位方法研究传统的算法上总定位误差的累计分布函数。从图中可以看出,.%,诘亩ㄎ痪ǘ却锏ィ通过计算,平均误差为:缭..内的定位精度分别是.%,.ィ骄蟛钗..较猂惴ㄏ啾认陆盗嗽ィ篋在诘亩ㄎ痪ǘ确直鹗ィィ椒轿蟛钗,较猂惴ㄏ啾认陆盗嗽ィ篠算法在与诘亩ㄎ痪ǘ确直鹗%,.%,—算法相比下降了约。与上述几种方法相比。本文提出的猂法在动态复杂的室内环境中具有最好的定位效果。最后,分析了基站数目对定位精度的影响,如图尽由于臼吭蕉啵肝屏堪男畔⒃蕉啵此,当基站数目达到最多时,算法的定位精度也达到最高。。首先利用藕挪饩嘈畔⒕准,。随后利用网络提取出较为稳健的指纹特征值,并得到估计定位坐标。最后加入回归模型,将测距值作为回归模型的输入,进而对估计定位坐标进行误差修正。削弱了环境变化对指纹定位的影响,并提高了定位精度。实验结果表明:本文提的方法与其它室内定位算法相比,具有更高的定位精度。参考文献:、鷗,邸⒖罂髏邸Ⅰ秢,;⒖髏户‘;ⅲ海弧痮ⅲ海畃弧ⅲ海⒖髈邸⒖罂髏户,;ⅲ海‘;鷒ⅲ畃、:⒖髈产,;’、岁;ⅲ海邸粆辖拥作者简介:岜崧陆倍罚疓组合定位方法的研究畔⑼ㄐ牛李威,叶焱,谢晋雄,『.青岛:,韩中豪,何玉美,⒐こ檀笱аПǎ:刘侃,张伟,张伟东,:.郭建,刘全景,:—,..李世银,,教授,博士研究生导师,,女,通信作者,硕士研究生,研究方向为室内『襞舴桑蛴昵纾踅ㄔ剩圻量┮欢谆羌桌陡春夏擅装修饰电极及电化学阻抗法测定聚阴离子阻垢剂『.分析科曹楚南,,女,硕士研究生,研究方向为磷酸盐检测杨慧中,女,通讯作者,博士,教授,博士研究生导师,主要从事水质参数在线监测技术及工业过程建模方向的研究工作。定位误差佃图煌惴ǘㄎ晃蟛畹腃比较图煌臼康腃比较山东大学..『洋大学,.学..技术,,瓹『.,:,,无线定位。.学学报,,,.技术。定位误差/琇珺甋,,..:.瓵