基于BP神经网络的WiFi_地磁定位方法_杨朝永.pdf

第3 2卷第3期测 绘 工 程V o l.3 2N o.32 0 2 3年5月E n g i n e e r i n go fS u r v e y i n ga n dM a p p i n gM a y2 0 2 3D O I:1 0.1 9 3 4 9/j.c n k i.i s s n 1 0 0 6-7 9 4 9.2 0 2 3.0 3.0 0 3基于B P神经网络的W i F i/地磁定位方法杨朝永,赵冬青,贾晓雪,张乐添,赖路广,程振豪(信息工程大学,郑州4 5 0 0 0 1)摘 要:针对W i F i在室内定位中信号波动性较大、地磁指纹存在误匹配等问题,提出一种基于B P神经网络的W i F i/地磁融合定位方法。该方法通过Z-s c o r e标准化消除W i F i、地磁数据不同量纲级的影响,同时,选取T a n h函数替代S i g m o i d函数作为B P神经网络的激活函数,改善深度学习中梯度消失、梯度爆炸等问题。离线阶段,将处理后的W i F i、地磁数据作为输入层对改进的神经网络进行学习训练,在线阶段,将训练好的B P神经网络用于智能手机的定位。实验结果表明,文中提出的定位方式较单一传感器的定位方式整体定位精度提升约为1 4%。关键词:室内定位;B P神经网络;W i F i;地磁中图分类号:P 2 0 9;P 2 2 8 文献标识码:A 文章编号:1 0 0 6-7 9 4 9(2 0 2 3)0 3-0 0 1 4-0 5A n l o c a l i z a t i o nm e t h o db a s e do nB Pn e u r a l n e t w o r kc o m b i n i n gW i F i a n dg e o m a g n e t i s mYAN GC h a o y o n g,Z HAOD o n g q i n g,J I AX i a o x u e,Z HAN GL e t i a n,L A IL u g u a n g,CHE N GZ h e n h a o(I n f o r m a t i o nE n g i n e e r i n gU n i v e r s i t y,Z h e n g z h o u4 5 0 0 0 1,C h i n a)A b s t r a c t:A i m i n ga tt h ep r o b l e m so f W i F is i g n a lf l u c t u a t i o ni ni n d o o rp o s i t i o n i n ga n dt h em i s m a t c ho fg e o m a g n e t i c f i n g e r p r i n t s,t h i sp a p e rp r o p o s e saW i F i/g e o m a g n e t i c f u s i o np o s i t i o n i n gm e t h o db a s e do nB Pn e u r a ln e t w o r k.T h i s m e t h o d e l i m i n a t e st h ei n f l u e n c e o f d i f f e r e n t d i m e n s i o n l e v e l s o f W i F ia n dg e o m a g n e t i cd a t at h r o u g hZ-s c o r es t a n d a r d i z a t i o n.A tt h es a m et i m e,t h eT a n hf u n c t i o ni ss e l e c t e dt or e p l a c e t h eS i g m o i d f u n c t i o na s t h e a c t i v a t i o n f u n c t i o no f t h eB Pn e u r a l n e t w o r k t o i m p r o v e t h ep r o b l e m s o fg r a d i e n td i s a p p e a r a n c ea n dg r a d i e n te x p l o s i o ni nd e e pl e a r n i n g.I nt h eo f f l i n es t a g e,t h ep r o c e s s e d W i F ia n dg e o m a g n e t i cd a t aa r eu s e da st h e i n p u t l a y e rt ol e a r na n dt r a i nt h e i m p r o v e dn e u r a ln e t w o r k.I nt h eo n l i n es t a g e,t h e t r a i n e dB Pn e u r a ln e t w o r k i su s e df o rs m a r t p h o n ep o s i t i o n i n g.T h ee x p e r i m e n t a l r e s u l t ss h o wt h a t t h ep o s i t i o n i n gm e t h o dp r o p o s e d i n t h i sp a p e r i m p r o v e s t h eo v e r a l l p o s i t i o n i n ga c c u r a c yb ya b o u t1 4%c o m p a r e d w i t ht h e p o s i t i o n i n g m e t h o d b a s e d o n as i n g l es e n s o r,a n d h a s b e t t e r p o s i t i o n i n gp e r f o r m a n c e.K e yw o r d s:i n d o o rp o s i t i o n i n g;B Pn e u r a ln e t w o r k;W i F i;g e o m a g n e t i s m收稿日期:2 0 2 2-0 4-2 6基金项目:国家自然科学基金资助项目(4 1 7 7 4 0 3 7;4 2 1 0 4 0 3 3)第一作者简介:杨朝永(1 9 9 6-),男,硕士研究生通信作者简介:赵冬青(1 9 7 6-),男,教授,博士.随着导航定位与位置服务需求的增加,基于智能手机的室内定位技术得到快速发展,如W i F i定位1、音频定位2、射频识别3、磁场匹配4、行人航迹推算5(p e d e s t r i a nd e a dr e c k o n i n g,P D R)等。但是基于单一传感器的定位方式在技术成本、定位精度、稳定性等方面存在一定的缺点6-8,如W i F i定位信号易受干扰、地磁匹配空间分辨率不高等。针对单一传感器的不足,更多学者着眼于多源信息融合的定位技术。文献9 提出了W i F i辅助磁场匹配的定位方式,首先利用W i F i进行粗定位,并构造标准圆,然后在标准圆内利用地磁数据进行精确定位,该方法降低了W i F i信号多径效应等导致的误匹配率,提高了定位精度;文献1 0 采用高低阈值检测方法降低P D R步态检测误差,并利用无迹卡尔曼滤波融合W i F i和P D R定位结果,提高了定位算法的稳定性;文献1 1 利用W i F i信号通过随机采样一致性算法确定初始位置,然后利用地磁匹配结合自适应滤波修正P D R定位结果,有效克服了P D R累 积 误 差 等 问 题。上 述 研 究 均 是 通 过W i F i、地磁和P D R进行定位,并且初始位置一般由W i F i定位结果确定,但是W i F i信号的时变性容易导致初始位置出现较大误差,从而影响整体定位精度,且由于智能手机自带的加速度计、陀螺仪等传感器性能较差,导致P D R定位结果不理想。考虑到W i F i信号容易出现时变,地磁数据在短时间内较为稳定,但易出现误匹配等问题,本文将W i F i和地磁数据融合作为位置指纹的特征向量,并通过B P神经网络实现智能手机的定位,以提高定位性能。1 定位方法整体框架基于B P神经网络的W i F i/地磁融合定位方法主要分为数据的采集与预处理、神经网络模型的训练与实时定位3个部分。在数据的采集与预处理阶段,考虑到W i F i信号易受波动,而地磁信号在长时间内较为稳定,但也受环境变化的影响,因此首先将智能手机采集的W i F i、地磁数据进行均值滤波,然后对来自不同信号源的数据进行归一化处理,最后将预处理后的数据连同该特征向量对应的坐标存入指纹数据库;在神经网络模型的训练阶段,将归一化后的W i F i、地磁数据作为输入层,对应的实际坐标作为输出层,通过循环迭代,反复修正神经网络的权重和偏置项,直至满足精度要求或达到最大迭代次数;在实时定位阶段,将实时采集的数据代入训练好的神经网络模型中,求得该点实际的位置坐标。2 指纹库的构建位置指纹定位首先需要在离线阶段建立指纹数据库,而指纹库的质量对最终的定位结果起到决定性作用。W i F i的接收信号强度(r e c e i v e ds i g n a ls t r e n g t h i n d i c a t i o n,R S S I)受人体活动、传感器自身的局限性等因素的影响,在短期内容易出现时变,波动性较大1 2。而地磁数据所受的干扰主要来自于建筑结构,因此在长时间内可以保持相对稳定,但其空间分辨率较低,容易产生误匹配的情况1 3。文中选取W i F i、地磁的融合数据作为指纹序列构建指纹数据库。2.1 数据预处理智能手机提供了W i F i、地磁信号的采集接口,确保用户能够以一定的扫描频率进行数据采集。磁力计采集的地磁数据主要为X,Y,Z三轴地磁强度值和地磁模值,其采用的坐标系是以设备自身来确定的。当智能手机保持在某一方向时,其X轴为水平向右,Y轴为垂直向上,Z轴与X,Y轴构成右手直角坐标系。因此利用智能手机进行地磁测量时,不同位置的地磁强度值所属的坐标系难以保持统一,从而导致三轴地磁强度值出现较大误差。由于地磁模值是常量,文中选取地磁模值作为地磁测量值,设智能手机测得某一处的三维磁强度值为(mx,my,mz),则其模值为:m=m2x+m2y+m2z.(1)为了尽可能降低W i F i信号时变性及环境变化对地磁的影响,需要对采集的数据进行均值滤波。设定位区域共布设n个W i F i信号接入点(a c c e s sp o i n t,A P),则滤波后某点处的一个 指纹(f i n g e r-p r i n tp o s i t i o n,F P)为:F P=(x,y|r s si1,r s si2,r s s sin,m).(2)2.2 Z-s c o r e标准化为了加快B P神经网络的收敛速度,在进行学习训练之前需要对数据进行归一化处理,常用的归一化方式主要有m i n-m a x归一化与Z-s c o r e归一化。m i n-m a x归一化是对原始数据进行线性变换,又称为线性归一化,其转换函数为:x=x-m i nm a x-m i n.(3)其中,m a x,m i n分别为样本中数据的最大值、最小值。此种方法对原始数据进行线性变换后,其协方差也产生了倍数值的缩放,因此无法消除指标之间量纲的影响。在W i F i、地磁融合定 位中,文中将W i F i、地磁信号统一作为神经网络的输入层,必须将不同的信号源纳入同一数量级,且对于W i