本文關(guān)鍵詞：基于ESN的無線傳感網(wǎng)絡(luò)位置指紋定位方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：基于Wi-Fi(Wireless Fidelity,無線保真技術(shù))的位置指紋室內(nèi)定位方法能夠有效地解決GPS(Global Positioning System,全球定位系統(tǒng))信號傳播易受建筑物阻礙、定位技術(shù)價格昂貴等問題。目前,基于Wi-Fi的室內(nèi)定位方法中,KNN(k-Nearest Neighbors,k近鄰)、SVM(Support Vector Machine,支持向量機)等計算智能方法都具有較好的定位精度。ESN(Echo State Networks,回聲狀態(tài)網(wǎng)絡(luò))作為一種新型的RNN(Recurrent Neural Networks,遞歸神經(jīng)網(wǎng)絡(luò)),其SR(State Reservoir,狀態(tài)儲備池)具有特殊的ESP(Echo State Property,回聲狀態(tài)特性)性能,網(wǎng)絡(luò)訓(xùn)練時只需計算輸出權(quán)值,具有很強的動態(tài)的非線性逼近能力。研究了ESN網(wǎng)絡(luò)的正則化離線及RLS(Recursive Least Squares,遞歸最小二次)在線學(xué)習(xí)算法,并針對動態(tài)變化的室內(nèi)環(huán)境及時變的RSS(Received Signal Strength,接收信號強度)值影響定位精度的問題,給出一種基于ESN的室內(nèi)定位方法。在此基礎(chǔ)上,考慮對所有Wi-Fi AP(Access Point,接入點)測量的RSS值進(jìn)行特征提取的預(yù)處理技術(shù),給出另一種基于KPCA(Kernel Principal Components Analysis,核主成分分析)和ESN網(wǎng)絡(luò)相結(jié)合的室內(nèi)定位方法,即為KPCA-ESN定位方法,以進(jìn)一步提高對時變的RSS值的魯棒性及室內(nèi)定位的精度。研究主要包括如下幾個方面:(1)在ESN網(wǎng)絡(luò)基本理論基礎(chǔ)上,研究兩種ESN訓(xùn)練算法。第一,基于正則化離線學(xué)習(xí)算法的ESN方法;第二,基于RLS在線學(xué)習(xí)算法的ESN方法。同時,研究位置指紋定位的基本原理,分析傳統(tǒng)定位方法的定位性能,如目前精度較好的WKNN(Weighted k-Nearest Neighbors,加權(quán)k近鄰)、SVM等方法。(2)將所研究的兩種ESN方法與位置指紋定位模型相結(jié)合,得到兩種定位方法,包括基于正則化離線學(xué)習(xí)的ESN定位方法及基于RLS在線學(xué)習(xí)的ESN定位方法。將所給出的ESN方法應(yīng)用于仿真及物理環(huán)境的Wi-Fi室內(nèi)定位實例實驗中,在同等條件下,與WKNN、SVM、ELM(Extreme Learning Machine,極限學(xué)習(xí)機)等方法進(jìn)行比較。結(jié)果表明,ESN方法取得較好的定位精度,具有較好的環(huán)境適應(yīng)能力。(3)分析室內(nèi)環(huán)境的動態(tài)變化及接收信號強度值的時變特性,使用KPCA方法對RSS指紋信息進(jìn)行預(yù)處理,給出基于KPCA-ESN的定位方法。通過KPCA方法在特征空間有效提取模型輸入的非線性主元,在此基礎(chǔ)上,利用ESN的正則化離線及RLS在線學(xué)習(xí)算法構(gòu)建提取出的定位特征與物理位置之間的非線性映射關(guān)系。將所給出的定位方法應(yīng)用于室內(nèi)定位實驗中,結(jié)果表明,兩種KPCA-ESN定位方法能夠取得很好的定位精度,對不同室內(nèi)環(huán)境的變化及RSS值的時變性具有非常好的適應(yīng)能力。
【關(guān)鍵詞】：室內(nèi)定位 算法 Wi-Fi 回聲狀態(tài)網(wǎng)絡(luò) 核主成分分析 位置指紋
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP212.9;TN929.5
【目錄】：

• 摘要4-6
• Abstract6-10
• 1 緒論10-15
• 1.1 引言10-11
• 1.2 研究背景及意義11-12
• 1.3 國內(nèi)外研究現(xiàn)狀12-13
• 1.4 論文主要研究內(nèi)容13-15
• 2 位置指紋定位方法15-22
• 2.1 位置指紋的簡要介紹15
• 2.2 位置指紋定位原理15-16
• 2.3 主要指紋定位算法介紹16-21
• 2.3.1 WKNN定位方法16-18
• 2.3.2 SVM定位方法18-19
• 2.3.3 OS-ELM定位方法19-21
• 2.4 小結(jié)21-22
• 3 基于ESN網(wǎng)絡(luò)的定位方法22-43
• 3.1 ESN網(wǎng)絡(luò)22-24
• 3.2 ESN網(wǎng)絡(luò)學(xué)習(xí)算法24-28
• 3.2.1 離線學(xué)習(xí)算法24-26
• 3.2.2 在線學(xué)習(xí)算法26-28
• 3.3 ESN定位方法28-29
• 3.4 ESN方法在室內(nèi)定位中的應(yīng)用29-41
• 3.4.1 仿真實驗30-33
• 3.4.2 實例實驗一33-38
• 3.4.3 實例實驗二38-41
• 3.5 小結(jié)41-43
• 4 基于KPCA-ESN的室內(nèi)定位方法43-56
• 4.1 KPCA方法43-45
• 4.2 KPCA-ESN定位方法45-47
• 4.3 KPCA-ESN方法在室內(nèi)定位中的應(yīng)用47-55
• 4.3.1 仿真實驗47-49
• 4.3.2 實例實驗一49-54
• 4.3.3 實例實驗二54-55
• 4.4 小結(jié)55-56
• 結(jié)論56-57
• 致謝57-58
• 參考文獻(xiàn)58-61
• 攻讀學(xué)位期間的研究成果61

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳斌濤;劉任任;陳益強;劉軍發(fā);蔣鑫龍;劉定俊;;動態(tài)環(huán)境中的WiFi指紋自適應(yīng)室內(nèi)定位方法[J];傳感技術(shù)學(xué)報;2015年05期

2 張勇;黃杰;徐科宇;;基于PCA-LSSVR算法的WLAN室內(nèi)定位方法[J];儀器儀表學(xué)報;2015年02期

3 馮秀芳;呂淑芳;;基于RSSI和分步粒子群算法的無線傳感器網(wǎng)絡(luò)定位算法[J];控制與決策;2014年11期

4 張維;李文濤;王力;;基于接收信號強度的不同移動終端定位方法研究[J];西北工業(yè)大學(xué)學(xué)報;2014年03期

5 夏穎;馬琳;張中兆;周才發(fā);;基于半監(jiān)督流形學(xué)習(xí)的WLAN室內(nèi)定位算法[J];系統(tǒng)工程與電子技術(shù);2014年07期

6 劉雯;徐連明;李智峰;鄧中亮;;基于空域的網(wǎng)格匹配定位算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2014年03期

7 石欣;印愛民;陳曦;;基于RSSI的多維標(biāo)度室內(nèi)定位算法[J];儀器儀表學(xué)報;2014年02期

8 高鵬;石為人;周偉;王小剛;李洪兵;;基于圖論模糊聚類的室內(nèi)自適應(yīng)RSSI定位算法[J];儀器儀表學(xué)報;2013年09期

9 朱明強;侯建軍;劉穎;蘇軍峰;;基于尺度優(yōu)化IUKF濾波的室內(nèi)定位估計方法[J];北京郵電大學(xué)學(xué)報;2013年04期

10 張會清;石曉偉;鄧貴華;高學(xué)金;任明榮;;基于BP神經(jīng)網(wǎng)絡(luò)和泰勒級數(shù)的室內(nèi)定位算法研究[J];電子學(xué)報;2012年09期

  本文關(guān)鍵詞：基于ESN的無線傳感網(wǎng)絡(luò)位置指紋定位方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：303477