專利名稱：Wlan室內(nèi)分步式rd-anfis定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種模式識別領(lǐng)域中的模糊聚類型ANFIS室內(nèi)定位方法，具體涉及 WLAN室內(nèi)定位方法。
背景技術(shù)：
隨著人們對環(huán)境感知需求的增加，以及短距離無線電通信技術(shù)的發(fā)展和新業(yè)務(wù)需 求的不斷增多，基于位置服務(wù)LBS (LocationBasedServices)的應(yīng)用與需求越來越受到人 們廣泛的關(guān)注。如緊急救援，目標(biāo)搜索與跟蹤，資源探測，智能向?qū)Ш臀镔Y管理等各種軍用 和民用服務(wù)方面。雖然全球定位系統(tǒng)GPS (GlobalPositioningSystem)和蜂窩系統(tǒng)在理論 研究和實(shí)踐應(yīng)用方面均比較成熟，且能提供室外較高的定位精度；但在室內(nèi)或高樓密布的 遮蔽環(huán)境下，由于信號非視距傳播所造成的嚴(yán)重衰落現(xiàn)象和多徑效應(yīng)，使得GPS三球交會 和蜂窩三角定位法的應(yīng)用受到了極大的限制。此外，對于部分基于無線傳感器網(wǎng)絡(luò)WSN (WirelessSensorNetwork)、紅外IR (InfraredRay)、超聲波UW (UltrasonicWave)、藍(lán)牙 Bluetooth、射頻 ID、Zigbee 和超寬帶 UWB (UltraffideBand)等技術(shù)的室內(nèi)定位系統(tǒng)，由于特殊定位設(shè)備配置所帶來的經(jīng)濟(jì)和時 間開銷，以及存在的嚴(yán)重非直射路徑衰減和較小覆蓋范圍等缺陷，限制了這些定位系統(tǒng)在 人們生活中的廣泛應(yīng)用。相反，無線局域網(wǎng)WLAN (WirelessLocalAreaNetwork)的普及和 2. 4GHzISM免注冊頻段的開放，使得WLAN室內(nèi)定位技術(shù)得到了廣泛的研究與發(fā)展。此外，20世紀(jì)末發(fā)展起來的WLAN技術(shù)是計(jì)算機(jī)網(wǎng)絡(luò)與無線通信技術(shù)相結(jié)合的產(chǎn) 物，它利用射頻傳輸技術(shù)進(jìn)行數(shù)據(jù)的傳送，為用戶提供無線寬帶接入服務(wù)。WLAN的發(fā)展，解 決了有線網(wǎng)絡(luò)布線困難的問題，打破了寬帶接入的地域限制，滿足了用戶移動數(shù)據(jù)通信的 需要，實(shí)現(xiàn)數(shù)據(jù)通信的移動化、漫游化和寬帶化。另外，可移動性和較低網(wǎng)絡(luò)成本是WLAN 技術(shù)的主要核心優(yōu)勢。前者使得用戶在使用便攜式電腦和數(shù)據(jù)采集器等設(shè)備的同時，能任 意地變換終端位置，這極大地方便了工作時需不斷移動位置的人員，相對有線網(wǎng)絡(luò)的固定 接入特點(diǎn)來說更為方便；對于后者，由于在通信網(wǎng)絡(luò)建設(shè)中，網(wǎng)絡(luò)布線是一筆較大的經(jīng)濟(jì)開 銷，且有些地方施工會比較困難，而WLAN網(wǎng)絡(luò)無需布線，因此，組網(wǎng)成本可以得到大幅度的 降低。然而，在WLAN室內(nèi)環(huán)境下，往往因?yàn)槟繕?biāo)定位區(qū)域過大、模式過于復(fù)雜，會導(dǎo)致 ANFIS系統(tǒng)容易產(chǎn)生過匹配現(xiàn)象、環(huán)境適應(yīng)性降低且定位精度不盡理想，因此還需進(jìn)一步改 進(jìn)。其中，ANFIS 為 AdaptiveNetworkbasedFuzzylnferenceSystem 的縮寫，譯為自適應(yīng)神 經(jīng)模糊推理。

發(fā)明內(nèi)容
本發(fā)明的目的是解決在WLAN室內(nèi)環(huán)境下，由于目標(biāo)定位區(qū)域較大、模式復(fù)雜而 導(dǎo)致ANFIS系統(tǒng)容易產(chǎn)生過匹配現(xiàn)象、環(huán)境適應(yīng)性降低且定位精度差的問題，提供了一種WLAN室內(nèi)分步式RD-ANFIS定位方法。WLAN室內(nèi)分步式RD-ANFIS定位方法，它的具體過程如下
步驟一、確定WLAN室內(nèi)環(huán)境下的目標(biāo)定位區(qū)域，根據(jù)WLAN無線AP發(fā)射信號的覆蓋范 圍和目標(biāo)定位區(qū)域的面積，確定AP、RP和測試點(diǎn)的位置，使每個RP處均能采集到至少來自 一個AP的信號SNR值；
步驟二、建立二維坐標(biāo)系，得到每個RP的二維位置坐標(biāo)，并在離線定位階段，將每個RP 處采集的來自不同AP的瞬時信號強(qiáng)度值，作為位置指紋數(shù)據(jù)庫中的WLAN信號強(qiáng)度指紋樣 本進(jìn)行存儲；
步驟三、利用FCM聚類技術(shù)，將目標(biāo)定位區(qū)域分割為若干相鄰、連通的子區(qū)域； 步驟四、利用模糊減法聚類方法，對每個子區(qū)域中的WLAN信號強(qiáng)度指紋樣本進(jìn)行分 類，對每個子區(qū)域分別建立相應(yīng)的初始模糊推理準(zhǔn)則；
步驟五、將所述信號強(qiáng)度指紋樣本作為ANFIS系統(tǒng)的輸入訓(xùn)練樣本，將與所述信號強(qiáng) 度指紋樣本對應(yīng)的各個RP的二維位置坐標(biāo)作為ANFIS系統(tǒng)的輸出訓(xùn)練樣本，對所述初始模 糊推理準(zhǔn)則進(jìn)行迭代優(yōu)化訓(xùn)練，進(jìn)而完成對每個子區(qū)域ANFIS系統(tǒng)的建立；
步驟六、在在線定位階段，對定位終端的所在區(qū)域進(jìn)行預(yù)估計(jì)，獲得定位終端的初步位 置估計(jì)區(qū)域；
步驟七、將定位終端處采集的信號強(qiáng)度均值作為所述初步位置估計(jì)區(qū)域的ANFIS系統(tǒng) 的輸入值，進(jìn)而計(jì)算獲得定位終端的精確位置坐標(biāo)估計(jì)。本發(fā)明的WLAN室內(nèi)分步式RD-ANFIS定位方法，可以有效解決在WLAN室內(nèi)環(huán)境 下，由于目標(biāo)定位區(qū)域較大，模式過于復(fù)雜，ANFIS系統(tǒng)容易產(chǎn)生過匹配現(xiàn)象、環(huán)境適應(yīng)性降 低且定位精度不盡理想的問題。


圖1是WLAN室內(nèi)環(huán)境示意圖；圖2是目標(biāo)定位區(qū)域及AP放置位置示意圖；圖3是 位置指紋數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)示意圖；圖4是ANFIS系統(tǒng)的拓?fù)浣Y(jié)構(gòu)圖；圖5是區(qū)域分割數(shù)目 為2時，利用FCM聚類方法得到的區(qū)域分割結(jié)果示意圖；圖6是區(qū)域分割數(shù)目為3時，利用 FCM聚類方法得到的區(qū)域分割結(jié)果示意圖；圖7是區(qū)域分割數(shù)目為4時，利用FCM聚類方法 得到的區(qū)域分割結(jié)果示意圖；圖8是區(qū)域分割數(shù)目為5時，利用FCM聚類方法得到的區(qū)域分 割結(jié)果示意圖；圖9是迭代次數(shù)為50條件下的ANFIS系統(tǒng)的定位誤差圖；圖10是迭代次數(shù) 為100條件下的ANFIS系統(tǒng)的定位誤差圖；圖11是迭代次數(shù)為200條件下的ANFIS系統(tǒng)的 定位誤差圖；圖12是迭代次數(shù)為500條件下的ANFIS系統(tǒng)的定位誤差圖；圖13是本發(fā)明的 WLAN室內(nèi)分步式RD-ANFIS定位方法的流程圖。
具體實(shí)施例方式具體實(shí)施方式
一結(jié)合圖13說明本實(shí)施方式，本實(shí)施方式的WLAN室內(nèi)分步式 RD-ANFIS定位方法，它的具體過程如下
步驟一、確定WLAN室內(nèi)環(huán)境下的目標(biāo)定位區(qū)域，根據(jù)WLAN無線AP發(fā)射信號的覆 蓋范圍和目標(biāo)定位區(qū)域的面積，確定AP、RP和測試點(diǎn)的位置，使每個RP處均能采集到 至少來自一個AP的信號SNR值；其中，AP為AccessPoint的縮寫，它表示接入點(diǎn)；RP為
7ReferencePoint的縮寫，它表示目標(biāo)定位區(qū)域內(nèi)預(yù)先標(biāo)記的參考點(diǎn)；RP采集的信號功率應(yīng) 大于接收端網(wǎng)卡的靈敏度；SNR值即為信噪比，全稱為SignaltoNoiseRatio ；
步驟二、建立二維坐標(biāo)系，得到每個RP的二維位置坐標(biāo)，并在離線定位階段，將每個RP 處采集的來自不同AP的瞬時信號強(qiáng)度值，作為位置指紋數(shù)據(jù)庫中的WLAN信號強(qiáng)度指紋樣 本進(jìn)行存儲；其中，所述WLAN信號強(qiáng)度指紋樣本，用于ANFIS系統(tǒng)的迭代訓(xùn)練和模糊規(guī)則建 立；所述二維坐標(biāo)系參見圖2，所述位置指紋數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)如圖3所示；
步驟三、利用FCM聚類技術(shù)，將目標(biāo)定位區(qū)域分割為若干相鄰、連通的子區(qū)域，即同一 類樣本所對應(yīng)的RP位置歸為同一子區(qū)域；其中，子區(qū)域的個數(shù)需滿足RP的連通性條件；
步驟四、利用模糊減法聚類方法，對每個子區(qū)域中的WLAN信號強(qiáng)度指紋樣本進(jìn)行分 類，對每個子區(qū)域分別建立相應(yīng)的初始模糊推理準(zhǔn)則；
步驟五、將所述信號強(qiáng)度指紋樣本作為ANFIS系統(tǒng)的輸入訓(xùn)練樣本，將與所述信號強(qiáng) 度指紋樣本對應(yīng)的各個RP的二維位置坐標(biāo)作為ANFIS系統(tǒng)的輸出訓(xùn)練樣本，對所述初始模 糊推理準(zhǔn)則進(jìn)行迭代優(yōu)化訓(xùn)練，進(jìn)而完成對每個子區(qū)域ANFIS系統(tǒng)的建立；其中，ANFIS系 統(tǒng)的拓?fù)浣Y(jié)構(gòu)如圖4所示；
步驟六、在在線定位階段，對定位終端的所在區(qū)域進(jìn)行預(yù)估計(jì)，獲得定位終端的初步位 置估計(jì)區(qū)域；
步驟七、將定位終端處采集的信號強(qiáng)度均值作為所述初步位置估計(jì)區(qū)域的ANFIS系統(tǒng) 的輸入值，進(jìn)而計(jì)算獲得定位終端的精確位置坐標(biāo)估計(jì)。其中，RD為RegionDivision的縮寫，中文意思為區(qū)域分割。本發(fā)明的WLAN室內(nèi)分 步式RD-ANFIS定位方法，包括離線和在線定位兩個階段，在離線階段，首先根據(jù)FCM聚類技 術(shù)，將目標(biāo)定位區(qū)域分割為若干相鄰、連通子區(qū)域，且具有相似SNR分布特性的RP屬于同一 子區(qū)域，從而將ANFIS系統(tǒng)的訓(xùn)練限制在較小的定位區(qū)域，以保證了模式的單一和集中；然 后，利用模糊減法聚類方法，得到每個連通子區(qū)域的初始模糊推理準(zhǔn)則，并將每個RP處采 集到的SNR樣本與所對應(yīng)的平面二維坐標(biāo)，作為ANFIS系統(tǒng)中隸屬度函數(shù)參數(shù)的迭代訓(xùn)練 樣本，完成對每個子區(qū)域的ANFIS定位系統(tǒng)的建立；最后，在在線階段，通過比較定位終端 處采集的SNR樣本均值與不同聚類中心的歐幾里得距離，選擇具有最小距離的聚類中心所 屬區(qū)域，作為定位終端位置的預(yù)估計(jì)區(qū)域，進(jìn)而，利用該區(qū)域的ANFIS定位系統(tǒng)實(shí)現(xiàn)對位置 的精確坐標(biāo)估計(jì)。本發(fā)明可以有效解決在WLAN室內(nèi)環(huán)境下，由于目標(biāo)定位區(qū)域較大，模式 過于復(fù)雜，ANFIS系統(tǒng)容易產(chǎn)生過匹配現(xiàn)象、環(huán)境適應(yīng)性降低且定位精度不盡理想的問題。
具體實(shí)施方式
二 本實(shí)施方式是對實(shí)施方式一的WLAN室內(nèi)分步式RD-ANFIS定位 方法的進(jìn)一步說明，步驟三所述內(nèi)容的具體過程為
根據(jù)FCM聚類方法，利用模糊分類矩陣，對WLAN信號強(qiáng)度指紋樣本進(jìn)行分類；所述模
糊分類矩陣為,=[w.,] , w^ e
表示信號強(qiáng)度指紋樣本的 集合，且 表示第j個信號強(qiáng)度指紋樣本 ’表示加權(quán)指數(shù)；I滅表示S行X S列的
單位陣； 為第j個信號強(qiáng)度指紋樣本與第i個子區(qū)域模糊聚類中心的歐幾里得距離； FCM方法的約束優(yōu)化目標(biāo)函數(shù)如公式二
利用拉格朗日乘數(shù)法，使上式中的目標(biāo)函數(shù)T (ff, V)取得最小值，需要滿足公式J
計(jì)算獲得第J‘個信號強(qiáng)度指紋樣本對第i個模糊聚類中心的隸屬度，i=l, 2， j=l，2，…，S，參見公式四
其中，Jj. = { < < Cf β = θ} , Ij = {1, --、C}~ Ij ； Φ 表示空集； 當(dāng)?shù)贘個信號強(qiáng)度指紋樣本對第i個模糊聚類中心具有最大隸屬度時，即 w^ = max{wJi r=l C^時，定義第J個信號強(qiáng)度指紋樣本所對應(yīng)的RP位置歸屬第
i個子區(qū)域，進(jìn)而可獲得多個相鄰、連通的子區(qū)域； 其中，聚類中心 由公式五獲得 具體實(shí)施方式
三本實(shí)施方式是對實(shí)施方式一或二的WLAN室內(nèi)分步式RD-ANFIS 定位方法的進(jìn)一步說明，步驟四所述內(nèi)容的具體過程為
每個信號強(qiáng)度指紋樣本的密度函數(shù)Dy如公式六所示
公式六
其中，為一個正的常數(shù)，它表示指數(shù)型函數(shù)的曲率；表示聚類中心的有
效區(qū)域；
根據(jù)公式六，令具有最大密度值的信號強(qiáng)度指紋樣本作為第1個模糊聚類中心； 然后進(jìn)行迭代計(jì)算，并令η. 表示第k-1次迭代時信號強(qiáng)度指紋樣本…的密度值，
表示第k個模糊聚類中心的密度值，根據(jù)公式七獲得第k次迭代時信號強(qiáng)度指紋樣
本Oi的密度值η.ρ + l)，其中i=l，2，."，S，即
公式七
其中，
; #為控制因子，且# = 1_23，它用于保證不同模糊聚類中心具有較大的差異性；
然后令第k次迭代時、具有最大密度值的信號強(qiáng)度指紋樣本，作為第k+1個模糊聚類中
心；
當(dāng)滿足終止條件時，停止迭代計(jì)算，所述終止條件為
其中0力常數(shù)，且；
設(shè)目標(biāo)定位區(qū)域中存在#個々 ，則經(jīng)過上述迭代過程后，將得到r個模糊聚類
，r，且所述r個聚類中心對應(yīng)的空間位置坐標(biāo)為分別為
以< 為中心、寬度為#=10dB的等腰三角型函數(shù)，其中
,，利用模糊減法聚類方法，則可得到每個子區(qū)域分別
建立相應(yīng)的初始模糊推理準(zhǔn)則如表一所示 表1
中心
令隸屬度函數(shù)的形式為 具體實(shí)施方式
四本實(shí)施方式是對實(shí)施方式一、二或三的WLAN室內(nèi)分步式 RD-ANFIS定位方法的進(jìn)一步說明，步驟六所述內(nèi)容的具體過程為
在在線定位階段，采集并獲得各個AP處的信號強(qiáng)度指紋樣本，計(jì)算得到采集到的各個
AP處的信號強(qiáng)度指紋樣本的均值然后再根據(jù)公式八，計(jì)算并獲得所述均值與
每個聚類中心的距離
其中，=Rr為定位終端處采集到的瞬時信號SNR樣本總數(shù)，
Giew^為在定位終端處，采集到的第m個信號瞬時SNR樣本，K為第i個子區(qū)域的模糊聚類中心,Ickc為C行X C列的單位陣，r為模糊聚類中心的個數(shù)；
則令距離最小的一個聚類中心所屬區(qū)域，作為定位終端的初步位置估計(jì)區(qū)域。本發(fā)明的WLAN室內(nèi)環(huán)境示意圖如圖1所示，得到的目標(biāo)定位區(qū)域及AP放置位置 示意圖如圖2所示，該目標(biāo)定位區(qū)域形狀規(guī)整，且在區(qū)域中的任意位置，均能檢測到至少來 自5個不同AP的WLAN信號SNR值。圖1中WLAN室內(nèi)環(huán)境面積為66. 4X 24. 9m2，層高3m， 磚質(zhì)墻面，鋁合金窗戶和金屬門，9個AP放置在同一樓層，所述9個AP分別為API、AP2、 AP3、AP4、AP5、AP6、AP7、AP8 和 AP9, Nr. 01、Nr. 02、Nr. 03、Nr. 04、Nr. 05、Nr. 06、Nr. 07、 Nr. 08及Nr. 09分別為9個房間的編號，AP選擇為LinksysWAP54G，固定在2m高度，支持 IEEE802. lla/b/g 標(biāo)準(zhǔn)，傳輸速率為 54Mbps，定位終端為裝有 IntelPR0/Wireless3945ABG 無線網(wǎng)卡的ASUSA8F筆記本電腦，距離地面1. 2m。圖2中包含72個RP點(diǎn)和56個測試點(diǎn)，
且每個測試點(diǎn)位于鄰近4個RP的幾何位置中心，點(diǎn)“X”為RP位置，點(diǎn)“ # ”為測試點(diǎn)位置，
在每個RP和AP處，分別進(jìn)行3分鐘和1分鐘的WLAN信號采集，獲得的原始的WLAN信號強(qiáng) 度指紋樣本的數(shù)據(jù)結(jié)構(gòu)如表2所示。圖3是位置指紋數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)示意圖，其中Ql為位置指紋數(shù)據(jù)庫，Q2為WLAN 信號強(qiáng)度指紋樣本，&1，71)、&2，72)、(13，73)、(14，74)分別為各個參考點(diǎn)的二維位置坐 標(biāo)。圖4是ANFIS系統(tǒng)的拓?fù)浣Y(jié)構(gòu)圖，根據(jù)具體實(shí)施方式
三，對于第/7個聚類中心， 為 I =I5 N; P =If r表示#維信號強(qiáng)度樣本關(guān)于第1維分量的隸屬度函數(shù)中
心； ’ 1 =1，…，N ’ P=1，r表示#維信號強(qiáng)度樣本的第1維分量對于第/7個
N
聚類中心的隸屬度；Λ1 n=1…『等于奴的乘積，即約
；為 的歸一化形式，即約—+ 'p~ ‘…’r ；反模糊化過
程即為得到X和Y方向估計(jì)位置坐標(biāo),ν其中， -Σ^Ο& ^+Ιι^ + ρ)且
均為該ANFIS 定位系
統(tǒng)預(yù)先設(shè)定的線性變換參數(shù)，最初設(shè)定的參數(shù)值不一定為系統(tǒng)最優(yōu)值，需要利用第1層的 ANN系統(tǒng)進(jìn)行迭代訓(xùn)練修正；此外，第1層的ANN系統(tǒng)采用三層前饋型BP人工神經(jīng)網(wǎng)絡(luò)，實(shí) 現(xiàn)對線性變換參數(shù)的訓(xùn)練，從而得到使得定位誤差最小的最優(yōu)線性變換參數(shù)。圖5至圖8給出了利用FCM聚類方法得到的定位區(qū)域分割結(jié)果，其中圖5至圖8中區(qū)域分割數(shù)目分別為2個、3個、4個和5個，其中Dl、D2、D3、D4和D5分別為第一區(qū)域、 第二區(qū)域、第三區(qū)域、第四區(qū)域和第五區(qū)域；實(shí)驗(yàn)證明，當(dāng)區(qū)域分割數(shù)目大于4時，將不能保 證同一子區(qū)域內(nèi)參考點(diǎn)位置的連通性，即連通性條件不能滿足，例如圖8。圖9至圖12給出了在不同訓(xùn)練迭代次數(shù)條件下的ANFIS系統(tǒng)的定位誤差，其中， 圖9至圖12相應(yīng)的迭代次數(shù)分別為1=50、1=100、^=200和左=500 ；由圖可見，當(dāng)?shù)螖?shù) 々=100時，ANFIS系統(tǒng)的定位性能達(dá)到最優(yōu)；而當(dāng)i=500時，人工神經(jīng)網(wǎng)絡(luò)對隸屬度函數(shù)的訓(xùn) 練出現(xiàn)過匹配現(xiàn)象，從而使得ANFIS系統(tǒng)的定位精度急劇惡化。因此，在實(shí)際ANFIS系統(tǒng)的 建立過程中，應(yīng)盡量保證系統(tǒng)的泛化能力，如采用基于遺傳算法優(yōu)化的人工神經(jīng)網(wǎng)絡(luò)來對 系統(tǒng)進(jìn)行訓(xùn)練，實(shí)現(xiàn)對最優(yōu)解的全局遍歷，避免隸屬度函數(shù)參數(shù)陷入局部最優(yōu)的情況。表權(quán)利要求
WLAN室內(nèi)分步式RD-ANFIS定位方法，其特征在于它的具體過程如下步驟一、確定WLAN室內(nèi)環(huán)境下的目標(biāo)定位區(qū)域，根據(jù)WLAN無線AP發(fā)射信號的覆蓋范圍和目標(biāo)定位區(qū)域的面積，確定AP、RP和測試點(diǎn)的位置，使每個RP處均能采集到至少來自一個AP的信號SNR值；步驟二、建立二維坐標(biāo)系，得到每個RP的二維位置坐標(biāo)，并在離線定位階段，將每個RP處采集的來自不同AP的瞬時信號強(qiáng)度值，作為位置指紋數(shù)據(jù)庫中的WLAN信號強(qiáng)度指紋樣本進(jìn)行存儲； 步驟三、利用FCM聚類技術(shù)，將目標(biāo)定位區(qū)域分割為若干相鄰、連通的子區(qū)域；步驟四、利用模糊減法聚類方法，對每個子區(qū)域中的WLAN信號強(qiáng)度指紋樣本進(jìn)行分類，對每個子區(qū)域分別建立相應(yīng)的初始模糊推理準(zhǔn)則；步驟五、將所述信號強(qiáng)度指紋樣本作為ANFIS系統(tǒng)的輸入訓(xùn)練樣本，將與所述信號強(qiáng)度指紋樣本對應(yīng)的各個RP的二維位置坐標(biāo)作為ANFIS系統(tǒng)的輸出訓(xùn)練樣本，對所述初始模糊推理準(zhǔn)則進(jìn)行迭代優(yōu)化訓(xùn)練，進(jìn)而完成對每個子區(qū)域ANFIS系統(tǒng)的建立；步驟六、在在線定位階段，對定位終端的所在區(qū)域進(jìn)行預(yù)估計(jì)，獲得定位終端的初步位置估計(jì)區(qū)域；步驟七、將定位終端處采集的信號強(qiáng)度均值作為所述初步位置估計(jì)區(qū)域的ANFIS系統(tǒng)的輸入值，進(jìn)而計(jì)算獲得定位終端的精確位置坐標(biāo)估計(jì)。
2.根據(jù)權(quán)利要求1所述的WLAN室內(nèi)分步式RD-ANFIS定位方法，其特征在于步驟三所 述內(nèi)容的具體過程為根據(jù)FCM聚類方法，利用模糊分類矩陣，對WLAN信號強(qiáng)度指紋樣本進(jìn)行分類；所述模糊分類矩陣為W = [wj，，其中j為元素W力.在矩陣ff中的行序數(shù)，i為元素在矩陣, 中的列序數(shù)；通過對模糊聚類中心的迭代修正，使目標(biāo)函數(shù)T(W，V)最小化，T(W，V)的定義如下 其中，S為信號強(qiáng)度指紋樣本的個數(shù)，C為模糊聚類中心的個數(shù);『=表示模糊聚類中心的集合，且V,.表示第i個子區(qū)域的模糊聚類中心；0 = 1表示信號強(qiáng)度指紋樣本的 IL * ^集合，且表示第j個信號強(qiáng)度指紋樣本^ Jf表示加權(quán)指數(shù)表示S行XS列的單位陣身,,■為第j個信號強(qiáng)度指紋樣本與第i個子區(qū)域模糊聚類中心的歐幾里得距離；FCM方法的約束優(yōu)化目標(biāo)函數(shù)如下 利用拉格朗日乘數(shù)法，使上式中的目標(biāo)函數(shù)T (ff, V)取得最小值，需要滿足下式 其中，F(xiàn)表示拉格朗日乘數(shù)法的優(yōu)化目標(biāo)函數(shù)，\表示拉格朗日乘子；計(jì)算獲得第J‘個信號強(qiáng)度指紋樣本對第i個模糊聚類中心的隸屬度11^, i=l，2，j=l，2，...，S，如 其中力 廣表示空集；當(dāng)?shù)贘個信號強(qiáng)度指紋樣本對第i個模糊聚類中心具有最大隸屬度時，即 時，定義第j 個信號強(qiáng)度指紋樣本所對應(yīng)的rp位置歸屬第i個子區(qū)域，進(jìn)而獲得多個相鄰、連通的子區(qū)域； 其中，聚類中心V，■由下式獲得
3.根據(jù)權(quán)利要求1所述的WLAN室內(nèi)分步式RD-ANFIS定位方法，其特征在于步驟四所 述內(nèi)容的具體過程為每個信號強(qiáng)度指紋樣本的密度函數(shù)如下式所示 ,j=l, 2，…，S ；其中，為一個正的常數(shù)，它表示指數(shù)型函數(shù)的曲率…表示聚類中心的有 y V￥/ f <2效區(qū)域；令具有最大密度值的信號強(qiáng)度指紋樣本作為第1個模糊聚類中心；然后進(jìn)行迭代計(jì)算，并令(t)表示第k-i次迭代時信號強(qiáng)度指紋樣本的密度值，D* (k)表示第k個模糊聚類中心的密度值，根據(jù)下式Dt (!: + !)= Di D* {k)獲得第k次迭代時信號強(qiáng)度指紋樣本0|的密度值￡“|r + i),其中i=i，2，…，S，議為控制因子，且興L25;然后令第k次迭代時、具有最大密度值的信號強(qiáng)度指紋樣本，作為第k+i個模糊聚類中心；當(dāng)滿足終止條件時，停止迭代計(jì)算，所述終止條件為 其中，J為常數(shù)，且0設(shè)目標(biāo)定位區(qū)域中存在#個々 ，則經(jīng)過上述迭代過程后，將得到r個模糊聚類 屮心(4 "、稱P = l, ■■、f,且所述r個聚類中心對應(yīng)的空間位置坐標(biāo)為分別為 令隸屬度函數(shù)的形式為以Jf為中心、寬度為1=10 的等腰三角型函數(shù)，其中|=1 ...’ jy，且& =( ，…，利用模糊減法聚類方法，則得到每個子區(qū)域分別建 立相應(yīng)的初始模糊推理準(zhǔn)則如下表
4.根據(jù)權(quán)利要求1所述的WLAN室內(nèi)分步式RD-ANFIS定位方法，其特征在于步驟六所 述內(nèi)容的具體過程為在在線定位階段，采集并獲得各個AP處的信號強(qiáng)度指紋樣本，計(jì)算得到采集到的各個AP處的信號強(qiáng)度指紋樣本的均值0 ,然后再根據(jù)下式 計(jì)算并獲得所述均值與每個聚類中心的距離￡)lwi: 其中 為定位終端處采集到的瞬時信號SNR樣本總數(shù)， Ojw;為在定位終端處，采集到的第m個信號瞬時SNR樣本，為第i個子區(qū)域的模糊聚類 中心,為C行X C列的單位陣，r為模糊聚類中心的個數(shù)則令距離最小的一個聚類中心所屬區(qū)域，作為定位終端的初步位置估計(jì)區(qū)域。
全文摘要
WLAN室內(nèi)分步式RD-ANFIS定位方法，涉及模糊聚類型ANFIS室內(nèi)定位方法，解決了WLAN室內(nèi)環(huán)境下由于定位區(qū)域大、模式復(fù)雜導(dǎo)致ANFIS系統(tǒng)易產(chǎn)生過匹配、環(huán)境適應(yīng)性降低且定位精度差的問題。該定位方法為在離線階段，根據(jù)FCM聚類技術(shù)將目標(biāo)定位區(qū)域分割為若干相鄰、連通子區(qū)域，具有相似SNR分布特性的RP屬于同一子區(qū)域；利用模糊減法聚類方法得到每個連通子區(qū)域的初始模糊推理準(zhǔn)則，并完成對每個子區(qū)域的ANFIS定位系統(tǒng)的建立；在在線階段，通過比較定位終端處采集的SNR樣本均值與不同聚類中心的歐幾里得距離，進(jìn)而獲得定位終端位置的預(yù)估計(jì)區(qū)域，最終利用該區(qū)域的ANFIS定位系統(tǒng)即可實(shí)現(xiàn)對位置的精確坐標(biāo)估計(jì)。本發(fā)明可用于模式識別領(lǐng)域。
文檔編號H04W16/20GK101873607SQ201010209859
公開日2010年10月27日 申請日期2010年6月25日 優(yōu)先權(quán)日2010年6月25日
發(fā)明者劉寧慶, 周牧, 孟維曉, 徐玉濱, 王孝, 馬琳 申請人:哈爾濱工業(yè)大學(xué)