CN107770860A - 一种基于神经网络改进算法的WiFi室内定位系统及定位方法 - Google Patents
一种基于神经网络改进算法的WiFi室内定位系统及定位方法 Download PDFInfo
- Publication number
- CN107770860A CN107770860A CN201710948819.4A CN201710948819A CN107770860A CN 107770860 A CN107770860 A CN 107770860A CN 201710948819 A CN201710948819 A CN 201710948819A CN 107770860 A CN107770860 A CN 107770860A
- Authority
- CN
- China
- Prior art keywords
- neural network
- network algorithm
- wifi
- positioning
- positioning terminal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical networks
- H04W84/12—WLAN [Wireless Local Area Networks]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于神经网络改进算法的WiFi室内定位系统,包括定位服务器、定位终端和无线AP节点,无线AP节点连接到定位终端,定位终端连接到定位服务器,定位服务器包括定位算法模块、Socket通信模块和数据库模块以及显示模块,Socket通信模块用于接收定位终端扫描的无线AP节点的WiFi信号强度值,并存储到数据库模块,定位算法模块读取数据库模块的WiFi信号强度值数据采用神经网络算法计算获得定位终端的位置坐标,通过显示模块将位置坐标从地图中显示。本发明采用神经网络算法,进行数据的处理和反馈,实现室内wifi定位,大大提高了定位精度和准确性。
Description
技术领域
本发明属于室内定位技术领域,具体涉及一种基于神经网络改进算法的WiFi室内定位系统。
背景技术
现有的GPS定位在室内效果很差,甚至不能定位,现有的室内定位技术存在高功耗且定位精度不高的问题。
发明内容
本发明要解决的技术问题是:提供一种基于神经网络改进算法的WiFi室内定位系统,已解决现有技术中存在的问题。
本发明采取的技术方案为:一种基于神经网络改进算法的WiFi室内定位系统,包括定位服务器、定位终端和无线AP节点,无线AP节点连接到定位终端,定位终端连接到定位服务器,定位服务器包括定位算法模块、Socket通信模块和数据库模块以及显示模块,Socket通信模块用于接收定位终端扫描的无线AP节点的WiFi信号强度值,并存储到数据库模块,定位算法模块读取数据库模块的WiFi信号强度值数据采用神经网络算法计算获得定位终端的位置坐标,通过显示模块将位置坐标从地图中显示。
一种基于神经网络改进算法的WiFi室内定位系统的定位方法,该方法包括以下步骤:
(1)定位终端扫描无线AP节点的WiFi信号强度,并将WiFi信号强度值数据通过Socket通信模块传送到数据库模块存储;
(2)定位算法模块读取数据库模块的WiFi信号强度值数据,并通过神经网络算法计算获得定位终端的位置坐标;
(3)显示模块将定位终端的位置坐标从地图中显示,Socket通信模块将神经网络算法计算后的结果反馈给定位终端。
定位终端按照设定的频率对周围的AP节点进行扫描,然后通过Socket模块将扫描到的信号强度值发送给定位服务器存储。
无线AP节点采用四个路由器,路由器通过交换机与执行神经网络算法的定位服务器进行连接,交换机由网关路由器进入广域网,路由器和执行网络算法的定位服务器在同一子网。
定位终端采用MFC模块,利用Native WiFi API获取WiFi信号强度值数据,并将采集到的数据打包发送到定位服务器。
Socket通信模块首先建立TCP服务器接收定位终端的上传数据,TCP服务器将读取到的信息按固定格式存储到指定文件,以备离线分析。
神经网络算法的模型在WIFI定位中设置输出层有两个节点(X,Y),输出层的激活函数为线性,输入Xi是采集的WIFI信号强度值,若采集点无WIFI信号,会设置一个默认值,隐层的激活函数是sigmoid函数。
神经网络算法的模型定位分为两个阶段:训练阶段和预测阶段,经对比后得到精确的位置。
本发明的有益效果:与现有技术相比,本发明采用神经网络算法,进行数据的处理和反馈,实现室内wifi定位,大大提高了定位精度和准确性。
附图说明
图1是本发明的定位终端流程图;
图2是本发明的服务器功能模块架构图;
图3是本发明的Socket通信模块工作原理图;
图4是本发明的WIFI神经网络模型图。
具体实施方式
下面结合附图及具体的实施例对本发明进行进一步介绍。
实施例1:如图1-图4所示,一种基于神经网络改进算法的WiFi室内定位系统,包括定位服务器、定位终端和无线AP节点,无线AP节点连接到定位终端,定位终端连接到定位服务器,定位服务器包括定位算法模块、Socket通信模块和数据库模块以及显示模块,Socket通信模块用于接收定位终端扫描的无线AP节点的WiFi信号强度值,并存储到数据库模块,定位算法模块读取数据库模块的WiFi信号强度值数据采用神经网络算法计算获得定位终端的位置坐标,通过显示模块将位置坐标从地图中显示。
一种基于神经网络改进算法的WiFi室内定位系统的定位方法,该方法包括以下步骤:
(1)定位终端扫描无线AP节点的WiFi信号强度,并将WiFi信号强度值数据通过Socket通信模块传送到数据库模块存储;
(2)定位算法模块读取数据库模块的WiFi信号强度值数据,并通过神经网络算法计算获得定位终端的位置坐标;
(3)显示模块将定位终端的位置坐标从地图中显示,Socket通信模块将神经网络算法计算后的结果反馈给定位终端。
定位终端按照设定的频率对周围的AP节点进行扫描,然后通过Socket模块将扫描到的信号强度值发送给定位服务器存储。
无线AP节点采用四个路由器,路由器通过交换机与执行神经网络算法的定位服务器进行连接,交换机由网关路由器进入广域网,路由器和执行网络算法的定位服务器在同一子网。
定位终端采用MFC模块,利用Native WiFi API获取WiFi信号强度值数据,并将采集到的数据打包发送到定位服务器。
Socket通信模块首先建立TCP服务器接收定位终端的上传数据,TCP服务器将读取到的信息按固定格式存储到指定文件,以备离线分析。
神经网络算法的模型在WIFI定位中设置输出层有两个节点(X,Y),输出层的激活函数为线性,输入Xi是采集的WIFI信号强度值,若采集点无WIFI信号,会设置一个默认值,隐层的激活函数是sigmoid函数。
神经网络算法的模型定位分为两个阶段:训练阶段和预测阶段,经对比后得到精确的位置。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内,因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种基于神经网络改进算法的WiFi室内定位系统,其特征在于:包括定位服务器、定位终端和无线AP节点,无线AP节点连接到定位终端,定位终端连接到定位服务器,定位服务器包括定位算法模块、Socket通信模块和数据库模块以及显示模块,Socket通信模块用于接收定位终端扫描的无线AP节点的WiFi信号强度值,并存储到数据库模块,定位算法模块读取数据库模块的WiFi信号强度值数据采用神经网络算法计算获得定位终端的位置坐标,通过显示模块将位置坐标从地图中显示。
2.根据权利要求1所述的一种基于神经网络改进算法的WiFi室内定位系统的定位方法,其特征在于:该方法包括以下步骤:
(1)定位终端扫描无线AP节点的WiFi信号强度,并将WiFi信号强度值数据通过Socket通信模块传送到数据库模块存储;
(2)定位算法模块读取数据库模块的WiFi信号强度值数据,并通过神经网络算法计算获得定位终端的位置坐标;
(3)显示模块将定位终端的位置坐标从地图中显示,Socket通信模块将神经网络算法计算后的结果反馈给定位终端。
3.根据权利要求2所述的一种基于神经网络改进算法的WiFi室内定位系统的定位方法,其特征在于:定位终端按照设定的频率对周围的AP节点进行扫描,然后通过Socket模块将扫描到的信号强度值发送给定位服务器存储。
4.根据权利要求2所述的一种基于神经网络改进算法的WiFi室内定位系统的定位方法,其特征在于:无线AP节点采用四个路由器,路由器通过交换机与执行神经网络算法的定位服务器进行连接,交换机由网关路由器进入广域网,路由器和执行网络算法的定位服务器在同一子网。
5.根据权利要求2所述的一种基于神经网络改进算法的WiFi室内定位系统的定位方法,其特征在于:定位终端采用MFC模块,利用Native WiFi API获取WiFi信号强度值数据,并将采集到的数据打包发送到定位服务器。
6.根据权利要求2所述的一种基于神经网络改进算法的WiFi室内定位系统的定位方法,其特征在于:Socket通信模块首先建立TCP服务器接收定位终端的上传数据,TCP服务器将读取到的信息按固定格式存储到指定文件,以备离线分析。
7.根据权利要求2所述的一种基于神经网络改进算法的WiFi室内定位系统的定位方法,其特征在于:神经网络算法:神经网络算法的模型在WIFI定位中设置输出层有两个节点(X,Y),输出层的激活函数为线性,输入Xi是采集的WIFI信号强度值,若采集点无WIFI信号,会设置一个默认值,隐层的激活函数是sigmoid函数。
8.根据权利要求2所述的一种基于神经网络改进算法的WiFi室内定位系统的定位方法,其特征在于:神经网络算法的模型定位分为两个阶段:训练阶段和预测阶段,经对比后得到精确的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710948819.4A CN107770860A (zh) | 2017-10-12 | 2017-10-12 | 一种基于神经网络改进算法的WiFi室内定位系统及定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710948819.4A CN107770860A (zh) | 2017-10-12 | 2017-10-12 | 一种基于神经网络改进算法的WiFi室内定位系统及定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107770860A true CN107770860A (zh) | 2018-03-06 |
Family
ID=61266333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710948819.4A Pending CN107770860A (zh) | 2017-10-12 | 2017-10-12 | 一种基于神经网络改进算法的WiFi室内定位系统及定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107770860A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109699002A (zh) * | 2018-12-06 | 2019-04-30 | 深圳市中电数通智慧安全科技股份有限公司 | 一种室内WiFi定位方法、装置及终端设备 |
CN110889277A (zh) * | 2019-11-07 | 2020-03-17 | 杭州十域科技有限公司 | 一种无监督学习的空间信号源和室内位置关联的方法 |
CN112218237A (zh) * | 2020-11-03 | 2021-01-12 | 杨俊杰 | 一种基于神经网络算法的高精度室内定位系统 |
CN115396292A (zh) * | 2022-07-12 | 2022-11-25 | 重庆金康赛力斯新能源汽车设计院有限公司 | 车载网络恢复方法、系统、电子设备及存储介质 |
WO2024027576A1 (zh) * | 2022-08-03 | 2024-02-08 | 维沃移动通信有限公司 | 一种ai网络模型的性能监督方法、装置和通信设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105472729A (zh) * | 2014-09-11 | 2016-04-06 | 广州兰大晨曦企业孵化器有限公司 | 一种基于WiFi室内定位技术的大数据处理系统和方法 |
CN106792507A (zh) * | 2016-11-22 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种基于网络数据的WiFi定位方法及服务器 |
-
2017
- 2017-10-12 CN CN201710948819.4A patent/CN107770860A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105472729A (zh) * | 2014-09-11 | 2016-04-06 | 广州兰大晨曦企业孵化器有限公司 | 一种基于WiFi室内定位技术的大数据处理系统和方法 |
CN106792507A (zh) * | 2016-11-22 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种基于网络数据的WiFi定位方法及服务器 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109699002A (zh) * | 2018-12-06 | 2019-04-30 | 深圳市中电数通智慧安全科技股份有限公司 | 一种室内WiFi定位方法、装置及终端设备 |
CN110889277A (zh) * | 2019-11-07 | 2020-03-17 | 杭州十域科技有限公司 | 一种无监督学习的空间信号源和室内位置关联的方法 |
CN112218237A (zh) * | 2020-11-03 | 2021-01-12 | 杨俊杰 | 一种基于神经网络算法的高精度室内定位系统 |
CN115396292A (zh) * | 2022-07-12 | 2022-11-25 | 重庆金康赛力斯新能源汽车设计院有限公司 | 车载网络恢复方法、系统、电子设备及存储介质 |
CN115396292B (zh) * | 2022-07-12 | 2023-11-10 | 重庆金康赛力斯新能源汽车设计院有限公司 | 车载网络恢复方法、系统、电子设备及存储介质 |
WO2024027576A1 (zh) * | 2022-08-03 | 2024-02-08 | 维沃移动通信有限公司 | 一种ai网络模型的性能监督方法、装置和通信设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107770860A (zh) | 一种基于神经网络改进算法的WiFi室内定位系统及定位方法 | |
Zhou et al. | Bluetooth indoor positioning based on RSSI and Kalman filter | |
CN106535134B (zh) | 一种基于wifi的多房间定位方法及服务器 | |
JP5388221B2 (ja) | パターン分類を使用した、無線端末が屋内にあるかどうかの推定 | |
CN106793086A (zh) | 一种室内定位方法 | |
CN102063499A (zh) | 构建电子地图定位数据库的方法及系统 | |
KR20190053470A (ko) | 딥러닝 기반 측위 시스템 및 이의 구축 방법 | |
CN103581831A (zh) | 基于WiFi以及移动终端的室内定位算法 | |
CN103118333A (zh) | 基于相似度的无线传感器网络移动节点定位方法 | |
CN102271397A (zh) | 基于wifi网络的定位系统与方法 | |
CN105163382A (zh) | 一种室内区域定位优化方法及系统 | |
CN109039458A (zh) | 一种室内定位系统及方法 | |
Sophia et al. | Bluetooth low energy based indoor positioning system using ESP32 | |
CN106842265B (zh) | 一种自组织rtk定位方法及系统 | |
CN107103069A (zh) | 用于大型超市室内地图构建的系统及方法 | |
CN110113713A (zh) | 基于DE改进的无线传感器网络DV-Hop节点定位方法 | |
CN103826299A (zh) | 基于无线信号感知的室内增强现实实现方法 | |
CN107167767A (zh) | 一种基于sc‑fdma的可见光室内高精度定位方法 | |
CN106686722A (zh) | 基于css技术的大型室内环境定位的微基站及工作方法 | |
CN111132027B (zh) | 一种场景识别网络图的绘制方法、场景识别方法及装置 | |
CN110049441B (zh) | 基于深度集成学习的WiFi室内定位方法 | |
CN112911500A (zh) | 一种基于多源数据融合的高精度室内定位方法 | |
CN108828512A (zh) | 基于lbs基站的精确定位方法及设备 | |
CN106455051B (zh) | 通过距离校准设备提升WiFi定位精度的方法 | |
CN114353795A (zh) | 一种基于uwb设备的室内三维定位系统与方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180306 |
|
RJ01 | Rejection of invention patent application after publication |