CN109597025A - 基于elman神经网络的蓝牙室内微定位系统 - Google Patents

基于elman神经网络的蓝牙室内微定位系统 Download PDF

Info

Publication number
CN109597025A
CN109597025A CN201811402392.9A CN201811402392A CN109597025A CN 109597025 A CN109597025 A CN 109597025A CN 201811402392 A CN201811402392 A CN 201811402392A CN 109597025 A CN109597025 A CN 109597025A
Authority
CN
China
Prior art keywords
bluetooth
positioning
host
node
module
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
Application number
CN201811402392.9A
Other languages
English (en)
Inventor
王晓甜
毛永毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Posts and Telecommunications
Original Assignee
Xian University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian University of Posts and Telecommunications filed Critical Xian University of Posts and Telecommunications
Priority to CN201811402392.9A priority Critical patent/CN109597025A/zh
Publication of CN109597025A publication Critical patent/CN109597025A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B5/00—Near-field transmission systems, e.g. inductive or capacitive transmission systems
    • H04B5/70—Near-field transmission systems, e.g. inductive or capacitive transmission systems specially adapted for specific purposes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种基于ELMAN神经网络的蓝牙室内微定位系统。包括系统主机、蓝牙锚点和定位目标构成，所述的系统主机包括嵌入式处理器、蓝牙主节点和通信模块，蓝牙主节点(主节点蓝牙模块)采用低功耗蓝牙无线数传模块RL‑CC2541‑S3；SIM900A用于与上位机的通信，CC2541采集定位所需的主机信号强度指示，一块蓝牙模块固定在定位目标上，在定位的室内区域中布设系统主机和蓝牙锚节点，其中固定在定位目标上的蓝牙模块工作在主机模式，蓝牙主节点和蓝牙锚节点工作在从机模式。本发明提高了定位技术的精度和稳定性，且对环境具有一定的适应性，同时为进行复杂的定位算法提供了技术支持。

Description

基于ELMAN神经网络的蓝牙室内微定位系统
技术领域
本发明涉及的是信息系统，具体涉及一种基于ELMAN神经网络的蓝牙室内微定位系统。
背景技术
本发明在已有的基于蓝牙的室内定位基础上，运用Elman神经网络算法，对于其稳定性和精度有了很大的提高。在蓝牙的摆放位置上，位置的变化基本不会因其误差。并且在系统主机模块，可以链接上位机，直接将数据传输，进行更为复杂的定位计算，增强了该方法的适用性。室内定位技术的方法已渐渐趋于成熟，但基于蓝牙的室内定位，在不同的室内环境中，其精度和稳定度都会受到不同的影响。本发明正是针对这一情况，弥补了蓝牙室内定位技术的精度和稳定性问题，并且在此基础上，对于环境的变化也具有一定的适应性，同时为进行复杂的定位算法提供了技术支持。
发明内容
针对现有技术上存在的不足，本发明目的是在于提供一种基于ELMAN神经网络的蓝牙室内微定位系统，提高了定位技术的精度和稳定性，且对环境具有一定的适应性，同时为进行复杂的定位算法提供了技术支持。
为了实现上述目的，本发明是通过如下的技术方案来实现：基于ELMAN神经网络的蓝牙室内微定位系统，包括系统主机、蓝牙锚点和定位目标构成，所述的系统主机包括嵌入式处理器、蓝牙主节点(蓝牙模块)和通信模块，所述的嵌入式处理器采用意法半导体公司的STM32F103ZET6高性能微处理器,通讯模块采用SIMCOM公司的SIM900A模块，主节点蓝牙模块采用低功耗蓝牙无线数传模块RL-CC2541-S3。SIM900A用于与上位机的通信，CC2541采集定位所需的主机信号强度指示，一块蓝牙模块固定在定位目标上，在定位的室内区域中布设系统主机和蓝牙锚节点，其中固定在定位目标上的蓝牙模块工作在主机模式，蓝牙主节点(蓝牙模块)和蓝牙锚节点(蓝牙模块)工作在从机模式。
所述的蓝牙主节点和蓝牙锚节点(蓝牙模块)分别测得接收的RSSI值，并通过蓝牙通信发送到主节点，再由蓝牙主节点通过通信接口将各节点的RSSI值传递给嵌入式处理器，处理器首先将数据的均值的和标准差计算出来，然后采用拉伊达准则，把误差较大的值舍去，这时将采集到的数据中进行高斯滤波，从而达到去除RSSI中的高斯噪声成分的目的。
所述的定位系统的目标位置的计算采用Elman神经网络，Elman神经网络由输入层、隐含层、输出层构成，其连接权通过学习进行修正；反馈连接由一组“结构”单元构成，用来记忆前一时刻的输出值,其连接权值是固定的；输入层由一个蓝牙主节点和两个或更多的蓝牙锚节点提供的RSSI测量值组成，隐层神经元的数量可依照Kolmogorov针对三层神经网络提出的经验公式获得。即Nhid＝2Nin+1，其中Nhid为隐层神经元的数目，Nin为输入神经元的数目。输出层由两个神经元构成，其输出为相应定位目标的估计位置；该算法分为两个步骤：第一步首先进行室内定位的初始化网络的权值，然后从输入层计算隐层和输出层的输出；第二步是从输出层和隐层向输入层计算迭代误差，然后根据迭代误差调整网络的权值，当迭代误差小于设定门限或超过最大迭代次数时结束。结束后系统存储最终确定的网络权值，然后将采集到的数据传输到处理器，计算最终结果。
本发明具有以下有益效果：
1、精度和稳定性的提高：传统的室内蓝牙定位，具有精度低和稳定性不足的问题，本案中通过前期的对异常数据采用拉伊达准则剔除，再经过高斯滤波减小噪声对于测量值的影响，最终由Elman神经网络算法计算出目标的估计位置，经过这些步骤，有效的提升了基于蓝牙室内定位的精度和稳定性问题。
2、环境的适应性：本案采用的Elman神经网络算法，具有较强的逼近任意非线性映射的能力，使其可以在非理想的基站分布形式中使用，消除了室内定位时，锚节点非理想分布对定位精度的影响，提高了环境的适应程度。
附图说明
下面结合附图和具体实施方式来详细说明本发明；
图1为本发明的结构示意图；
图2为本发明的ELMAN神经网络结构图(RSSI为信号强度，x，y为目标位置坐标)。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
参照图1-图2，本具体实施方式采用以下技术方案：1、定位系统的构成，蓝牙室内微定位系统由系统主机、蓝牙锚点和定位目标构成，其中系统主机由嵌入式处理器、蓝牙主节点和通信模块组成。嵌入式处理器采用意法半导体公司的STM32F103ZET6高性能微处理器,通讯模块采用SIMCOM公司的SIM900A模块，蓝牙模块采用低功耗蓝牙无线数传模块RL-CC2541-S3。SIM900A可以低功耗实现数据的无线传输，主要用于与上位机的通信。CC2541可采集定位所需的主机信号强度指示(received signal strength indication，RSSI)，提高了定位锚节点的集成度降低了系统的功耗。在系统中，一块蓝牙模块固定在定位目标上，在定位的室内区域中布设系统主机和蓝牙锚节点，其中固定在定位目标上的蓝牙模块工作在主机模式，蓝牙主节点和蓝牙锚节点工作在从机模式。
2、数据的处理，主节点和锚节点蓝牙模块分别测得接收的RSSI值，并通过蓝牙通信发送到主节点，再由主节点通过通信接口将各节点的RSSI值传递给嵌入式处理器，处理器首先将数据的均值的和标准差计算出来，然后采用拉伊达准则，把误差较大的值舍去。这时采集到的数据中还含有噪声，电子系统中的噪声随机分布满足的是高斯分布，所以这时将数据进行高斯滤波，有效减小随机噪声对测量值得影响，从而达到去除RSSI中的高斯噪声成分的目的。
3、目标位置的计算，Elman神经网络是一种典型的局部回归网络，是一种具有局部记忆单元和局部反馈连接的递归神经网络。Elman神经网络由输入层、隐含层、输出层构成，其连接权可以通过学习进行修正；反馈连接由一组“结构”单元构成，用来记忆前一时刻的输出值,其连接权值是固定的。输入层由一个蓝牙主节点和两个或更多的蓝牙锚节点提供的RSSI测量值组成，隐层神经元的数量可依照Kolmogorov针对三层神经网络提出的经验公式获得。即Nhid＝2Nin+1，其中Nhid为隐层神经元的数目，Nin为输入神经元的数目。输出层由两个神经元构成，其输出为相应定位目标的估计位置。该算法分为两个步骤：第一步首先进行室内定位的初始化网络的权值，然后从输入层计算隐层和输出层的输出；第二步是从输出层和隐层向输入层计算迭代误差，然后根据迭代误差调整网络的权值，当迭代误差小于设定门限或超过最大迭代次数时结束。结束后系统存储最终确定的网络权值，然后将采集到的数据传输到处理器，计算最终结果。
本具体实施方式通过前期的对异常数据采用拉伊达准则剔除，再经过高斯滤波减小噪声对于测量值的影响，最终由Elman神经网络算法计算出目标的估计位置，经过这些步骤，有效的提升了基于蓝牙室内定位的精度和稳定性问题。采用的Elman神经网络算法，具有较强的逼近任意非线性映射的能力，使其可以在非理想的基站分布形式中使用，消除了室内定位时，锚节点非理想分布对定位精度的影响，提高了环境的适应程度。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.基于ELMAN神经网络的蓝牙室内微定位系统，其特征在于，包括系统主机、蓝牙锚点和定位目标构成，所述的系统主机包括嵌入式处理器、蓝牙主节点和通信模块，所述的嵌入式处理器采用意法半导体公司的STM32F103ZET6高性能微处理器,通讯模块采用SIMCOM公司的SIM900A模块，主节点蓝牙模块采用低功耗蓝牙无线数传模块RL-CC2541-S3；SIM900A用于与上位机的通信，CC2541采集定位所需的主机信号强度指示，一块蓝牙模块固定在定位目标上，在定位的室内区域中布设系统主机和蓝牙锚节点，其中固定在定位目标上的蓝牙模块工作在主机模式，蓝牙主节点和蓝牙锚节点工作在从机模式。
2.根据权利要求1所述的基于ELMAN神经网络的蓝牙室内微定位系统，其特征在于，所述的蓝牙主节点和蓝牙锚节点分别测得接收的RSSI值，并通过蓝牙通信发送到主节点，再由蓝牙主节点通过通信接口将各节点的RSSI值传递给嵌入式处理器，处理器首先将数据的均值的和标准差计算出来，然后采用拉伊达准则，把误差较大的值舍去，这时将采集到的数据中进行高斯滤波，从而达到去除RSSI中的高斯噪声成分的目的。
3.根据权利要求1所述的基于ELMAN神经网络的蓝牙室内微定位系统，其特征在于，所述的定位系统的目标位置的计算采用Elman神经网络，Elman神经网络由输入层、隐含层、输出层构成，其连接权通过学习进行修正；反馈连接由一组“结构”单元构成，用来记忆前一时刻的输出值,其连接权值是固定的；输入层由一个蓝牙主节点和两个或更多的蓝牙锚节点提供的RSSI测量值组成，隐层神经元的数量可依照Kolmogorov针对三层神经网络提出的经验公式获得；即Nhid＝2Nin+1，其中Nhid为隐层神经元的数目，Nin为输入神经元的数目；输出层由两个神经元构成，其输出为相应定位目标的估计位置；该算法分为两个步骤：第一步首先进行室内定位的初始化网络的权值，然后从输入层计算隐层和输出层的输出；第二步是从输出层和隐层向输入层计算迭代误差，然后根据迭代误差调整网络的权值，当迭代误差小于设定门限或超过最大迭代次数时结束；结束后系统存储最终确定的网络权值，然后将采集到的数据传输到处理器，计算最终结果。
CN201811402392.9A 2018-11-21 2018-11-21 基于elman神经网络的蓝牙室内微定位系统 Pending CN109597025A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811402392.9A CN109597025A (zh) 2018-11-21 2018-11-21 基于elman神经网络的蓝牙室内微定位系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811402392.9A CN109597025A (zh) 2018-11-21 2018-11-21 基于elman神经网络的蓝牙室内微定位系统

Publications (1)

Publication Number Publication Date
CN109597025A true CN109597025A (zh) 2019-04-09

Family

ID=65960311

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811402392.9A Pending CN109597025A (zh) 2018-11-21 2018-11-21 基于elman神经网络的蓝牙室内微定位系统

Country Status (1)

Country Link
CN (1) CN109597025A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110248325A (zh) * 2019-04-22 2019-09-17 西安邮电大学 一种基于信号多重消噪的蓝牙室内定位系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107396280A (zh) * 2017-06-12 2017-11-24 东南大学 一种基于rssi的室内定位系统和方法
CN108834047A (zh) * 2018-06-08 2018-11-16 武汉理工大学 一种路径损耗模型的ap选择室内定位方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107396280A (zh) * 2017-06-12 2017-11-24 东南大学 一种基于rssi的室内定位系统和方法
CN108834047A (zh) * 2018-06-08 2018-11-16 武汉理工大学 一种路径损耗模型的ap选择室内定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HAIBING H等: "Optimization and Application of Indoor Localization Algorithm Based on Elman Neural Network", 《2017 INTERNATIONAL CONFERENCE ON COMPUTER SYSTEMS, ELECTRONICS AND CONTROL (ICCSEC)》 *
白志帅: "BLE 室内定位系统数据处理算法研究与实现", 《万方数据知识服务平台学位论文》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110248325A (zh) * 2019-04-22 2019-09-17 西安邮电大学 一种基于信号多重消噪的蓝牙室内定位系统
CN110248325B (zh) * 2019-04-22 2022-11-25 西安邮电大学 一种基于信号多重消噪的蓝牙室内定位系统

Similar Documents

Publication Publication Date Title
Yang et al. A multi-sensor based occupancy estimation model for supporting demand driven HVAC operations
CN104125538B (zh) 基于wifi网络的rssi信号强度的二次定位方法及装置
CN104899388B (zh) 一种空间钢结构环境荷载作用下的结构安全评估方法
CN103905992B (zh) 一种基于指纹数据的无线传感器网络的室内定位方法
CN105636201B (zh) 基于稀疏信号指纹数据库的室内定位方法
CN101466070A (zh) 一种基于无线信号接收强度分布自动学习的无线室内定位方法
CN107818430A (zh) 一种基于bim的建筑工程施工进度信息管理方法及系统
Zhuang et al. Visible light positioning and navigation using noise measurement and mitigation
CN104280612B (zh) 一种基于单频电流传输特性的分布式谐波源辨识方法
CN106152387B (zh) 一种用于室内热舒适度的检测方法
CN101820676A (zh) 传感器节点定位方法
CN102186194A (zh) 基于无线传感器网络的无源目标测量模型的建立方法
CN106714296A (zh) 一种基于最速下降法的室内定位方法
CN206741554U (zh) 基于深度摄像头的室内3d扫描设备的户型3d建模系统
CN109784532A (zh) 一种基于深度学习的厂区能耗预测方法及系统
CN106599367A (zh) 一种航天器状态异常检测方法
CN107607935A (zh) 一种基于共轭梯度法的室内定位方法
CN109597025A (zh) 基于elman神经网络的蓝牙室内微定位系统
CN105044659B (zh) 基于环境光谱指纹的室内定位装置及方法
CN107192981A (zh) 基于光照阴影和机器学习的可见光定位系统和方法
CN103630876A (zh) 基于RSSI的ZigBee节点定位方法
CN104484988A (zh) 基于曲面爬壁机器人传感器的空间结构自动健康监测系统
CN111680831A (zh) 变电站用电分析系统和方法
CN108551458A (zh) 一种分布式光伏集群网络攻击检测方法
CN104361399A (zh) 太阳能辐照强度分钟级预测方法

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