基于ESN的無線傳感網(wǎng)絡(luò)位置指紋定位方法研究.pdf

1、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(jià)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(jī))等計(jì)算智能方法都具有較好的定位精度。ESN(Echo

2、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(shí)只需計(jì)算輸出權(quán)值，具有很強(qiáng)的動(dòng)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

3、針對動(dòng)態(tài)變化的室內(nèi)環(huán)境及時(shí)變的RSS(Received Signal Strength,接收信號強(qiáng)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(diǎn))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

4、位方法，以進(jìn)一步提高對時(shí)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(gè)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(shí)，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。
　　

5、(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(shí)例實(shí)驗(yàn)中，在同等條件下，與WKNN、SVM、ELM(Extreme Learning Machine,極限學(xué)習(xí)機(jī))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(dòng)