[发明专利]基于OPTICS密度聚类和BP神经网络的超宽带室内定位方法

说明书

技术领域

本发明涉及一种基于OPTICS密度聚类和BP神经网络的超宽带室内定位方法。

背景技术

超宽带(UWB)无线通信时，根据锚节点与目标节点间传输数据的到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)或者信号强度(RSSI)，可计算锚节点与目标节点间几何距离，再利用锚节点与目标节点间平面或立体几何关系，得出目标节点位置。为了提高该定位方法的定位精度，现有的改进方案多采用聚类算法、卡尔曼滤波得到目标节点坐标数据。但现有方法存在受环境影响大、非视距情况下精度低的问题。

发明内容

本发明针对现有技术的不足，提供一种基于OPTICS密度聚类和BP神经网络的超宽带室内定位方法，以减小现有室内定位方法受环境影响大和定位精度低的问题。

为了达到上述目的，本发明一种基于OPTICS密度聚类和BP神经网络的超宽带室内定位方法，主要包括以下步骤：

首先，以超宽带定位系统采集到的已知位置上目标节点坐标信息为基础，对已知位置上采集到的多个坐标信息进行OPTICS密度聚类，筛选该已知位置点对应的多个可靠坐标；

其次，用该已知位置点与可靠坐标均值中心形成数据对(已知位置，可靠训练样本)；

第三，对复数个已知位置点进行同样的聚类筛选，形成各自已知位置点对应的数据对；

第四，通过BP神经网络对所有已知位置点的数据对的集合进行训练，得出BP神经网络定位识别模型；

最后，利用训练好的BP神经网络定位识别模型对可靠待识别点进行位置识别，得出的识别结果即为最终定位坐标。

优选地，所述超宽带定位系统包括至少三个定位锚节点和一个移动目标节点，每个锚节点和移动目标节点上各配有一根天线；所述锚节点围成平面所投影地面按照相邻设定的距离取参考位置，则该参考位置称为已知位置。

本发明采用超宽带定位系统包括四个定位锚节点(A1，A2，A3，A4)和一个移动目标节点(Tag)，锚节点和目标节点各配有一根天线。在实验室采用吸顶方式水平固定四个锚节点，形成一个600*400cm²的矩形，天线朝下与地面垂直；移动目标节点水平固定在遥控车上，天线朝上与地面垂直；通过超宽带定位系统相配套的配置软件，根据实际建立空间直角坐标系，设置各个定位锚节点的坐标A1(0，0，285)、A2(400，600，285)、A3(0，600，285)、A4(400，600，285)，启动超宽带定位系统即可通过串口接收该系统返回的融合定位数据。四个锚节点围成平面所投影地面按照相邻50cm取参考位置，称为已知位置。

与现有技术相比，本发明利用OPTICS密度聚类算法对超宽带定位系统采集到的原始坐标数据进行优化过滤，再利用BP神经网络的非线性映射能力建立起定位识别模型，提高超宽带定位系统的环境适应性，从而得到相对基于聚类方法、卡尔曼滤波等方式更精确的定位结果。

附图说明

图1为本发明的流程示意图。

具体实施方式

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

参照图1，本发明实施例一种基于OPTICS密度聚类和BP神经网络的超宽带室内定位方法，主要包括以下步骤：

首先，以超宽带定位系统采集到的已知位置上目标节点坐标信息为基础，对已知位置上采集到的多个坐标信息进行OPTICS密度聚类，筛选该已知位置点对应的多个可靠坐标；

其次，用该已知位置点与可靠坐标均值中心形成数据对(已知位置，可靠训练样本)；

第三，对复数个已知位置点进行同样的聚类筛选，形成各自已知位置点对应的数据对；

第四，通过BP神经网络对所有已知位置点的数据对的集合进行训练，得出BP神经网络定位识别模型；

最后，利用训练好的BP神经网络定位识别模型对可靠待识别点进行位置识别，得出的识别结果即为最终定位坐标。

所述超宽带定位系统包括四个定位锚节点和一个移动目标节点，每个锚节点和移动目标节点上各配有一根天线；所述四个锚节点围成平面所投影地面按照相邻设定的距离取参考位置，则该参考位置称为已知位置。