[发明专利]基于WiFi网络信号的移动机器人室内定位系统

权利要求书

1.基于WiFi网络信号的移动机器人室内定位系统，其特征在于，包括位于室内的移动机器人控制平台以及上位机；其中：

移动机器人控制平台与上位机通过在室内多个WiFi网络设备之间组建的无线网络通信；

移动机器人控制平台，被配置为用于实时采集室内各个WiFi网络设备的WiFi信号强度的数据，并将采集的数据通过无线网卡发送至上位机；

上位机，被配置为用于接收移动机器人控制平台发送的数据，并利用定位软件对接收到的数据进行处理，实时显示移动机器人在室内的位置，同时控制移动机器人的移动；

利用所述定位软件对移动机器人进行室内定位的过程如下：

设定室内WiFi网络设备的数量为N个；

在离线训练阶段，采集参考点处WiFi信号强度及其对应的位置信息，大量的数据形成训练数据集，先用鲁棒主成分分析RPCA把训练数据X进行处理，分出数据集里的有效数据A和稀疏噪声矩阵E，把稀疏噪声矩阵E去掉，保留有效数据；鲁棒主成分分析RPCA实际上是求松弛的凸优化问题：

其中，||A||_*表示矩阵A的核范数；

λ是正加权参数；||E||₁表示矩阵E的绝对值之和；

下面是求解A和E的过程，为了求解这个优化问题，使用增广拉格郎日乘子方法：

首先给上述公式加上惩罚项：

其中，μ是一个正标量，||X-A-E||_F是X-A-E的Frobenius范数；

构造增广拉格朗日函数：

其中，Y是拉格朗日乘子，初始化需要用到的参数；

Y,X-A-E表示Y和X-A-E的内积；

初始化Y,μ₀＞0,k＝0；

μ₀是μ初始时刻的值，k是定义的循环初始值；

采用交替方向法求解：

其中，A_k+1是低秩矩阵A的第k+1项，E_k+1是稀疏噪声矩阵E的第k+1项，Y_k是Y的第k项，μ_k是μ的第k项，分别为X的第1/μ_k、λ/μ_k项；

是指使得函数L()取得其最小值的所有自变量A的集合；

是指使得函数L()取得其最小值的所有自变量E的集合；

然后分别将有效数据A的后N列强度信号数据作为训练输入，前两列坐标数据作为位置坐标输出，构建超限学习机ELM模型为在线定位做准备；其中，强度信号数据为r_i＝(r_i,1,r_i,2,...,r_i,N)，i＝1,2,...,M，隐藏层节点数为

离线训练过程如下：

有效数据A的后N列r_i＝(r_i,1,r_i,2,...,r_i,N)及其对应的空间位置前两列f_L＝{l₁,l₂,...,l_M}作为训练输入和目标输出，i＝1,2,...,M，隐藏层节点数为

h(x)为激活函数，随机产生输入层与隐藏层间的连接权重w_i和隐藏层神经元偏置b_i；

则该网络能够由如下数学模型表示：

该公式为RPCA-ELM模型公式，用矩阵形式表示为：

Hβ＝L；

其中，

求解方程得到输出权重估计

其中，为H的Moore-Penrose广义逆矩阵；

保存输入层与隐藏层节点的连接权重矩阵w_i、隐藏层神经元偏置b_i和输出权重估计即可完成对RPCA-ELM模型的训练；

在线定位阶段，移动机器人接收来自WiFi网络设备的指纹信号，将其输入到构建好的ELM模型中，即能够输出移动机器人位置估计，具体过程如下：

实时采集移动机器人接收到的来自N个WiFi网络设备的信号强度矢量r_o，将r_o输入到已训练好的RPCA-ELM模型中，得移动机器人的坐标估计

其中，r_o＝(r_o,1,r_o,2,...,r_o,N)。