摘  要： 使用BP-GA算法相結(jié)合的方法來作為室內(nèi)定位模型的主要定位算法,，在得到初始坐標(biāo)后利用泰勒級數(shù)定位算法優(yōu)化得到最終待測點(diǎn)坐標(biāo),。該算法很好地減弱了室內(nèi)環(huán)境對定位精度的影響，并且具有較高的精度,。仿真實(shí)驗(yàn)驗(yàn)證了該模型的有效性,。
關(guān)鍵詞： 室內(nèi)定位；BP算法,；GA算法,；泰勒級數(shù)定位算法

    室內(nèi)定位技術(shù)按所借助的手段不同可以分為[1-2]基于無線電信號的定位技術(shù)、基于紅外線的定位技術(shù),、基于超聲波的定位技術(shù),、基于藍(lán)牙的定位技術(shù)、基于激光的定位技術(shù),、基于射頻識別技術(shù)的定位技術(shù)以及基于WiFi的定位技術(shù)等,。由于室內(nèi)環(huán)境存在非視距、多徑,、干擾多變等因素, 同時(shí)考慮到設(shè)備費(fèi)用和實(shí)現(xiàn)的復(fù)雜程度等,本文選擇了利用ZigBee技術(shù)基于RSSI值的定位算法,。
    當(dāng)前，廣泛使用的ZigBee技術(shù)無線定位系統(tǒng)主要通過測量節(jié)點(diǎn)間的距離來實(shí)現(xiàn)[3],?；赗SSI的測距是無線傳感網(wǎng)絡(luò)定位技術(shù)中較常采用的方法，該類方法大多數(shù)通過設(shè)置已知參考節(jié)點(diǎn),。首先利用待定位節(jié)點(diǎn)接收到的RSSI值計(jì)算出該節(jié)點(diǎn)到各個(gè)參考節(jié)點(diǎn)的距離,，再通過各類定位算法推導(dǎo)出目標(biāo)點(diǎn)的坐標(biāo)。傳統(tǒng)的基于RSSI的室內(nèi)定位技術(shù)基本上都是以無線信號傳播模型為基礎(chǔ)的，在不同的定位環(huán)境中,，通過擬合或直接根據(jù)經(jīng)驗(yàn)得出無線信號傳播模型中未知參數(shù)A和n,，再根據(jù)一些位置距離算法來最終實(shí)現(xiàn)定位。但這些算法過于依賴一些經(jīng)驗(yàn)?zāi)Ｐ?，對于不同的環(huán)境的適應(yīng)性不強(qiáng),，在一些室內(nèi)情況復(fù)雜的條件下會有很大的誤差。本文在基于ZigBee組成的網(wǎng)絡(luò)的基礎(chǔ)上,，使用BP神經(jīng)網(wǎng)絡(luò)和GA算法融合來初步算出待定位物體的位置,，再融入泰勒級數(shù)定位算法來算出最終待定位物體的位置。
  

    由此可以看出,，A和n為值直接影響到了根據(jù)RSSI值得到的距離,，進(jìn)一步影響到定位的精度。無論是理想環(huán)境還是室內(nèi)環(huán)境下,，傳輸信號與傳輸距離之間有一定的關(guān)系,，在實(shí)際環(huán)境下RSSI值的變化有一定的規(guī)律可循，RSSI值與距離d之間是一個(gè)連續(xù)的非線性關(guān)系,，而Kolmogorov定理也已經(jīng)證明[5-6],，任意一連續(xù)函數(shù)可由一個(gè)3層BP網(wǎng)絡(luò)來實(shí)現(xiàn)，所以可由一個(gè)3層的BP網(wǎng)絡(luò)來代替RSSI經(jīng)驗(yàn)公式來得到RSSI值與d之間的關(guān)系,，并且可以直接由BP網(wǎng)絡(luò)直接得到待測節(jié)點(diǎn)的坐標(biāo)值,。
2 BP神經(jīng)網(wǎng)絡(luò)模型的確定
    根據(jù)RSSI與坐標(biāo)值之間的一一對應(yīng)關(guān)系，本系統(tǒng)設(shè)計(jì)由4個(gè)參考節(jié)點(diǎn)確定一個(gè)盲節(jié)點(diǎn)位置,，所以BP神經(jīng)網(wǎng)絡(luò)的輸入有4個(gè)(即4個(gè)參考節(jié)點(diǎn)到盲節(jié)點(diǎn)的RSSI值),，輸出有2個(gè)(x，y)(即盲節(jié)點(diǎn)的坐標(biāo)值),，對于隱含層層數(shù)和神經(jīng)元數(shù)的選擇是一個(gè)難點(diǎn),，目前還沒有理論上的指導(dǎo)，只有經(jīng)過大量的實(shí)驗(yàn)來選擇最佳的隱含層層數(shù),。
    本文采用4:35:2結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò),，如圖1所示。使用相似的方法可以確定出計(jì)算RSSI值與d之間關(guān)系的BP網(wǎng)絡(luò)結(jié)構(gòu)圖,與圖1結(jié)構(gòu)相似,，采用1:20:1的結(jié)構(gòu),。傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)[6-7]算法確定權(quán)重時(shí)所采用的學(xué)習(xí)算法是基于梯度下降的，不可避免地存在著訓(xùn)練時(shí)間長,、收斂速度慢,、易陷于局部極小值以及完全不能訓(xùn)練等問題。所以本文結(jié)合使用遺傳算法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò),，改善BP神經(jīng)網(wǎng)絡(luò)的缺陷,，使算法避免陷入局部極小值,、收斂速度慢等問題。

3 BP-GA算法
    在GA每一代進(jìn)行遺傳操作之前,，對群體中的最優(yōu)個(gè)體進(jìn)行次數(shù)較多的BP訓(xùn)練[8-10],，使最優(yōu)個(gè)體得到足夠的訓(xùn)練后目標(biāo)誤差能很快地下降，作為混合學(xué)習(xí)算法指導(dǎo)誤差下降的主導(dǎo)搜索方向,，然后將經(jīng)BP訓(xùn)練后的最優(yōu)個(gè)體與群體中的其他個(gè)體逐一進(jìn)行啟發(fā)式的交叉式算法,，能在最優(yōu)個(gè)體與群體的其他個(gè)體所形成的尋優(yōu)空間中并行尋優(yōu)，再從交叉子代和經(jīng)BP訓(xùn)練后的原最優(yōu)個(gè)體中選出當(dāng)代最優(yōu)個(gè)體進(jìn)行下一次的BP訓(xùn)練,。
4 泰勒級數(shù)定位算法
    泰勒級數(shù)定位方法[11-12]是一種基于泰勒級數(shù)展開的加權(quán)最小二乘估計(jì)迭代算法,。它適用于所有的定位系統(tǒng)，并利用所有的測量參量來改善定位精度,。該方法的核心思想為：(1)在目標(biāo)位置的初始估計(jì)點(diǎn)利用泰勒級數(shù)展開，并忽略二次及以上項(xiàng),，將非線性方程變?yōu)榫€性方程,，并采用最小二乘算法對偏移量進(jìn)行估計(jì)；(2)利用估計(jì)的偏移量修正估計(jì)的目標(biāo)位置,，并不斷迭代,，使估計(jì)的目標(biāo)位置逼近真實(shí)位置，從而得到對目標(biāo)位置的最優(yōu)估計(jì),。
5 ZigBee定位系統(tǒng)模型
    本系統(tǒng)設(shè)計(jì)的這套二維室內(nèi)無線定位系統(tǒng)主要由主機(jī),、網(wǎng)關(guān)、定位節(jié)點(diǎn),、參考節(jié)點(diǎn)4個(gè)部分組成,。主機(jī)是一臺筆記本電腦，負(fù)責(zé)處理網(wǎng)關(guān)發(fā)送的信息,，計(jì)算出盲節(jié)點(diǎn)坐標(biāo)和顯示盲節(jié)點(diǎn)位置等,。網(wǎng)關(guān)由CC3430組成，負(fù)責(zé)網(wǎng)絡(luò)的組建,、節(jié)點(diǎn)地址的分配和負(fù)責(zé)主機(jī)與參考節(jié)點(diǎn),、盲節(jié)點(diǎn)之間的通信等，參考節(jié)點(diǎn)由CC2430組成,，是位置已知且固定不動的節(jié)點(diǎn),。盲節(jié)點(diǎn)由CC2431組成，是位置未知的移動節(jié)點(diǎn),。
5.1 系統(tǒng)模型定位流程圖
    系統(tǒng)總體流程圖如圖2所示,。首先建立ZigBee網(wǎng)絡(luò)，然后待測節(jié)點(diǎn)收到各個(gè)參考節(jié)點(diǎn)的RSSI值,，將RSSI值發(fā)送到網(wǎng)關(guān),，由網(wǎng)關(guān)送入主機(jī)中的BP-GA算法計(jì)算得到待測節(jié)點(diǎn)的初始坐標(biāo)，將此坐標(biāo)值確定為送入泰勒級數(shù)定位算法的初始值，進(jìn)行循環(huán)泰勒級數(shù)展開,，泰勒級數(shù)定位算法的計(jì)算達(dá)到要求的精度值后,，輸出最終待測節(jié)點(diǎn)坐標(biāo)，發(fā)送到監(jiān)控軟件界面顯示,。

5.2 實(shí)驗(yàn)仿真結(jié)果分析
    由ZigBee網(wǎng)絡(luò)中盲節(jié)點(diǎn)收集到的各個(gè)參考節(jié)點(diǎn)到其RSSI值送入到算法網(wǎng)絡(luò)中作為輸入,，該RSSI值所在節(jié)點(diǎn)的實(shí)際坐標(biāo)為輸出標(biāo)準(zhǔn)進(jìn)行訓(xùn)練,將得到的初始坐標(biāo)值送入泰勒級數(shù)定位算法中進(jìn)行二次優(yōu)化得到最終的盲節(jié)點(diǎn)坐標(biāo)。
    首先,，選用4個(gè)參考節(jié)點(diǎn)a,、b、c,、d,，其坐標(biāo)（0，0）,、（0,，13）、（7,，13）,、（7，0）組成一個(gè)實(shí)驗(yàn)環(huán)境,，其中每格為30 cm,。在其中隨機(jī)選取20個(gè)點(diǎn)作為測試點(diǎn)，將這些值分別送入BP算法,、BP-GA算法和本文算法,，得到盲節(jié)點(diǎn)的坐標(biāo)如圖3所示。
    由圖3,、圖4,、圖5可以看出在本文算法用于定位優(yōu)于單獨(dú)使用BP算法或是使用BP-GA算法進(jìn)行定位。使用本文算法所得到的盲節(jié)點(diǎn)坐標(biāo)值與盲節(jié)點(diǎn)的實(shí)際坐標(biāo)值非常接近,，較好地克服了定位時(shí)環(huán)境中的各種干擾因素的影響,。

    本文通過在ZigBee組成網(wǎng)絡(luò)基礎(chǔ)上，通過使用BP-GA算法和泰勒級數(shù)定位算法相結(jié)合的定位方法,，并且通過引入BP網(wǎng)絡(luò)來代替RSSI經(jīng)驗(yàn)公式來得到RSSI值與d之間的關(guān)系,，避免了對環(huán)境中復(fù)雜參數(shù)A和n的擬合，很好地減弱了環(huán)境因素對定位精度的影響,，且通過上面的仿真可以發(fā)現(xiàn),，只要在一個(gè)室內(nèi)環(huán)境中采集足夠多的RSSI值，利用該算法就能夠達(dá)到很好的定位精度,，誤差能夠控制在30 cm內(nèi),。
參考文獻(xiàn)
[1] Yu Kengen,，SHARP L，GUO Y J.Ground-based wireless positioning[M].Wiley-IEEE Press,，2009.
[2] 萬群,，郭賢生，陳章鑫.室內(nèi)定位理論,、方法和應(yīng)用[M].北京：電子工業(yè)出版社,，2012.
[3] 呂源，李軍.基于CC2431的室內(nèi)定位系統(tǒng)[J].現(xiàn)代電子技術(shù),，2009(2)：95-101.
[4] 朱明輝,，張會清.基于RSSI的室內(nèi)測距模型的研究[J].傳感器與為系統(tǒng)，2010,，29(8)：19-22.
[5] KHOSHGOFTAAR T M,，PANDYA A S，LANNING D L. Applicationof neural networks for predicting defects[J].An nals of Software Engineering,，1995,，1(1)：141－154.
[6] HAYKIN S.Neural Networks[M].Prentice Hall，1998.
[7] 陸瓊瑜,，童學(xué)鋒.BP算法改進(jìn)研究[J].計(jì)算機(jī)工程與設(shè)計(jì),，2007,，28(3)：648-649.
[8] 陳永龍,，何國良，徐宗昌.基于BP-GA的融合算法實(shí)現(xiàn)[J].裝備指揮技術(shù)學(xué)報(bào),，2007,，18(4)：107-110.
[9] Lu Chun，Shi Bingxue,，Chen Lu.Hybrid BP-GA for multilayer feedforward neural network[J].ICECS 2000,，2002(2)：958-961.
[10] Li Jianping，BALAZS M E,，PARKS G T,，et al.A speciesconserving genetic algorithm for multimodal function optimization[J].Evol Comput.，2002,，10(3)：207-234.
[11] 張會清,，石曉偉，鄧貴華,，等.基于BP神經(jīng)網(wǎng)絡(luò)和泰勒級數(shù)的室內(nèi)定位算法研究[J].電子學(xué)報(bào),，2012，40(9)：1876-1879.
[12] 田孝華,，周義建.無線電定位理論與技術(shù)[M].北京：國防工業(yè)出版社,，2011.