基于人工神经网络及ZigBee技术的室内定位算法研究

摘要

随着传感器技术、无线数据通信等技术的快速发展，无线传感器网络技术（WSN）也步入了一个新的发展阶段。作为物联网系统的一部分，无线传感器网络在大型建筑物如仓库、矿井、商场等室内环境下有着众多的应用。在这些应用中可以准确地判断出事件发生的室内位置是非常重要的，其可以提高整个无线传感器网络的性能。所以基于无线传感器网络的定位算法也越来越受到国内外科研人员的关注。
　　由于 ZigBee技术具有低功耗、高可扩充性等优点，因此本文算法研究的硬件平台基于ZigBee技术。使用德州仪器公司生产的CC2530芯片和ZigBee技术搭建ZigBee无线传感器网络硬件平台，在此基础上对传统的几种定位算法进行学习，主要研究了基于信号损耗模型的定位算法。在针对非视距环境下无线信号的不精确、不稳定给实现定位带来的影响，提出利用人工神经网络模型的线性和非线性拟合能力来优化定位计算结果。首先使用人工神经网络来拟合室内 RSSI值与距离值之间的映射模型，利用映射模型将RSSI值映射为节点之间的距离信息。使用人工神经网络可以使得定位算法在RSSI值转换为距离信息时不受到由于路径损耗模型选取了固定环境参数所导致的问题。带有噪声的 RSSI测量值可以直接和实际坐标位置一起用来训练网络。在实际定位计算实验中，利用ZigBee无线传感器网络硬件平台所采集到的无线传感器的RSSI值作为训练好的神经网络模型输入层，在神经网络的输出层得到定位算法所需的距离信息，最后使用加权质心定位算法计算得到待测节点的坐标位置。实验结果表明与基于路径损耗模型的相比，基于人工神经网络及 ZigBee技术的室内定位算法可以提供较好的定位结果，从而达到提高室内定位结果精度的目的。

目录

声明

第一章 绪论

1.1 研究背景及研究目的和意义

1.2 室内定位算法的国内外研究现状

1.3 论文的主要内容和各章节安排

第二章 无线传感器网络及ZigBee技术

2.1 无线传感器网络

2.2 ZigBee技术

2.3 基于ZigBee的实验平台

2.4 本章小结

第三章 无线传感器网络定位技术

3.1 定位技术分类

3.2 无线传感器网络信号传播模型

3.3 常见的定位算法

3.4 定位算法评价标准

3.5 本章小结

第四章 基于人工神经网络及ZigBee技术的定位算法

4.1 基于BP神经网络及ZigBee技术的定位算法

4.2 基于GRNN神经网络及ZigBee技术的定位算法

4.3 本章小结

第五章 总结与展望

5.1 本文工作总结

5.2 展望

参考文献

个人简历

致谢