使用神经网络算法在Wi-Fi网络中确定位置的可能性分析

DOI:

EDN:

评审日期

出版日期

注解: Wi-Fi网络上的室内定位属于一类任务，其中输出特性对输入变量的依赖性受到许多参数和外部因素的影响。 在解决此类问题时，有必要考虑到，在确定位置时，不仅要确定物体的静态坐标，还要预测其运动的矢量，这一点非常重要。 在对象的位置仅由从Wi-Fi网络上的几个接入点接收的信号功率水平确定的情况下，考虑到无线电波在室内传播条件的信号衰减模型的使用是困难的， 由于房间内的电磁环境因许多因素而异，因此上述模型必须适应这些变化。 由于在大量数据中寻找模式需要非标准算法，因此可以使用人工神经网络来解决定位问题。 选择能够考虑移动设备从Wi-Fi接入点接收的信号强度变化的神经网络架构非常重要。 在训练神经网络之前，对统计数据进行预处理。 例如，当设备在一个测量点检测到来自少于三个接入点的信号时，异常情况将从机器学习数据集中排除。
作为统计数据分析的结果，发现测量点之间的相同距离导致神经网络错误地确定物体的位置的事实。 论文表明，为了提高在复杂无线电放置条件下定位位置的准确性，在编制无线电地图时，有必要确定测量点之间的最佳变化距离。 所进行的实验研究，考虑到所提出的优化测量点之间距离的方法，证明绝大多数测量点的位置确定精度达到100％。

出版日期: