張寶旭 李飛

摘要：本文設(shè)計(jì)的針對(duì)移動(dòng)應(yīng)用終端位置服務(wù)的精準(zhǔn)定位由WI-FI指紋部分和Ranknet算法定位部分組成。WI-FI指紋部分利用位置指紋信息，分析指紋數(shù)據(jù)采集的相關(guān)工作量，最后通過應(yīng)用程序來估計(jì)出測(cè)試指紋的位置。而Ranknet 算法定位部分，經(jīng)過提取有效定位特征并激勵(lì)于神經(jīng)網(wǎng)絡(luò)中進(jìn)行準(zhǔn)確的排序，得到的位置坐標(biāo)信息將作為結(jié)果反饋給用戶。

關(guān)鍵詞：WI-FI指紋;神經(jīng)網(wǎng)絡(luò);Ranknet算法定位

一.前言

針對(duì)位置定位的精準(zhǔn)性，GPS進(jìn)行定位處理，這只是個(gè)方便的辦法。在實(shí)際應(yīng)用中，對(duì)基Ranknet神經(jīng)網(wǎng)絡(luò)的精準(zhǔn)定位算法。這種定位算法可以有效的解決系統(tǒng)響應(yīng)時(shí)間短等問題，已得到相關(guān)的處理，可以很大程度上提 高定位的精準(zhǔn)度。讓使用者有著更好的體驗(yàn)。

二.WI-FI指紋的提取及定位

WI-FI指紋的提取過程如下：

首先，考慮利用位置指紋信息，分析指紋數(shù)據(jù)采集的相關(guān)工作量，在使用位置指紋定位時(shí)，主要經(jīng)過離線階段部分和在線階段部分。一個(gè)移動(dòng)終端的大概位置實(shí)際是很不確定的，也可能根本不在那個(gè)區(qū)域。如果可以選擇其中一個(gè)樣本進(jìn)行測(cè)試，將最終的測(cè)試值輸入到網(wǎng)絡(luò)中。想要找到移動(dòng)終端的位置信息，就必須從指紋特性中找到最匹配的信息特征。最后，通過算法計(jì)算得出結(jié)果，移動(dòng)終端最終就會(huì)被確認(rèn)下來。

WI-FI指紋的定位過程如下：

移動(dòng)終端會(huì)接收測(cè)試的數(shù)據(jù)并開始傳達(dá)相關(guān)的定位請(qǐng)求信息，最后通過應(yīng)用程序估計(jì)出測(cè)試指紋的位置。

三.Ranknet算法介紹

首先，主要執(zhí)行收集采集數(shù)據(jù)和應(yīng)用準(zhǔn)確定位反饋時(shí)間的特征。在指紋算法粗定位階段，由提取的信息指紋特征，計(jì)算出相應(yīng)的定向位置的相關(guān)特性，再計(jì)算出粗定位的最終結(jié)果。在神經(jīng)網(wǎng)絡(luò)精定位階段，將經(jīng)過上述粗定位的提取階段的有效定位特征激勵(lì)于神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行準(zhǔn)確的排序，得到的位置坐標(biāo)信息將作為定位結(jié)果。

該系統(tǒng)的算法框圖如下：

四.Ranknet網(wǎng)絡(luò)結(jié)構(gòu)

用于神經(jīng)網(wǎng)絡(luò)的方法學(xué)習(xí)，主要包括：輸入層、隱藏層和輸出層。輸入層中每個(gè)位置的特征由相應(yīng)神經(jīng)信息表示，在設(shè)備使用中將有效的特征進(jìn)行排列處理，將其設(shè)置為神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的激勵(lì)信息。而虛部代表隱藏層，這是不可缺少的一部分，最后響應(yīng)為完整的神經(jīng)元。這種方法看起來會(huì)很清晰，更直觀。

該系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)圖如下：

五.算法的實(shí)現(xiàn)過程

獲取無線定位的有效空間的信息過程，然后根據(jù)定位的相關(guān)精度以及速率等信息。把采集的有效信息數(shù)據(jù)作用于指紋特征庫，從中獲取結(jié)果并記錄處理，最終用于實(shí)驗(yàn)檢測(cè)。

在有效定位階段，所獲取的相應(yīng)值，而后計(jì)算真實(shí)定位坐標(biāo)點(diǎn)，坐標(biāo)的距離應(yīng)當(dāng)不超過初始狀態(tài)的預(yù)定值。在有效時(shí)間，過程中依次進(jìn)行算法處理，對(duì)應(yīng)時(shí)間作為指標(biāo)的值。如果部分時(shí)間使用算法過程所消耗時(shí)間占比都要大于有效定位值，那么應(yīng)用程序就會(huì)做出提示響應(yīng)。

六.Ranknet定位算法的特色

定位精度值在很大程度上超于傳統(tǒng)定位算法，其定位的成功率也是略勝一籌的。

做出了相關(guān)的定位算法以及設(shè)計(jì)規(guī)則模型定位功能等，有效的處理了網(wǎng)絡(luò)服務(wù)器響應(yīng)時(shí)間短的問題。

使位置的定向處理技術(shù)進(jìn)一步的提升，未來對(duì)移動(dòng)終端應(yīng)用的方面還會(huì)加大相關(guān)的研究，使用戶在使用方面達(dá)到最高期望值。

參考文獻(xiàn)：

[1]吳爭.RankLib基于大數(shù)據(jù)的移動(dòng)終端定位的方法[J].2019廣東通信青年論壇優(yōu)秀論文?？?2019

[2]Learning to Rank簡介[J].

[3]Tie-yan Liu.Learning to Rank for Information Retrieval[J].

基金項(xiàng)目：本文為2020年山東英才學(xué)院大學(xué)生專項(xiàng)科研項(xiàng)目：Ranknet方法在移動(dòng)終端的應(yīng)用（項(xiàng)目編號(hào)：20YCKYXS11）的研究成果。