購物車(0)
基于稀疏指紋采集和改進(jìn)WKNN的定位算法
關(guān)鍵詞：室內(nèi)指紋定位 高斯過程回歸 超參數(shù) 共棲生物搜索 卡方距離
摘要：為解決位置指紋定位算法中指紋采集工作量大、定位精度低的問題,提出一種基于稀疏指紋采集和改進(jìn)加權(quán)K最近鄰(weighted k-nearest neighbor,WKNN)的定位算法。稀疏選定參考點(diǎn)并采集來自各接入點(diǎn)(access point,AP)的接收信號(hào)強(qiáng)度(received signal strength,RSS),根據(jù)容錯(cuò)四分位法對(duì)采集的RSS進(jìn)行異常值預(yù)處理;利用經(jīng)過預(yù)處理的指紋數(shù)據(jù)訓(xùn)練高斯過程回歸(Gaussian process regression,GPR)模型,通過共棲生物搜索算法(symbiotic organisms search,SOS)求取模型最優(yōu)超參數(shù)以提高模型的泛化能力,進(jìn)而預(yù)測定位區(qū)域內(nèi)非參考點(diǎn)的RSS;由有限參考點(diǎn)數(shù)據(jù)通過SOS-GPR模型的訓(xùn)練與預(yù)測生成密集位置指紋庫,結(jié)合由卡方距離和AP加權(quán)改進(jìn)的WKNN算法完成仿真驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,在保證定位精度的前提下,稀疏指紋采集法較傳統(tǒng)全采集法減少50%的采集工作量;與原WKNN算法和M-KWNN算法相比,提出的WKNN算法有效提高了定位精度。
重慶郵電大學(xué)學(xué)報(bào)·自然科學(xué)版雜志要求:
{1}所有來稿應(yīng)并提供詳細(xì)的作者簡介，主要包括姓名、單位、通訊地址、郵箱、電話等聯(lián)系方式。
{2}堅(jiān)持首發(fā)原則，請遵守相關(guān)學(xué)術(shù)規(guī)范，請勿一稿多投，凡投稿3個(gè)月未收到相關(guān)通知，可另投他刊。
{3}各級(jí)標(biāo)題依次用阿拉伯?dāng)?shù)字連續(xù)編號(hào)，如1，1.1，一般以1～2級(jí)為宜(宜少不宜多)。
{4}參考文獻(xiàn)按在正文中出現(xiàn)的先后次序列于文后，排在注釋之后。參考文獻(xiàn)的序號(hào)用數(shù)字加方括號(hào)表示，如［1］、［2］、[3]…，與正文中的指示序號(hào)格式一致。
{5}中文摘要一般不超過400個(gè)漢字，英文摘要為250個(gè)實(shí)詞左右。中、英文摘要內(nèi)容要對(duì)應(yīng)，力求用詞、語法、拼寫、含意和邏輯正確。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
