發(fā)布時間：2018-02-24 08:44

  本文關鍵詞： 位置指紋 壓縮感知 支持向量機 wifi 室內定位　出處：《激光雜志》2014年09期 　論文類型：期刊論文

【摘要】：針對位置指紋定位算法在訓練階段信號數(shù)據(jù)采集量大和定位精度不高的問題,提出一種壓縮感知(CS,Compressed Sensing)與K均值改進支持向量機(SVM,Support Vector Machine)相結合的定位算法模型(CS-KSVM)。CS算法在訓練階段利用已采集到的部分參考點wifi信號強度數(shù)據(jù)對整個指紋信號庫進行重構以降低信號采集工作量,再用K均值改進SVM算法來實現(xiàn)測試點的準確分類。實驗仿真結果表明,CS-KSVM算法在相同采樣點條件下的定位精度明顯要高于傳統(tǒng)定位算法,同時在相同定位精度條件下大大減少了定位需要的采樣點數(shù)。CS-KSVM算法在3米之內的定位準確度可以達到93.2%。
[Abstract]:Aiming at the problem of large amount of signal data acquisition and low positioning accuracy in the training phase of the location fingerprint localization algorithm, This paper presents a new localization algorithm model, CS-KSVMN. CS algorithm, which combines compressed sensing with K-means improved support Vector Machine. In the training stage, the whole fingerprint signal library is entered by using the collected wifi signal intensity data of some reference points. Row reconstruction to reduce the workload of signal acquisition, Then the K-means improved SVM algorithm is used to realize the accurate classification of the test points. The experimental results show that the accuracy of the CS-KSVM algorithm is obviously higher than that of the traditional localization algorithm under the same sampling points. At the same time, under the same positioning precision condition, the sampling number. CS-KSVM algorithm can achieve the accuracy of 93.2in less than 3 meters.
【作者單位】： 新疆大學信息科學與工程學院;
【分類號】：TN92

【相似文獻】

相關期刊論文 前10條

1 侯風雷,王炳錫;基于支持向量機的說話人辨認研究[J];通信學報;2002年06期

2 吳飛,莊越挺,潘云鶴;基于增量學習支持向量機的音頻例子識別與檢索[J];計算機研究與發(fā)展;2003年07期

3 熊宇虹,溫志渝,陳剛,黃儉,徐溢;基于小波變換和支持向量機的光譜多組分分析[J];光子學報;2005年10期

4 喬躍剛;趙鐵軍;李生;朱莉;;基于SVM的語音關鍵詞確認方法研究[J];計算機應用與軟件;2006年07期

5 陳志國;程義民;王以孝;游安清;;基于SVR的機動目標跟蹤[J];計算機工程與科學;2006年08期

6 李金明;趙俊渭;陸晶;;基于支持向量機的水聲信道盲均衡算法研究[J];電聲技術;2006年09期

7 陳瀟;李雷;范小崗;;基于支持向量機的非線性多用戶檢測[J];西安郵電學院學報;2008年01期

8 冀振元;李晨雷;唐文彥;;支持向量機在車輛目標識別中的應用[J];系統(tǒng)工程與電子技術;2010年02期

9 陳瑤玲;楊鑒;陳江;徐永華;;基于支持向量機的語種識別[J];信息技術;2010年06期

10 張志強;張愛華;;基于支持向量機的高頻振蕩回路性能評價[J];微型機與應用;2011年08期

相關會議論文 前10條

1 謝湘;匡鏡明;;支持向量機在語音識別中的應用研究[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

2 張凡;賀蘇寧;;支持向量機在多語種電話語音識別中的應用[A];第七屆全國人機語音通訊學術會議（NCMMSC7）論文集[C];2003年

3 朱硯;肖立民;沈聰;許希斌;王京;;基于支持向量機的新型盲多用戶檢測算法[A];第九屆全國青年通信學術會議論文集[C];2004年

4 杜金香;馮西安;馬艷;;支持向量機在DOA估計中的穩(wěn)健性研究[A];2011'中國西部聲學學術交流會論文集[C];2011年

5 雷靜;沈雪勤;;利用線性SVM進行參數(shù)擬合[A];第六屆全國計算機應用聯(lián)合學術會議論文集[C];2002年

6 黨建亮;張家樹;;基于支持向量機的混沌跳頻碼預測[A];第十二屆全國信號處理學術年會（CCSP-2005）論文集[C];2005年

7 周小平;晏蒲柳;;基于支持向量機的網絡故障在線診斷方法研究[A];第九屆全國青年通信學術會議論文集[C];2004年

8 朱君;呂成國;;基于SVM的與文本無關的說話人拒識策略的研究[A];黑龍江省計算機學會2009年學術交流年會論文集[C];2010年

9 馬君國;趙宏鐘;王微;;基于一維距離像的目標識別算法[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

10 王強;孫洪;;基于支持向量機的多極化SAR圖像監(jiān)督分類[A];第十二屆全國信號處理學術年會（CCSP-2005）論文集[C];2005年

相關博士學位論文 前10條

1 魏思;基于統(tǒng)計模式識別的發(fā)音錯誤檢測研究[D];中國科學技術大學;2008年

2 張菁;探地雷達地雷圖像處理與目標識別方法[D];哈爾濱工程大學;2005年

3 孫成立;語音關鍵詞識別技術的研究[D];北京郵電大學;2008年

4 吳丹;通信信號調制方式分類識別算法研究[D];哈爾濱工業(yè)大學;2007年

5 陳春雨;有噪聲信號對準理論與應用研究[D];哈爾濱工業(yè)大學;2006年

6 馮慧芳;IEEE 802.11無線局域網業(yè)務流特性研究及預報[D];天津大學;2006年

7 蕭s，

本文編號：1529612