【摘要】：針對調(diào)頻(FM)廣播信號動態(tài)變化對定位性能產(chǎn)生較大影響的問題,提出了動態(tài)射頻指紋的FM定位方法。該方法采用多元線性回歸和神經(jīng)網(wǎng)絡(luò)方法,根據(jù)離線階段各個參考點和部分較準(zhǔn)點的調(diào)頻廣播信號強(qiáng)度的關(guān)系,使用在線階段較準(zhǔn)點的信號強(qiáng)度實時估計在線階段參考點的信號強(qiáng)度。通過這兩種方法建立具有自適應(yīng)能力的動態(tài)射頻地圖,并使用貝葉斯估計方法對目標(biāo)進(jìn)行定位。實驗結(jié)果表明,相對靜態(tài)射頻指紋模型:采用多元線性回歸的射頻指紋動態(tài)映射模型定位誤差平均減少9.1%,采用神經(jīng)網(wǎng)絡(luò)的射頻指紋動態(tài)映射模型定位誤差平均減少36.3%,有效抑制了射頻信號動態(tài)變化時變性對定位性能的影響。
[Abstract]:Aiming at the problem that the dynamic change of FM (FM) broadcast signal has great influence on the location performance, a FM location method for dynamic RF fingerprint is proposed. This method adopts multiple linear regression and neural network method, according to the relationship between the intensity of FM broadcast signal at each reference point and part of the punctuality in off-line stage. The signal intensity of the reference point in the online stage is estimated in real time by using the signal intensity of the online stage. The dynamic radio frequency map with adaptive capability is built by these two methods, and the Bayesian estimation method is used to locate the target. The experimental results show that, Relative static radiofrequency fingerprint model: the location error of RF fingerprint dynamic mapping model with multiple linear regression is reduced by 9.1on average, and the location error of radiofrequency fingerprint dynamic mapping model using neural network is reduced by 36.3cm, which is effectively suppressed. The influence of dynamic variation of RF signal on location performance.
【作者單位】： 中國科學(xué)院計算技術(shù)研究所;湘潭大學(xué)信息工程學(xué)院;北京三星通信研究院;
【基金】：國家自然科學(xué)基金資助項目(61374214) 國家科技重大專項(2014ZX03006003-002) 國家863計劃項目(2013AA12A201) 太原市—中關(guān)村合作專項(130104)
【分類號】：TN934.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李勃;;多元線性回歸算法在雙定戶定稅中的應(yīng)用[J];福建電腦;2008年03期

2 李綱;;鑄件成本予測——多元線性回歸予測程序(下)[J];鑄造技術(shù);1989年04期

3 ;應(yīng)用數(shù)學(xué)講座(八) 第六講 多元線性回歸[J];航空工藝技術(shù);1977年02期

4 包紅;徐娜;李偉;;多元線性回歸在成績分析中的應(yīng)用[J];信息系統(tǒng)工程;2012年05期

5 時景榮,羅傳義,張曉東;多元線性回歸的簡便方法[J];吉林化工學(xué)院學(xué)報;2003年02期

6 吳正龍;王儒敬;宋國超;;具有模糊控制變量的多元線性回歸[J];計算機(jī)工程;2006年03期

7 謝世昌;多元線性回歸及其速算技術(shù)[J];長春郵電學(xué)院學(xué)報;1990年01期

8 溫日輝;裴娟娟;吳加權(quán);馬琨;;基于多元線性回歸的高溫圖像溫度場計算[J];激光雜志;2009年04期

9 尹慧敏;;基于波長組合的多元線性回歸在近紅外光譜波長優(yōu)選中的應(yīng)用[J];紅外;2010年10期

10 李海霞,孫學(xué)良,趙黎明;中國圖書市場需求預(yù)測與走勢分析(英文)[J];Transactions of Tianjin University;2002年03期

相關(guān)會議論文 前2條

1 石偉;王剛;劉愛華;武立華;;多元線性回歸在密山井水位影響因素分析的應(yīng)用[A];2013年地震流體專業(yè)委員會學(xué)術(shù)年會會議摘要[C];2013年

2 陳向軍;陳金波;;湖北省流通業(yè)競爭力影響因素測評分析[A];中部崛起與現(xiàn)代服務(wù)業(yè)——第二屆中部商業(yè)經(jīng)濟(jì)論壇論文集[C];2008年

相關(guān)碩士學(xué)位論文 前3條

1 劉軍;基于股票市價與會計信息指標(biāo)的多元線性回歸股票定價模型研究[D];西南財經(jīng)大學(xué);2009年

2 曾昭霞;貴州灣河二期粉煤灰堆場巖溶滲漏污染研究[D];貴州大學(xué);2009年

3 王靜;具有輸入故障自適應(yīng)能力的在線智能建模[D];廈門大學(xué);2007年

，

本文編號：2291789