本文關(guān)鍵詞：基于ELM的無線傳感網(wǎng)絡(luò)位置指紋定位方法研究

  更多相關(guān)文章： 無線傳感網(wǎng)絡(luò) WiFi 位置指紋定位 極限學(xué)習(xí)機(jī) 在線定位

【摘要】：GPS(Global Positioning System,全球定位系統(tǒng))定位技術(shù)當(dāng)前已經(jīng)十分成熟,但是在室內(nèi)環(huán)境中,其信號受到建筑物和墻壁阻擋的影響使得定位效果很差,有些建筑物內(nèi)甚至無法接收GPS信號。因此,室內(nèi)定位技術(shù)被國內(nèi)外學(xué)者廣泛關(guān)注�；赪iFi的位置指紋室內(nèi)定位技術(shù),已經(jīng)成為研究熱點(diǎn)�？紤]到位置指紋的非線性特性,提出ELM(Extreme Learning Machine,極限學(xué)習(xí)機(jī))以及KELM(Kernel Extreme Learning Machine,核極限學(xué)習(xí)機(jī))的位置指紋定位方法。KELM以其快速學(xué)習(xí)的特點(diǎn),同時擁有緊密的網(wǎng)絡(luò)結(jié)構(gòu),有效解決傳統(tǒng)定位算法離線學(xué)習(xí)時間較長和泛化性較弱的問題。文章給出OS-ELM(Online Sequential Extreme Learning Machine,在線極限學(xué)習(xí)機(jī))的位置指紋定位方法,用來解決在線定位問題,并通過實(shí)驗(yàn)驗(yàn)證KELM和OS-ELM的定位性能,結(jié)果表明KELM與當(dāng)前主流算法相比有較好的定位能力,OS-ELM可實(shí)現(xiàn)在線定位。研究主要包括如下幾個方面:(1)深入研究ELM、KELM算法理論及性能,分析核函數(shù)對ELM算法的改進(jìn)效果,研究OS-ELM學(xué)習(xí)算法的理論及其推導(dǎo)。(2)基于WiFi的位置指紋定位研究。包括RSSI(Received Signal Strength Indication,接收信號強(qiáng)度值)的信息采集、WiFi接入點(diǎn)的工作模式、不同AP(Access Point,接入點(diǎn))的設(shè)置以及多方向指紋信息對定位的影響。(3)研究ELM、KELM以及OS-ELM的定位性能。通過改變離線數(shù)據(jù)收集環(huán)境,采用不同WiFi接入點(diǎn)作信號源以及多方向指紋信息來分析KELM算法的定位性能。實(shí)驗(yàn)結(jié)果表明,同等條件下與基本ELM、SVM(Support Vectoc Machines,支持向量機(jī))、BP(Back Propagation,反向傳播)神經(jīng)網(wǎng)絡(luò)、kNN(k-Nearest Neighbor,k近鄰)、WkNN(Weighted k-Nearest Neighbors,加權(quán)k近鄰)等位置指紋定位方法相比,KELM表現(xiàn)出極快的定位速度和較高的定位精度。對于OS-ELM的在線定位能力進(jìn)行研究,實(shí)驗(yàn)結(jié)果表明,OS-ELM的定位精度滿足室內(nèi)定位的需求。
【關(guān)鍵詞】：無線傳感網(wǎng)絡(luò) WiFi 位置指紋定位 極限學(xué)習(xí)機(jī) 在線定位
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP212.9;TN929.5
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-13
• 1.1 引言8
• 1.2 國內(nèi)外研究現(xiàn)狀8-10
• 1.3 選題背景及意義10
• 1.4 研究內(nèi)容10-12
• 1.5 本文的工作安排12-13
• 2 位置指紋定位方法研究13-18
• 2.1 室內(nèi)定位系統(tǒng)13-14
• 2.2 位置指紋定位14-17
• 2.2.1 位置指紋定位原理14
• 2.2.2 指紋定位的主要算法14-17
• 2.3 小結(jié)17-18
• 3 極限學(xué)習(xí)機(jī)及其算法18-28
• 3.1 極限學(xué)習(xí)機(jī)18-22
• 3.2 核極限學(xué)習(xí)機(jī)22-23
• 3.3 在線極限學(xué)習(xí)機(jī)23-27
• 3.4 小結(jié)27-28
• 4 KELM離線學(xué)習(xí)算法的定位研究28-44
• 4.1 KELM定位方法28-29
• 4.2 不同AP數(shù)量的定位實(shí)驗(yàn)29-39
• 4.2.1 單方向指紋信息定位31-36
• 4.2.2 多方向指紋信息定位36-39
• 4.3 固定AP的定位實(shí)驗(yàn)39-43
• 4.4 小結(jié)43-44
• 5 OS-ELM在線學(xué)習(xí)算法定位研究44-51
• 5.1 OS-ELM定位方法44-45
• 5.2 不同AP數(shù)量的定位實(shí)驗(yàn)45-49
• 5.2.1 單方向指紋信息定位45-47
• 5.2.2 多方向指紋信息定位47-49
• 5.3 固定AP數(shù)量的定位實(shí)驗(yàn)49
• 5.4 小結(jié)49-51
• 結(jié)論51-53
• 致謝53-54
• 參考文獻(xiàn)54-58
• 攻讀學(xué)位期間的研究成果58

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 李彬;李貽斌;;基于ELM學(xué)習(xí)算法的混沌時間序列預(yù)測[J];天津大學(xué)學(xué)報;2011年08期

2 朱博;張?zhí)靷b;;基于極限學(xué)習(xí)機(jī)(ELM)的視線落點(diǎn)估計方法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2013年03期

3 周江Z，

本文編號：729428