如今,在現(xiàn)有的基于個人移動設(shè)備的室內(nèi)定位系統(tǒng)中,使用WiFi信號指紋進(jìn)行室內(nèi)定位的技術(shù)逐漸成為了主要的技術(shù)形態(tài)和研究課題。這些年來,無線室內(nèi)定位技術(shù)的研究主要集中在兩個方向:一是通過數(shù)量關(guān)系等式嚴(yán)格推導(dǎo)出目標(biāo)物體坐標(biāo)的方法,這方法在視距環(huán)境等理想化的條件下才適用;二是為了應(yīng)用在實(shí)際的非視距傳播環(huán)境中,通過深度學(xué)習(xí)的算法建模,挖掘定位系統(tǒng)模型中潛在的特征進(jìn)行訓(xùn)練,弱化室內(nèi)定位的苛刻條件,提高定位精度。總的來說,目前對無線室內(nèi)定位技術(shù)的研究已經(jīng)越來越受到各界的關(guān)注,研制出一套落地可行并且具有通用性的定位系統(tǒng)是十分重要的。本文主要從深度學(xué)習(xí)角度入手,嘗試解決傳統(tǒng)通信算法和一般機(jī)器學(xué)習(xí)算法難以解決的困難,通過擴(kuò)增數(shù)據(jù)和挖掘數(shù)據(jù)中的公共特征,進(jìn)而提高定位的精度。其內(nèi)容主要分為如下的三個部分。首先,本論文針對通信技術(shù)算法中要求視距環(huán)境傳播等苛刻的條件,引出了基于機(jī)器學(xué)習(xí)算法的室內(nèi)定位框架。本文先提出了一種直接式的神經(jīng)網(wǎng)絡(luò)定位算法,通過神經(jīng)網(wǎng)絡(luò)中多參數(shù)的訓(xùn)練學(xué)習(xí),可以預(yù)測出所需定位物體的坐標(biāo)位置。但是由于此算法在實(shí)際操作中不能有很好的效果,定位坐標(biāo)相差較大。所以,針對上述直接式神經(jīng)網(wǎng)絡(luò)的弊端,本文提... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

KNN算法初始點(diǎn)狀態(tài)圖

KNN預(yù)測過程示意圖

圖2-3分離超平面示意圖


本文編號：3081498