如今,在現(xiàn)有的基于個人移動設備的室內定位系統(tǒng)中,使用WiFi信號指紋進行室內定位的技術逐漸成為了主要的技術形態(tài)和研究課題。這些年來,無線室內定位技術的研究主要集中在兩個方向:一是通過數(shù)量關系等式嚴格推導出目標物體坐標的方法,這方法在視距環(huán)境等理想化的條件下才適用;二是為了應用在實際的非視距傳播環(huán)境中,通過深度學習的算法建模,挖掘定位系統(tǒng)模型中潛在的特征進行訓練,弱化室內定位的苛刻條件,提高定位精度�？偟膩碚f,目前對無線室內定位技術的研究已經越來越受到各界的關注,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。本文主要從深度學習角度入手,嘗試解決傳統(tǒng)通信算法和一般機器學習算法難以解決的困難,通過擴增數(shù)據(jù)和挖掘數(shù)據(jù)中的公共特征,進而提高定位的精度。其內容主要分為如下的三個部分。首先,本論文針對通信技術算法中要求視距環(huán)境傳播等苛刻的條件,引出了基于機器學習算法的室內定位框架。本文先提出了一種直接式的神經網(wǎng)絡定位算法,通過神經網(wǎng)絡中多參數(shù)的訓練學習,可以預測出所需定位物體的坐標位置。但是由于此算法在實際操作中不能有很好的效果,定位坐標相差較大。所以,針對上述直接式神經網(wǎng)絡的弊端,本文提... 

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

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

KNN算法初始點狀態(tài)圖

KNN預測過程示意圖

圖2-3分離超平面示意圖


本文編號：3081498