粒子滤波结合RBF神经网络用于室内定位

发布时间：2018-03-24 00:23

  本文选题：室内定位　切入点：接收信号强度指示　出处：《计算机工程与设计》2017年09期

【摘要】：基于接收信号强度指示的室内定位方法在实际应用中定位精度不够理想,有待提高,鉴于此,提出一种改进的粒子滤波定位算法。将测距定位问题转化为非线性不相关方程组的最优化问题,根据测距误差大小对适应度值进行加权计算,平衡不同参考节点对定位目标的影响力,在一定程度上提高定位精度。提出利用RBF神经网络对室内传播损耗模型进行训练,进一步提高测距精度,保证定位优化问题模型的准确性。实验结果表明,所提定位算法平均定位误差约为30cm,基本可以满足一般的室内定位精度的要求。
[Abstract]:The indoor positioning method based on received signal strength indication is not ideal in practical application and needs to be improved. An improved particle filter localization algorithm is proposed in this paper. The location problem is transformed into an optimization problem of nonlinear and unrelated equations, and the fitness is weighted according to the range error. In order to balance the influence of different reference nodes on the location target and improve the positioning accuracy to a certain extent, this paper proposes to use RBF neural network to train the indoor propagation loss model to further improve the ranging accuracy. The experimental results show that the average positioning error of the proposed algorithm is about 30 cm, which can basically meet the requirements of general indoor positioning accuracy.
【作者单位】： 辽宁大学物理学院;中国联通系统集成有限公司辽宁省分公司;
【基金】：国家自然科学基金青年基金项目(61403176) 辽宁省教育厅科学技术研究基金项目(L2013003)
【分类号】：TN713;TP183

【相似文献】

相关期刊论文 前1条

1 宁静;;采用红外织网的室内定位技术[J];激光与红外;2011年07期

相关博士学位论文 前1条

1 田清霖;移动计算平台的室内定位系统研究及优化加速[D];浙江大学;2016年

相关硕士学位论文 前6条

1 谢宏伟;基于智能手机平台的地磁室内定位系统[D];南京大学;2015年

2 方省;基于改进航位推算和粒子滤波的IMU室内定位算法[D];吉林大学;2016年

3 王令则;基于滤波方法的无需测距室内定位研究[D];北京工业大学;2016年

4 常坤;基于粒子滤波算法的地磁室内定位实现[D];北京建筑大学;2016年

5 喻佳宝;基于智能手机的室内地磁定位方法研究[D];深圳大学;2017年

6 陆晓欢;基于电磁场的室内定位技术研究[D];南京邮电大学;2014年

，

本文编号：1655887