基于机器学习的多特征融合室内定位的研究

发布时间：2023-05-31 20:27

　　近年来,随着移动互联网的发展以及移动数据业务的激增,基于位置的服务(Location Based Services,LBS)在人们的工作生活中的应用也越来越广泛。基于无线局域网(wireless LAN,WLAN)的定位技术以其硬件成本低、组网灵活、易于推广等优势受到众多研究者的关注,相关领域的研究成果相继被提出。其中,基于接收信号强度符(Received Signal Strength Indicator,RSSI)的指纹定位技术目前最为流行。基于指纹的定位技术依赖于指纹的独特性,以更好地匹配唯一的位置坐标。仅采用单一的RSSI信道特征作为位置指纹可能丢失大量的多径信息,限制定位精度的提高。因此,本文提出一种基于多特征融合的定位技术。通过相关的文献查阅以及仿真实验,完成了如下研究工作:(1)构建基于多特征融合的核机器模型。基于正定核空间变换理论以及借鉴图像处理中多特征融合方法,对正定核线性组合模型进行改进,构建基于多特征融合的核机器模型,实现多种特征在机器学习过程中自适应地融合。RSSI易受到环境的干扰波动性较大,定位精度不稳定。基于到达时间(Time Of Arrival,TOA)...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
1 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于邻近关系室内定位研究现状
        1.2.2 基于几何关系室内定位研究现状
        1.2.3 基于场景分析室内定位研究现状
    1.3 现有室内定位技术所存在的问题
    1.4 论文的主要内容和组织结构
2 基于WLAN的指纹室内定位技术
    2.1 WLAN网络架构
    2.2 WLAN指纹室内定位
    2.3 典型的指纹定位技术
        2.3.1 加权K近邻法
        2.3.2 极大似然概率法
        2.3.3 人工神经网络法
    2.4 基于RSSI、TOA的定位算法
        2.4.1 基于距离的定位算法
        2.4.2 基于指纹的定位算法
        2.4.3 基于神经网络的RSSI-TOA融合定位算法
    2.5 本章小结
3 基于多特征融合的核机器模型
    3.1 基于正定核的回归学习机器
        3.1.1 正定核构造再生希尔伯特核空间
        3.1.2 表示定理
        3.1.3 常用核函数
    3.2 基于多特征融合的核机器模型
        3.2.1 基于RSSI的核机器模型
        3.2.2 基于RSSI-TOA融合的核机器模型
    3.3 岭回归优化算法
    3.4 实验验证
    3.5 本章小结
4 基于多特征融合的核机器模型的优化算法
    4.1 基本优化模型
    4.2 正则化理论
        4.2.1 L1范数正则化理论
        4.2.2 L2范数正则化理论
        4.2.3 Group LASSO正则化理论
    4.3 基于Group LASSO正则化样本选择算法
        4.3.1 高效迭代优化算法
        4.3.2 实验验证
    4.4 基于L1范数正则化特征选择算法
    4.5 超参数优化算法
    4.6 实验验证
        4.6.1 实际场景实验
        4.6.2 模拟数据实验
    4.7 本章小结
5 总结
    5.1 全文总结
    5.2 未来展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集



本文编号：3825946