基于压缩感知信号重构的wifi室内定位算法研究

发布时间：2018-02-24 08:44

  本文关键词： 位置指纹 压缩感知 支持向量机 wifi 室内定位　出处：《激光杂志》2014年09期 　论文类型：期刊论文

【摘要】：针对位置指纹定位算法在训练阶段信号数据采集量大和定位精度不高的问题,提出一种压缩感知(CS,Compressed Sensing)与K均值改进支持向量机(SVM,Support Vector Machine)相结合的定位算法模型(CS-KSVM)。CS算法在训练阶段利用已采集到的部分参考点wifi信号强度数据对整个指纹信号库进行重构以降低信号采集工作量,再用K均值改进SVM算法来实现测试点的准确分类。实验仿真结果表明,CS-KSVM算法在相同采样点条件下的定位精度明显要高于传统定位算法,同时在相同定位精度条件下大大减少了定位需要的采样点数。CS-KSVM算法在3米之内的定位准确度可以达到93.2%。
[Abstract]:Aiming at the problem of large amount of signal data acquisition and low positioning accuracy in the training phase of the location fingerprint localization algorithm, This paper presents a new localization algorithm model, CS-KSVMN. CS algorithm, which combines compressed sensing with K-means improved support Vector Machine. In the training stage, the whole fingerprint signal library is entered by using the collected wifi signal intensity data of some reference points. Row reconstruction to reduce the workload of signal acquisition, Then the K-means improved SVM algorithm is used to realize the accurate classification of the test points. The experimental results show that the accuracy of the CS-KSVM algorithm is obviously higher than that of the traditional localization algorithm under the same sampling points. At the same time, under the same positioning precision condition, the sampling number. CS-KSVM algorithm can achieve the accuracy of 93.2in less than 3 meters.
【作者单位】： 新疆大学信息科学与工程学院;
【分类号】：TN92

【相似文献】

相关期刊论文 前10条

1 侯风雷,王炳锡;基于支持向量机的说话人辨认研究[J];通信学报;2002年06期

2 吴飞,庄越挺,潘云鹤;基于增量学习支持向量机的音频例子识别与检索[J];计算机研究与发展;2003年07期

3 熊宇虹,温志渝,陈刚,黄俭,徐溢;基于小波变换和支持向量机的光谱多组分分析[J];光子学报;2005年10期

4 乔跃刚;赵铁军;李生;朱莉;;基于SVM的语音关键词确认方法研究[J];计算机应用与软件;2006年07期

5 陈志国;程义民;王以孝;游安清;;基于SVR的机动目标跟踪[J];计算机工程与科学;2006年08期

6 李金明;赵俊渭;陆晶;;基于支持向量机的水声信道盲均衡算法研究[J];电声技术;2006年09期

7 陈潇;李雷;范小岗;;基于支持向量机的非线性多用户检测[J];西安邮电学院学报;2008年01期

8 冀振元;李晨雷;唐文彦;;支持向量机在车辆目标识别中的应用[J];系统工程与电子技术;2010年02期

9 陈瑶玲;杨鉴;陈江;徐永华;;基于支持向量机的语种识别[J];信息技术;2010年06期

10 张志强;张爱华;;基于支持向量机的高频振荡回路性能评价[J];微型机与应用;2011年08期

相关会议论文 前10条

1 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

2 张凡;贺苏宁;;支持向量机在多语种电话语音识别中的应用[A];第七届全国人机语音通讯学术会议（NCMMSC7）论文集[C];2003年

3 朱砚;肖立民;沈聪;许希斌;王京;;基于支持向量机的新型盲多用户检测算法[A];第九届全国青年通信学术会议论文集[C];2004年

4 杜金香;冯西安;马艳;;支持向量机在DOA估计中的稳健性研究[A];2011'中国西部声学学术交流会论文集[C];2011年

5 雷静;沈雪勤;;利用线性SVM进行参数拟合[A];第六届全国计算机应用联合学术会议论文集[C];2002年

6 党建亮;张家树;;基于支持向量机的混沌跳频码预测[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

7 周小平;晏蒲柳;;基于支持向量机的网络故障在线诊断方法研究[A];第九届全国青年通信学术会议论文集[C];2004年

8 朱君;吕成国;;基于SVM的与文本无关的说话人拒识策略的研究[A];黑龙江省计算机学会2009年学术交流年会论文集[C];2010年

9 马君国;赵宏钟;王微;;基于一维距离像的目标识别算法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

10 王强;孙洪;;基于支持向量机的多极化SAR图像监督分类[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

相关博士学位论文 前10条

1 魏思;基于统计模式识别的发音错误检测研究[D];中国科学技术大学;2008年

2 张菁;探地雷达地雷图像处理与目标识别方法[D];哈尔滨工程大学;2005年

3 孙成立;语音关键词识别技术的研究[D];北京邮电大学;2008年

4 吴丹;通信信号调制方式分类识别算法研究[D];哈尔滨工业大学;2007年

5 陈春雨;有噪声信号对准理论与应用研究[D];哈尔滨工业大学;2006年

6 冯慧芳;IEEE 802.11无线局域网业务流特性研究及预报[D];天津大学;2006年

7 萧s，

本文编号：1529612