基于群智指纹的指纹库建立及优化算法

发布时间：2020-12-23 00:28

　　为解决群智采集的指纹数据量较大且分布状况复杂的问题,提出了一种基于AP聚类算法的指纹库建立及优化算法.通过AP聚类算法将位置接近且相似度较高的指纹聚成一类,相较于其他聚类算法,使用AP聚类可以更好地反映当前指纹的分布状况.对聚类生成的每一类指纹建立莱斯分布模型,以莱斯分布模型的参数作为指纹.仿真结果表明基于AP聚类的方法与传统指纹法在具有相似的定位效果的前提下,前者所占用的存储量只有后者的50%. 

【文章来源】：南开大学学报(自然科学版). 2020年01期 北大核心

【文章页数】：6 页

【部分图文】：

随机分布的指纹点示意图

运行AP聚类算法首先要建立一个刻画指纹之间相似度的矩阵S,假设场景中有m个无线信号发射节点,通过群智的方法采集到了n条指纹:r为m维向量,表示m个RSS值.对应的位置信息为:

图4为指纹数量逐渐递增的情况下两种算法的平均定位误差对比,当指纹数量较少的时候,聚类后每类里的指纹数量较少,模型误差较大,基于AP聚类的算法的定位精度较KNN算法低,当样本数量增多后,每个聚类中的指纹数量增多,模型会更加准确,定位精度会提升,而KNN算法由于空间有限,当指纹达到一定数量后精度增加的效果不够明显,当指纹数量大于5 000后,基于AP聚类的算法的平均误差较KNN更佳图4 指纹数量相同时本文算法和KNN算法的定位性能比较


本文编号：2932721