基于核岭回归方法的定位算法研究

发布时间：2021-05-16 09:23

　　针对无线传感器网络环境下的定位问题,提出了一种基于核岭回归（Kernel ridge regression,KRR）的定位算法。核岭回归算法是在岭回归算法的基础上加入了核函数,该算法在离线阶段采用核岭回归方法提取所有位置指纹数据间的非线性关系,训练出非线性回归定位模型;在线阶段采集目标点的接收信号强度指示（Received signal strength indicator,RSSI）值,利用非线性定位模型估计目标点的物理位置。仿真分析了影响算法性能的各个因素,并在室内典型办公环境下进行了定位实验。实验结果表明,该算法在不同因素的影响下,相比传统加权K近邻算法（Weight K-nearest neighbor,WKNN）算法能达到更好的定位精度,在位置网格间距1.8 m时,WKNN算法平均定位误差为2.53 m,而该算法误差为1.58 m。 

【文章来源】：数据采集与处理. 2020,35(01)北大核心CSCD

【文章页数】：8 页

【文章目录】：
引言
1 基于核岭回归的定位算法
    1.1 定位算法流程图
    1.2 核岭回归算法的提出
    1.3 核岭回归算法的描述
        1.3.1 离线指纹库建立
        1.3.2 非线性回归模型的建立
2 仿真与实验结果分析
    2.1 基于MATLAB的算法仿真
    2.2 真实环境下的实验分析
3 结束语


【参考文献】：
期刊论文
[1]基于临近听域超声波TDOA室内定位的实现[J]. 齐恒,彭林宁,姜禹,胡爱群.  数据采集与处理. 2018(06)
[2]无线传感器网络定位技术的研究[J]. 卞国龙,黄海松,王安忆,魏琴.  实验室研究与探索. 2017(06)
[3]基于核函数特征提取的室内定位算法研究[J]. 李华亮,钱志鸿,田洪亮.  通信学报. 2017(01)
[4]核岭回归方法解释致密砂岩储层孔隙度[J]. 陈文浩,王志章,董少群,侯加根.  测井技术. 2015(06)
[5]一种改进的基于贝叶斯的位置指纹算法[J]. 徐潇潇,谢林柏,彭力.  江南大学学报(自然科学版). 2015(05)
[6]基于LS-SVM的位置指纹室内定位[J]. 韦燕华,周彦,王冬丽.  计算机工程与应用. 2016(09)
[7]基于核岭回归的自适应蓝牙定位方法[J]. 江德祥,胡明清,陈益强,刘军发,周经野.  计算机应用研究. 2010(09)
[8]应用统计方法综合评估核函数分类能力的研究[J]. 王泳,胡包钢.  计算机学报. 2008(06)

硕士论文
[1]基于Android手机的室内定位技术研究与实现[D]. 徐伟.华中师范大学 2014
[2]基于Android的WIFI室内定位技术研究[D]. 罗利.西南交通大学 2014



本文编号：3189434