矩阵填充结合贝叶斯压缩感知的位置指纹定位

发布时间：2017-10-04 05:36

  本文关键词：矩阵填充结合贝叶斯压缩感知的位置指纹定位

  更多相关文章： 贝叶斯压缩感知 矩阵填充 回溯搜索优化算法 差分进化 位置指纹定位

【摘要】：随着物联网时代的到来,人们对基于位置服务(Location Based Service, LBS)的需求越来越大,作为室外GPS定位技术的有力补充,室内定位技术及其相关研究近年来备受关注。其中,基于接收信号强度指示(Received Signal Strength Indication, RSSI)的位置指纹(Location Fingerprint, LF)定位方法因其定位精度高、受室内环境因素影响小、实现灵活而成为无线室内定位技术中的主流方法,得到了越来越广泛的应用。位置指纹定位法包括离线位置指纹数据库构建及在线位置指纹匹配定位两个阶段,但因离线采集位置指纹信息工作量通常较大,导致位置指纹库构建效率较低,同时因无线信号的时变性、硬件的不稳定性等影响使其在线定位精度受到限制。以上在一定程度上影响了其实用性,有待进一步研究。本文通过对基于RSSI的位置指纹定位方法在离线采样阶段及在线定位阶段存在的问题进行了深入分析之后,重点对室内位置指纹定位离线位置指纹库构建算法及在线阶段的定位算法进行了相关的理论研究及实验研究,具体开展的主要研究工作如下：1.位置指纹定位法的离线阶段需要根据定位区域内不同参考点处接收的无线信号强度值建立能准确体现出各位置特征的位置指纹库,这是有效实现室内定位的基础。传统位置指纹库构建方法主要有全采法和插值法,全采法工作量较大,位置指纹库的构建效率低,实用性差；插值法通常不能充分利用全局信息,因此计算得到的位置指纹库往往准确度不够,直接影响定位精度。鉴于以上,本文提出通过矩阵填充(Matrix Completion, MC)理论实现离线位置指纹库的高效构建方法,利用采集到的定位区域内少量参考点的位置指纹信息建立低秩(Low-rank, LR)矩阵填充模型,然后利用奇异值阈值(Singular Value Thresholding, SVT)算法求解该模型,最终重构出定位区域内完整的位置指纹库。同时,本文针对传统矩阵填充理论的最优解模糊及平滑性欠佳的问题,引入了回溯搜索优化算法(Backtracking Search Optimization Algorithm, BSA),以核范数最小建立适应度函数,利用回溯搜索优化算法理想的全局搜索特性和收敛速度对矩阵填充算法的寻优过程进行了改进,提出了新型的位置指纹库构建算法BSA-SVT,在保证位置指纹库重构精度的基础上,有效降低了离线采样阶段的工作量。2.在线定位阶段是位置指纹定位法的核心,目前已有多种理论可以用于定位算法的设计。传统的K近邻算法需要对位置指纹数据进行逐条匹配,计算量大,精度受限。近年来有学者开始尝试将新兴的压缩感知(Compressed Sensing, CS)理论引入到室内定位算法中,将定位问题转化为稀疏信号的重构问题,并被证明是定位精度相对较高的算法之一。还有在此基础上发展而来的基于贝叶斯压缩感知(Bayesian Compressed Sensing, BCS)的定位算法,它比传统的压缩感知定位算法更加精确、高效、抗噪性更好。但是传统的贝叶斯压缩感知的核心是一种基于快速相关向量机(Relevance Vector Machine, RVM)的基函数选择机制,针对RVM容易陷入局部最优而无法获得最优解的问题,本文引入调整参数相对较少、求解高维问题时收敛速度较快的差分进化(Differential Evolution, DE)算法,提出了基于DE-BCS的定位求解算法。DE-BCS算法将差分进化算法思想融入到RVM基函数选择过程中,增加基函数选择的多样性,保证在RVM运算中“更新”操作首次发生时,避免陷入局部最优的可能性,在没有过多增加运算时间的基础上,进一步提高了定位精度。针对以上算法,本文通过理论分析、计算机仿真及实验研究相结合的方式开展研究,选择了校园内一个特定的室内场景,搭建了基于射频识别(Radio Frequency Identification, RFID)的无线室内定位实验平台,对本文提出的算法进行了充分的实验验证,进一步证明了本文算法的理论价值和实用意义,也为算法的实际应用提供了参考。
【关键词】：贝叶斯压缩感知 矩阵填充 回溯搜索优化算法 差分进化 位置指纹定位
【学位授予单位】：辽宁大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.44;TN929.5;TN911.7
【目录】：

• 摘要4-6
• ABSTRACT6-13
• 第1章 绪论13-20
• 1.1 选题背景及意义13-15
• 1.2 发展历史及研究现状15-17
• 1.3 研究内容及创新点17-20
• 1.3.1 研究内容17-19
• 1.3.2 创新点19-20
• 第2章 回溯搜索优化改进矩阵填充的高效位置指纹库构建20-34
• 2.1 引言20-21
• 2.2 矩阵填充理论用于离线位置指纹库构建的思路21-22
• 2.3 矩阵填充理论22-25
• 2.4 回溯搜索优化算法改进矩阵填充25-28
• 2.5 仿真实验28-33
• 2.5.1 缺损图像恢复仿真实验28-29
• 2.5.2 位置指纹库构建仿真实验29-33
• 2.6 小结33-34
• 第3章 差分进化改进贝叶斯压缩感知的定位算法34-57
• 3.1 引言34-35
• 3.2 压缩感知基本理论35-36
• 3.3 基于贝叶斯压缩感知的定位算法36-45
• 3.3.1 贝叶斯压缩感知基本理论36-41
• 3.3.2 基于贝叶斯压缩感知的定位算法41-45
• 3.4 差分进化改进贝叶斯压缩感知理论45-52
• 3.4.1 差分进化理论45-49
• 3.4.2 差分进化改进贝叶斯压缩感知49-52
• 3.5 仿真实验52-56
• 3.5.1 贝叶斯压缩感知与压缩感知信号重构仿真实验52-54
• 3.5.2 新型DE-BCS算法与传统BCS的定位仿真实验54-56
• 3.6 小结56-57
• 第4章 实验研究57-66
• 4.1 位置指纹库构建实验57-62
• 4.2 室内定位实验62-65
• 4.2.1 改进前后位置指纹库构建算法用于室内定位实验对比62-63
• 4.2.2 改进前后定位算法用于定位实验对比63-65
• 4.3 小结65-66
• 第5章 结论与展望66-68
• 5.1 结论66-67
• 5.2 未来展望67-68
• 致谢68-69
• 参考文献69-73
• 攻读学位期间发表的学术论文及参加科研情况73

【参考文献】

中国期刊全文数据库 前10条

1 李丽娜;马俊;梁德殨;李文浩;;基于相关向量机及模拟退火的损耗模型训练[J];计算机工程与设计;2016年01期

2 李文浩;李丽娜;徐攀峰;刘畅;;基于矩阵填充的室内定位位置指纹库构建[J];辽宁大学学报(自然科学版);2015年04期

3 韦仙;;基于矩阵填充技术重构低秩密度矩阵[J];武汉工程大学学报;2015年02期

4 田文凯;刘三阳;王晓娟;;基于差分进化的回溯搜索优化算法研究与改进[J];计算机应用研究;2015年06期

5 汪冬;葛万成;莫国民;王云光;;基于参考标签可信度和偏差自校正的RFID室内定位算法[J];计算机应用;2014年11期

6 李牧东;赵辉;翁兴伟;;具有广泛学习策略的回溯搜索优化算法[J];系统工程与电子技术;2015年04期

7 吴哲夫;许丽敏;陈滨;覃亚丽;;基于贝叶斯压缩感知多目标定位算法[J];哈尔滨工程大学学报;2014年10期

8 王晓娟;刘三阳;田文凯;;带高效变异尺度系数和贪婪交叉策略的回溯搜索优化算法[J];计算机应用;2014年09期

9 汪慎文;丁立新;张文生;郭肇禄;谢承旺;;差分进化算法研究进展[J];武汉大学学报(理学版);2014年04期

10 周牧;张巧;邱枫;;基于物理邻近点辅助的无线局域网指纹定位方法[J];计算机应用;2014年06期

，

本文编号：968951