基于位置指紋的WLAN室內(nèi)定位關(guān)鍵技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著移動互聯(lián)網(wǎng)技術(shù)的發(fā)展,人們對于位置服務的需求越來越大,位置服務在諸如社交軟件、醫(yī)療救護、商場導購和倉儲管理等領(lǐng)域應用廣泛。室外環(huán)境的定位與導航服務主要使用全球衛(wèi)星導航系統(tǒng)。但是衛(wèi)星信號由于受到建筑物的遮擋無法在室內(nèi)環(huán)境中使用。由于無線局域網(wǎng)(Wireless Local Access Network,WLAN)的普及,無線接入點已被廣泛布置在室內(nèi)環(huán)境,與其他室內(nèi)定位系統(tǒng)相比,基于位置指紋的WLAN室內(nèi)無線定位系統(tǒng)具有硬件成本低、網(wǎng)絡

2、分布廣和精度高等優(yōu)勢。
  本文以WLAN和位置指紋的定位技術(shù)為研究對象,針對現(xiàn)有定位技術(shù)中的不足,結(jié)合模式識別和機器學習的理論和方法,提出了相應的解決方案。本文的主要工作包括三個方面:
  針對接入點(Access Point,AP)的接收信號強度值(Received Signal Strength,RSS)的不確定性,提出了穩(wěn)定MaxMean AP選擇方法,該方法從n個AP中選取信號強度值最強并且信號穩(wěn)定的前m個AP。實

3、驗數(shù)據(jù)表明該算法有效降低了RSS不確定性對定位精度的不利影響,同時減少定位時間和計算量。
  針對訓練樣本中奇異點的存在導致的支持向量機法的過學習和低泛化性問題,提出了基于指紋數(shù)據(jù)庫的K近鄰-支持向量機回歸(K Nearest Neighbor-Support Vector Machine,KNN-SVM)混合聚類算法,利用KNN法去除訓練樣本中的奇異點,再運用SVM算法計算出待定位點位置坐標,實驗測試結(jié)果表明該算法可以有效提高定

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論