检索结果-内蒙古大学图书馆

北京航空航天大学学报 2022年第7期48卷 1242-1251页

作者：许甜何泾沙朱娜斐邓万航吴霜他永君北京工业大学信息学部北京100124

位置指纹算法是研究室内定位技术的主要方法,其中在线阶段的匹配算法是影响室内定位精度的主要因素之一。目前,在线阶段的匹配算法有最近邻算法、K近邻算法以及加权K近邻算法。其中,最近邻算法和K近邻算法都没有考虑到不同参考点和待定... 详细信息

位置指纹算法是研究室内定位技术的主要方法,其中在线阶段的匹配算法是影响室内定位精度的主要因素之一。目前,在线阶段的匹配算法有最近邻算法、K近邻算法以及加权K近邻算法。其中,最近邻算法和K近邻算法都没有考虑到不同参考点和待定位点之间的欧氏距离对定位精度的影响,而加权K近邻算法虽然考虑到了欧氏距离对定位精度的影响,对最终的定位结果采用欧氏距离归一化处理进行加权,却没有考虑到ap信号的波动性对定位结果也会产生很大的影响。因此,针对在线阶段的匹配算法作出改进,提出了基于离散系数改进的加权K近邻算法。在离线阶段建立位置指纹数据库,在在线阶段使用离散系数来反映各ap信号的稳定性,进而对待定位点与参考点之间的欧氏距离进行加权,计算出所有的加权欧氏距离后,从中选取距离最近的k个参考点,估算出待定位点的物理位置。实验结果表明:基于离散系数改进的加权K近邻算法可以实现平均定位精度比K近邻算法提高15%~17%,较加权K近邻算法提高了11%~13%的定位效果。

关键词：室内定位位置指纹 ap信号强度加权K近邻离散系数

来源：评论

学校读者我要写书评

暂无评论

浅析基于MMDM自适应增强模型的WLAN室内定位方法

引用

科学与信息化 2018年第24期 37-38页

作者：夏志牛蕊焦雨琪南京邮电大学通信与信息工程学院江苏南京 210003

由于ap点信号强度的时变性降低了WLAN室内定位的准确性,本文介绍了一个基于多元混合分布模型(MMDM)和Adaboost分类器的WLAN室内定位方法.首先,为了准确地描述ap信号强度的概率分布并改善系统的兼容性,该方法采用高斯混合模型、二项式混... 详细信息

由于ap点信号强度的时变性降低了WLAN室内定位的准确性,本文介绍了一个基于多元混合分布模型(MMDM)和Adaboost分类器的WLAN室内定位方法.首先,为了准确地描述ap信号强度的概率分布并改善系统的兼容性,该方法采用高斯混合模型、二项式混合模型和泊松混合模型来构建MMDM模型并构建指纹数据库.其次,为了避免定位模型的训练样本不足导致训练不足,使用Adaboost分类器将基于MMDM得到的弱类归入到强类中,并提高系统的泛化能力.最后,利用AdaBoost分类器建立了在线定位阶段指纹数据与实际位置的映射关系.实验结果表明,该方法优于几种室内定位算法,具有较好的时移适应性和定位精度.

关键词： WLAN 室内定位 ap信号强度指纹多混合分布模型自适应增强

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：