基于核岭回归方法的定位算法研究

TN92; 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-n...

Full description

Saved in:
Bibliographic Details
Published in数据采集与处理 Vol. 35; no. 1; pp. 147 - 154
Main Authors 汤卓, 乐燕芬, 施伟斌
Format Journal Article
LanguageChinese
Published 上海理工大学光电信息与计算机工程学院,上海,200093 2020
Subjects
无线传感器网络
位置指纹
核岭回归
接收信号强度指示
Online AccessGet full text
ISSN1004-9037
DOI10.16337/j.1004-9037.2020.01.013

Cover

More Information
Summary:TN92; 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.
ISSN:1004-9037
DOI:10.16337/j.1004-9037.2020.01.013