没有合适的资源?快使用搜索试试~ 我知道了~
论文研究-基于半监督仿射传播聚类和KLDA的室内定位算法.pdf
需积分: 10 2 下载量 67 浏览量
2019-07-22
17:51:19
上传
评论
收藏 1.03MB PDF 举报
温馨提示
试读
4页
室内定位中位置指纹库采集的密集程度往往与定位精度密切相关,针对离线阶段时指纹库稀疏的情况下定位精度低的问题,提出了一种基于半监督仿射传播聚类和KLDA的室内定位算法。该算法结合了在线阶段采集无位置标签的RSSI数据,通过建立局部邻域图将无位置标签的RSSI信息反映到离线指纹数据的结构中,并使用KLDA方法抽取位置指纹库中最大的特征信息,有效利用了无位置标签的RSSI信息从而提高定位精度。实验结果表明,该算法结合在线阶段RSSI数据后定位精度得到了明显的提高,而且在仅保留离线指纹数据库三分之二的情况下,几乎能够取得与传统KNN算法使用全指纹库时相同的定位精度,相当于减少了离线阶段采集指纹库的工作开销。
资源推荐
资源详情
资源评论
收稿日期:20170419;修回日期:20170531 基金项目:重庆市重点产业共性关键技术创新专项项目(cstc2015zdcyztzx40008)
作者简介:金纯,男,重庆人,教授,博士,主要研究方向为蓝牙及物联网;邱灿(1994),男(通信作者),硕士研究生,主要研究方向为无线定位
(377899484@qq.com);王腾(1993),男,硕士研究生,主要研究方向为无线通信;刘谦(1993),男,硕士研究生,主要研究方向为无线通信.
基于半监督仿射传播聚类和 KLDA的室内定位算法
金 纯
1,2
,邱 灿
1
,王 腾
1
,刘 谦
1
(1.重庆邮电大学 移动通信重点实验室,重庆 400065;2.重庆金瓯科技发展有限责任公司,重庆 400041)
摘 要:室内定位中位置指纹库采集的密集程度往往与定位精度密切相关,针对离线阶段时指纹库稀疏的情况
下定位精度低的问题,提出了一种基于半监督仿射传播聚类和 KLDA的室内定位算法。该算法结合了在线阶段
采集无位置标签的
RSSI数据,通过建立局部邻域图将无位置标签的 RSSI信息反映到离线指纹数据的结构中,
并使用
KLDA方法抽取位置指纹库中最大的特征信息,有效利用了无位置标签的 RSSI信息从而提高定位精度。
实验结果表明,该算法结合在线阶段 RSSI数据后定位精度得到了明显的提高,而且在仅保留离线指纹数据库三
分之二的情况下,几乎能够取得与传统 KNN算法使用全指纹库时相同的定位精度,相当于减少了离线阶段采集
指纹库的工作开销。
关键词:聚类;线性判别分析;位置指纹;接收信号强度指示
中图分类号:TP393;TP301.6 文献标志码:A 文章编号:10013695(2018)09265904
doi:10.3969/j.issn.10013695.2018.09.022
Indoorlocalizationalgorithmbasedonsemisupervisedaffinity
propagationclusteringandKLDA
JinChun
1,2
,QiuCan
1
,WangTeng
1
,LiuQian
1
(1.KeyLaboratoryofWirelessTransmission,ChongqingUniversityofPosts&Telecommunications,Chongqing400065,China;2.Chongqing
JinouScience&TechnologyDevelopmentCo,Ltd,Chongqing400041,China)
Abstract:Positioningaccuracyisoftencloselyrelatedwiththeintensityoflocationfingerprintforindoorlocalization.When
locationfingerprintcollectedduringofflinestageissparse,theaccuracyisverylow.Aimingatsolvingtheproblemabove,this
paperproposedanindoorlocalizationalgorithmbasedonsemisupervisedaffinitypropagationclusteringandKLDA.Thealgo
rithmtookadvantagesofunlabeleddataandreflectedinformationofitintothestructureofofflinefingerprintthroughestablis
hingthelocalneighborhoodgraph.ItusedKLDAmethodtoextractthegreatestfeatureofthelocationfingerprintandeffectively
usedunlabeleddata
,thustoimprovepositioningaccuracy.Theexperimentalresultsshowthatthealgorithmcombiningwithun
labeleddatacollectedonlinecanimprovethelocalizationaccuracyobviously.Inaddition,whenkeepingonlytwothirdsofoff
linefingerprintdatabase,italsocanachievealmostthesamepositioningaccuracyasthetraditionalKNNalgorithmusingcom
pletedatabase
,whichisequivalenttoreduceworkingoverheadofcollectingfingerprintintheofflinephase.
Keywords:clustering;lineardiscriminantanalysis;locationfingerprint;RSSI
!
引言
随着无线通信迅速的发展,人们已经逐渐习惯使用 GPS
导航来到达目的地,GPS在移动终端的普及性给人类带来了很
大的便利,但是在室内环境中由于多径效应的原因
GPS不能
够提供较高的定位精度,这远不能满足人们对于室内位置服务
的需求。无论是商场导购、地铁等公共场所定位,还是紧急情
况下的伤员救援,这些场景中都迫切需要精确的位置服务。随
着人们对室内位置服务的需求不断增长,越来越多的学者投入
到室内定位技术的研究中来。
目前,室内定位中最为普遍的定位方法为位置指纹定位
法。位置指纹定位方法可分为概率性和确定性两类方法。典
型的确定性算法有
NN
[1]
和 KNN
[2]
算法,即通过计算到每个指
纹数据的欧氏距离找到最邻近的一个 RP或几个 RP来确定待
测目标位置。文献[3]中提出了一种基于贝叶斯模型的定位
法,引用贝叶斯模型统计各信号强度的高斯分布,通过最大似
然法估计定位位置,相比于传统的 KNN算法定位精度得到了
很大的提高。
Kmeans
[4]
、APC(affinitypropagationclustering,仿
射传播聚类)
[5]
、Cmeans
[6]
等聚类算法将离线阶段的指纹库
进行分类处理,大大减少了对指纹库全局搜索的匹配时间。在
文献[7]中提出了一种基于 PCA变换的聚类算法,该算法利用
PCA变换对离线阶段指纹数据库进行去噪和降维处理,有效
提高了聚类的准确率并减少了数据存储开销。文献[8]提出
了一种基于 LDA(lineardiscriminantanalysis,线性判别分析)
的算法,该算法利用线性判别嵌入式将聚类时的目标优化问题
转换为低维空间特征求解问题,把高维的离线数据样本投影到
最佳鉴别矢量空间,提取了离线数据指纹库的特征并压缩了样
本空间维数,在投影到的样本子空间中保证了最大类间距离和
最小类内距离。
在室内定位过程中,位置指纹数据库的密集程度会直接影
响定位的精度,通常采集间隔越小,对在线定位阶段越有利。
但是采集密集的指纹库需要花费大量的时间、精力。针对该问
题本文提出了一种基于仿射传播聚类和
KLDA(kernellinear
discriminantanalysis,核函数线性判别分析)的定位算法。在该
算法中,利用部分未知位置坐标的
RSSI数据与离线位置指纹
库,通过 KLDA算法来提取数据库中的特征信息,并将样本投
影到低维子空间中并保留最有用的特征信息。该算法结合了
未知位置的
RSSI信息对数据库进行特征处理,通过建立局部
第 35卷第 9期
2018年 9月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol35No9
Sep.2018
资源评论
weixin_39840924
- 粉丝: 492
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功