基于機器學習理論的室內定位算法的改進與研究.pdf

1、近年來，無線通信技術正以十分驚人的速度發(fā)展，在它的帶動下，智能終端迅速得到普及。同時，人們日常生活最多的室內場景定位獲得了廣泛的關注，高精度的室內定位技術在社交網絡、緊急救援、醫(yī)療保健等領域展示出了良好的應用前景。
　　基于位置指紋的室內定位技術由于其不易受到空間中信號傳播路徑的影響，不需要額外部署電子設備，最大程度的借用了目前的公共網絡基礎設施，有效降低了定位的成本等優(yōu)點而備受關注，成為各大機構的研究熱點。但現有的定位方法勞民傷

2、財，需要選取參考點，同時需要采樣多次以建立位置指紋數據庫，另外指紋信息易受多徑和環(huán)境變化的影響，導致需要定期更新指紋庫，這給室內定位系統(tǒng)的普及帶來極大的挑戰(zhàn)。
　　為此，本文提出了一種基于機器學習理論的位置指紋室內定位算法。研究工作如下:
　　(1)分析采樣數對于室內定位結果的影響，發(fā)現總體來講，采樣數越多，定位效果越好，但當采樣數達到一定數量時，定位結果趨于穩(wěn)定，基本不再變化;
　　(2)對指紋數據進行數據預處理。在

3、定位前先對數據進行濾波處理以達到去除波動較大的信號數據，平緩信號強度波動范圍，進而提高定位精度的目的。同時，提出改進的無線接入點選擇算法，以達到降低數據維度和計算時間，改善定位效果的目的;
　　(3)提出了一種基于模糊C均值的指紋聚類模型和一種定位算法中聚類結果優(yōu)劣的判別方法。經驗證，使用聚類模型對指紋數據庫進行區(qū)域劃分，既縮短了計算用時，又減少了定位誤差;
　　(4)提出了一種分簇修剪算法，以去除少量可能造成分類器誤判區(qū)域