基于支持向量机的混合相似度室内指纹定位算法

doi:10.19678/j.issn.1000-3428.0046940

计算机工程 ›› 2018, Vol. 44 ›› Issue (7): 109-113,120. doi: 10.19678/j.issn.1000-3428.0046940

基于支持向量机的混合相似度室内指纹定位算法

施涛涛 ^a,b,卢先领 ^a,b,于丹石^b

江南大学 a.轻工过程先进控制教育部重点实验室; b.物联网工程学院,江苏无锡 214122

收稿日期:2017-04-24 出版日期:2018-07-15 发布日期:2018-07-15
作者简介:施涛涛(1992—),男,硕士研究生,主研方向为无线传感网络、室内定位技术;卢先领,教授、博士;于丹石,工程师。
基金资助:
江苏省产学研联合创新资金前瞻性联合研究项目(BY2014023-31);江苏省“六大人才高峰”项目(WLW_007)。

Mixed Similarity Indoor Fingerprint Location Algorithm Based on Support Vector Machine

SHI Taotao^a,b,LU Xianling^a,b,YU Danshi ^b

a.Key Laboratory of Advanced Process Control for Light Industry,Ministry of Education; b.School of Internet of Things Engineering,Jiangnan University,Wuxi,Jiangsu 214122,China

Received:2017-04-24 Online:2018-07-15 Published:2018-07-15

摘要/Abstract

摘要：

传统室内指纹定位算法因参考点匹配精度低,导致定位误差大。为此,提出基于支持向量机(SVM)的混合相似度加权K近邻算法SVM-MWKNN。在离线阶段,将已采集的接收信号强度值进行去干扰处理后,对指纹库作网格划分,然后使用SVM实现网格学习;在定位阶段,使用SVM进行网格寻找,确定待定位点指纹所属网格,然后求出k个最大相似度值作为权值以实现定位。实验结果表明,与已有的位置指纹定位算法相比,该算法通过建立多相似度指标,可以有效提高数据利用率,减少定位误差,定位精度提高达45%。

关键词: 指纹定位, 支持向量机, 网格法, 局部相似度, 整体相似度

Abstract:

The location error of traditional indoor fingerprint location algorithm is high because of the low precision of reference point matching.Therefore,a mixed similarity weighted K nearest neighbor algorithm based on Support Vector Machine (SVM) is proposed.In the off-line phase,after the received signal strength values are processed,the fingerprint library is meshed,and then SVM is used to study the grid.In the positioning stage,the grid is searched by SVM to determine the grid of the pending point fingerprint,and then the maximum k similarity value is obtained as the weight value to realize the positioning.Experimental results show that,compared with the existing fingerprint location algorithm,the proposed algorithm can effectively improve the data utilization,reduce the location error and improve the positioning accuracy by 45%.

Key words: fingerprint location, Support Vector Machine(SVM), grid method, local similarity, overall similarity

中图分类号:

TP393

施涛涛,卢先领,于丹石. 基于支持向量机的混合相似度室内指纹定位算法[J]. 计算机工程, 2018, 44(7): 109-113,120.

SHI Taotao,LU Xianling,YU Danshi. Mixed Similarity Indoor Fingerprint Location Algorithm Based on Support Vector Machine[J]. Computer Engineering, 2018, 44(7): 109-113,120.

https://www.ecice06.com/CN/Y2018/V44/I7/109

参考文献

［1］RYCROFT M J.Understanding GPS:principles and applications［J］.Artech House Mobile Communications,2005,59(5):598-599.
［2］肖国锐,隋立芬,刘长建,等.北斗导航定位系统单点定位中的一种定权方法［J］.测绘学报,2014,43(9):902-907.
［3］RIDA M E,LIU F,MERABETE J E,et al.Hybrid indoor location system(HILS)［C］//Proceedings of International Conference on Computer,Communications,and Control Technology.Washington D.C.,USA:IEEE Press,2015:137-141.
［4］ATIA M M,NOURELDIN A.Dynamic online-calibrated radio maps for indoor positioning in wireless local area networks［J］.IEEE Transactions on Mobile Computing,2013,12(9):1774-1787.
［5］LAITINEN E,LOHAN E S.On the choice of access point selection criterion and other position estimation characteristics for WLAN-based indoor positioning［J］.Sensors,2016,16(5):737-751.
［6］XIONG Z,SONG Z,SCALERA A,et al.Hybrid WSN and RFID indoor positioning and tracking system［J］.EURASIP Journal on Embedded Systems,2013(6):1-15.
［7］BOAVENTURA A S,CARVALHO N B.A low-power wakeup radio for application in WSN-based indoor location systems［J］.International Journal of Wireless Information Networks,2013,20(1):67-73.
［8］GENG Y,HE J,PAHLAVAN K.Modeling the effect of human body on TOA based indoor human tracking［J］.International Journal of Wireless Information Networks,2013,20(4):306-317.
(下转第120页) (上接第113页) ［9］DO T H,YOO M.TDOA-based indoor positioning using visible light［J］.Photonic Network Communications,2014,27(2):80-88.
［10］SU S,ZHAO F,JIA H W.Improved indoor ultrasonic positioning for smartphones using TDOA［J］.Applied Mechanicsand Materials,2014,614:484-489.
［11］ALLEGRETTI M,BERTOLDO S.The study on using passive RFID tags for indoor positioning［J］.Wireless Sensor Network,2015,7(2):13-19.
［12］苏松,胡引翠,卢光耀,等.低功耗蓝牙手机终端室内定位方法［J］.测绘通报,2015(12):81-84.
［13］刘磊,张建军,陆阳,等.仅依赖连通度的压缩感知多目标定位方法［J］.通信学报,2016,37(5):152-164.
［14］SHARMA C,WONGY F,SOH W S,et al.Access point placement for fingerprint-based localization［C］//Proceedings of IEEE International Conference on Communication Systems.Washington D.C.,USA:IEEE Press,2011:238-243.
［15］RUDLAND P A,MAY P S.Location detection system and method with fingerprinting［J］.Plant Molecular Biology,2016,22(5):861-872.
［16］HE S,CHAN S H G.Sectjunction:Wi-Fi indoor locali-zation based on junction of signal sectors［C］//Proceedings of IEEE International Conference on Communications.Washington D.C.,USA:IEEE Press,2014:2605-2610.
［17］GHOLOOBI A,STAVROU S.RSS based localization using a new WKNN approach［C］//Proceedings of International Conference on Computational Intelligence,Communication Systems and Networks.Washington D.C.,USA:IEEE Press,2015:27-30.
［18］唐承佩,张明,李海良,等.一种基于SVM-KNN的室内定位方法:CN104619014A［P］.2015-05-13.
［19］XING Y L,KE H,MIN Y.Research on improvement to WiFi fingerprint location algorithm［C］//Proceedings of International Conference on Wireless Communications,Networking and Mobile Computing.Washington D.C.,USA:IEEE Press,2014:648-652.

[1]	陈增照, 王政, 郑秋雨. 基于全范围头部姿态估计的教师注意力识别算法[J]. 计算机工程, 2024, 50(7): 96-103.
[2]	杜逸潇, 王红军, 李修和. 基于频谱地图的辐射源指纹定位方法研究[J]. 计算机工程, 2023, 49(9): 183-190, 198.
[3]	王志江, 秦品乐, 柴锐, 武峰, 程一彤, 史玥. 基于深度学习的牙齿嵌塞自动判别方法[J]. 计算机工程, 2022, 48(4): 307-313.
[4]	张冰玉, 潘晴, 田妮莉, Everett Xiaolin Wang. 一种基于多重特征融合的信源个数估计方法[J]. 计算机工程, 2021, 47(4): 115-119,126.
[5]	王海, 翁晨傲, 李克, 骆曦. 一种面向基站扇区方向角估计的改进SVM算法[J]. 计算机工程, 2021, 47(4): 120-126.
[6]	连晓伟, 马垚, 陈永乐, 张壮壮, 王建华. 基于载荷特征与统计特征的Shodan流量识别[J]. 计算机工程, 2021, 47(1): 117-122.
[7]	袁哲明, 杨晶晶, 陈渊. 基于最大信息系数与冗余分摊的特征选择方法[J]. 计算机工程, 2020, 46(8): 101-105.
[8]	张瑞, 陈红卫. 基于特征优化与SVPSO的工控入侵检测[J]. 计算机工程, 2020, 46(4): 19-25.
[9]	付子爔, 徐洋, 吴招娣, 许丹丹, 谢晓尧. 基于增量学习的SVM-KNN网络入侵检测方法[J]. 计算机工程, 2020, 46(4): 115-122.
[10]	鲁淑霞, 蔡莲香, 张罗幻. 基于动量加速零阶减小方差的鲁棒支持向量机[J]. 计算机工程, 2020, 46(12): 88-95,104.
[11]	张波, 周从华, 张付全, 张婷, 蒋跃明. 一种面向SNP选择的模糊聚类算法[J]. 计算机工程, 2019, 45(8): 66-74.
[12]	周梦妮, 牛焱, 曹锐, 阎鹏飞, 相洁. 基于相位同步的癫痫信号识别与分析[J]. 计算机工程, 2019, 45(7): 291-295,302.
[13]	易国洪,代瑜,冯智莉,黎慧源. 基于SVM与DOM重心半径模型的Web正文提取[J]. 计算机工程, 2019, 45(6): 206-210.
[14]	戴志诚,李小年,陈增照,何秀玲. 基于KNN算法的可变权值室内指纹定位算法[J]. 计算机工程, 2019, 45(6): 310-314.
[15]	苗续芝,陈伟,毕方明,房卫东,张武雄. 基于改进FOA-SVM的矿井火灾图像识别[J]. 计算机工程, 2019, 45(4): 267-274.

选择文件类型/文献管理软件名称

选择包含的内容

基于支持向量机的混合相似度室内指纹定位算法

Mixed Similarity Indoor Fingerprint Location Algorithm Based on Support Vector Machine

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于支持向量机的混合相似度室内指纹定位算法

Mixed Similarity Indoor Fingerprint Location Algorithm Based on Support Vector Machine

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价