基于PCA-LSSVR算法的WLAN室内定位方法.pdfVIP

第36卷 第2期 仪 器 仪 表 学 报 Vol_36 No．2 2015年 2月 ChineseJournalofScientificInstrument Feb．2015 基于PCA-LSSVR算法的WLAN室内定位方法术 张 勇 ，黄 杰 ，徐科宇 (1．合肥工业大学计算机与信息学院 合肥 230009； 2．芜湖创业园留学人员博士后科研工作站 芜湖 241000) 摘 要：针对WLAN室内定位系统中存在的接收信号强度指示(RSSI)时变特性降低定位精度的问题 ，提出一种基于主成分分 析(PCA)和最小二乘支持向量回归机 (LS—SVR)的PCA—LSSVR定位算法。该算法首先利用 PCA对采集的各接入点(AP)的原 始RSSI信号进行数据降维和去相关处理，提取主要的定位特征数据；然后利用LS．SVR构建指纹点的定位特征数据与其位置的 非线性关系，并利用此关系对测试点的位置进行回归预测。实验结果表明，该算法的定位精度优于几种传统的定位算法 ，是一 种性能 良好的WLAN室内定位算法。 关键词：WLAN；室内定位；主成分分析；最小二乘支持向量回归机 ；接收信号强度指示 中图分类号：TN92 TP393．17 TH70 文献标识码 ：A 国家标准学科分类代码 ：510．50 Indoorpositioningalgorithm forW LAN basedonprincipal componentanalysisandleastsquaresupportvectorregression ZhangYong ，HuangJie，XuKeyu (．SchoolofComputerandInformation，HeFeiUniversityofTechnology，Hefei230009，China； 2．Post—DoctoralResearchCenterofWuhuOverseasStudentPioneerPark，Wuhu241000，China) Abstract：Thetime—varyingcharacteristicofthereceivedsignalstrengthindication(RSSI)degradestheindoorposi— tioningaccuracyinwirelesslocalareanetwork(WLAN)．AnovelindoorpositioningalgorithmPCA—LSSVRbased onprincipalcomponentanalysis(PCA)andleastsquaresuppo~vectorregression(LS·SVR)isproposedtoaddress theproblem．Firstly，theproposedalgorithm employsPCA toreducethedimensionsoftheoriginalRSSIandtheir correlation，whicharesampledfromeachaccesspoint(AP)，andthemainlocationfeaturesareextracted．Second— ly，LS—SVR isemployedtobuildthenonlinearrelationshipbetweenthelocationfeaturesofreferencepointsandtheir locations，andthentestpoints’locationsbasedon thenonlinearrelationshiparepredicted．Experimentalresults show thattheproposedalgorithm issuperiortoseveraltraditionalindoorpositioningalgorithmswithbetterpositioning accuracy· Keywords：WLAN ；indoorpositioning；PCA ；L