粒子群优化支持向量机的室内无线定位方法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 粒子群优化支持向量机的室内无线定位方法 赵 宇，孙 挺 ZHA0Yu，SUN Ting 周 口师范学院，河南 周 口 466001 ZhoukouNormalUniversity,Zhoukou，Henan466001，China ZHAOYu，SUNTing．WirelessindoorlocationmethodbasedonPSO—SVM．ComputerEng咖eeringandAppliea— tions，2014，50(19)：95-98． Abstract：Inordertoimprovelocationaccuracyandreduceenvironmentalimpactonindoorwirelessloc~ion，thispaper presentsanovelindoorlocation methodbasedonparticleswarm optimizationalgorithm andsupportvectormachine． Firstly,theindoorreferencenodesareselectedandthelearn ingsamplesofindoorwirelesslocationareobtained，andthen supportvectormachineisusedtoestablishthenonlinearmodelwhichcandescribehterelationshipbetweeninputandoutput whileandtheparametersofsupport vectormachineisoptimizedbyparticleswarm optimizationalgorithm，finally,the simulation iscarriedOHttotesttheperformance．Theexperimentalresultsshow thattheproposedmethodhasimproved locationaccuracyandcancontrollocationerrorineffectiverange，andcanmeetthereal-timerequirementofindoorwire- lesslocation． Keywords：SupportVectorMachine(SVM)：ParticleSwarm Optimization(PSO)algorithm；indoorlocation；wireless network 摘 要：为了提高室内的定位精度，减少环境因素的不利影响，提 出了一种基于粒子群优化支持向量机的室内无线定 位方法。选择参考点，构建室内无线定位的学习样本，采用支持向量机建立输入与输出之间的非线性关系模型，并 用粒子群算法优化支持向量机参数；进行仿真实验测试其性能。实验结果表明，相对 当前经典室内定位方法，该方 法提高了提高室内的定位精度，将定位误差控制在实际应用的有效围，而且较好地满足了室内定位的实时性要求。 关键词 ：支持向量机；粒子群优化算法；室内定位；无线网络 文献标志码：A 中图分类号：TP393 doi：1O．3778~．issn．1002．8331．1402．0123 1 引言 硬件要求低，成为当前室内无线定位的主要研究方向 。 随着无线网络不断成熟，无线定位技术的应用越来 随着现代统计学理论的迅速发展 ，学者们将 近邻算法 越广泛 ，在室外环境下条件 ，当前无线定位技术 已经相 (KNN)、神经网络、支持向量机等机器学习算法引入到 当完美 ，取得许多的研究成果 然而室内是人类活动最 室内无线定位系统中，提高了室内无线定位的精度 。 为频繁的场所 ，因此室内定位更具实际价值 。室内环 其中KNN算法在应用过程 ，对参数 选择十分敏感，而 境存在非视距、多径 、干扰多变等因素的影响，因此如何 且对于大规模室内定位问题，计算复杂度高，难以满足 提高室内无线定位精度 ，成为当前无线网络研究领域的 无线传感器定位的要求 ；神经网络是一种基于结构风险 重大课题 。