基于BP神经网络和改进质心算法的室内无线定位技术的研究的中期报告.docxVIP

基于BP神经网络和改进质心算法的室内无线定位技术的研究的中期报告 本研究旨在发展一种准确的室内无线定位技术，以提高室内导航和位置服务的精度。具体来说，本研究采用BP神经网络和改进质心算法相结合的方式进行室内无线定位。 本研究的方法包括四个主要部分：1）数据收集和处理；2）信号特征提取；3）BP神经网络训练；4）改进质心算法定位。 在数据收集和处理部分，我们在室内布置了多个AP并收集了大量的RSSI数据。然后，通过数据处理技术进行离群值剔除和数据清洗，获得可靠的数据集。 在信号特征提取部分，我们使用了三种常用的信号特征提取方法：分布式算术平均值（Distributed Arithmetic Mean，DAM）、根据AP的数量进行简单加权平均值（Simple Weighted Mean，SWM）和普通最小二乘法（Ordinary Least Squares，OLS）。通过比较它们的性能，我们选择了OLS方法进行接下来的步骤。 在BP神经网络训练部分，我们采用了常用的BP神经网络算法，将RSSI作为输入，将位置坐标作为输出，并训练出一个具有较高预测精度的模型。 在改进质心算法定位部分，我们提出了一种改进的质心算法，它将BP神经网络的输出结果作为预测位置，并通过增加质心距离权重、相关系数和用户移动方向来提高定位精度。 我们目前的工作重点是进行系统实现和性能测试。未来的目标是广泛测试该定位系