基于AP-SVM混合分类的指纹定位算法优化

作者：毛永毅; 吕丹

来源：传感器与微系统, 2022, 41(07): 126-138.

DOI：10.13873/J.1000-9787(2022)07-0126-04

• GAP-SVM
• 接收信号强度指示
• 黄金分割法
• 偏向参数
• 指纹定位

针对指纹定位技术在离线阶段采集数据样本时，因样本质量不稳定导致定位准确率不高的问题，提出基于亲和力传播—支持向量机(AP-SVM)结合黄金分割法的一个新的样本优化方法，即GAP-SVM,使定位准确率得到提高。首先进行接收信号强度指示(RSSI)值的采集并使用GP-AP聚类算法优化数据集，得到高质量、小样本的SVM分类器的训练集；然后设计出了基于GAP-SVM模型的位置指纹定位整体系统架构；最后进行实验仿真。实验结果表明：GAP-SVM混合分类器与传统的SVM分类器相比，GAP-SVM混合分类器具有更高的分类准确率，分类准确率达到92.21%,定位准确率比已有的指纹定位算法提高了46%。

• 单位
  西安邮电大学; 电子工程学院