基于特征降维的核岭回归室内定位算法

作者：张贺娜; 乐燕芬^*; 施伟斌

来源：仪器仪表学报, 2020, 41(10): 83-91.

DOI：10.19650/j.cnki.cjsi.J2006576

• 无线传感器网络
• 室内定位
• 核岭回归
• 主成分分析
• 位置指纹

针对核岭回归学习模型的非稀疏性,在处理大规模数据时训练效率较低,影响算法性能的问题,提出一种基于主成分分析(PCA)结合核岭回归(KRR)的室内指纹定位算法。首先利用PCA算法对原始RSSI位置指纹库进行降维处理,去除冗余信息,提取少量主要信息。再利用KRR算法构建参考点位置和RSSI信息之间的非线性映射关系,并由此对目标位置进行回归预测。实验在仿真环境及两种典型室内环境下测试了所提出的PCA-KRR算法的定位性能,并分析了影响算法性能的因素。结果表明,在不同室内环境中,PCA-KRR算法均有较高的定位精度,参考点分布密度是1.8 m×1.8 m时,平均定位误差小于1.8 m。同时,算法降低了对锚节点数量和参考点密度的依赖,在不同室内环境下具有较好的鲁棒性。

• 单位
  上海理工大学