科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于zigbee接收信号强度指示的室内定位由于成本低,硬件功耗低,易于实现而受到越来越多的关注。为了提高zigbee技术的室内定位精度,减少环境因素的不利影响,提出了一种遗传算法优化支持向量回归的室内定位方法。该算法分为离线采集和在线预测两个阶段,离线采集进行指纹数据库的建立,在线预测则根据训练模型进行位置预测。首先所有的采集数据通过卡尔曼滤波进行处理,然后通过遗传算法优化支持向量回归(GA-SVR)的惩罚参数、径向基函数(RBF)核宽度和损失函数变量,从而使支持向量回归达到最好的位置预测性能。在实际场景中的实验结果表明,与粒子群优化支持向量回归(PSO-SVR)、网格搜索优化支持向量回归(GS-SVR)、支持向量回归(SVR)和加权K最近邻(WKNN)算法相比,该算法具有较好的定位性能。
- 单位
