科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对室内环境光、噪声等因素会对移动终端接收到的可见光信号强度产生干扰从而导致定位精度不高的问题，本文提出一种将高斯拟合、卡尔曼滤波（Gaussian fitting and Kalman filtering， GF-KF）与改进贝叶斯（Improved-Bayes）融合的可见光指纹定位方法。首先通过GF-KF算法修正采集到的RSS作为指纹库数据，再通过对加权K近邻法的权值系数改造后与贝叶斯算法融合的方法将待测点与指纹点RSS数据进行匹配，计算分析出位置。实验结果表明：在该算法模型下，平均定位误差为1.42cm，92.83%的测试点定位误差不大于2cm，相较于卷积神经网络算法、加权K最近邻算法和支持向量机法精度更高，鲁棒性更强。
-
单位石油大学机电工程学院
