首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
甘露,杨君,郭娅婷.基于室内指纹定位的优化算法[J].数据采集与处理,2020,35(5):903-909
基于室内指纹定位的优化算法
Optimization Algorithm Based on Indoor Fingerprint Positioning
投稿时间:2020-04-17  修订日期:2020-09-02
DOI:10.16337/j.1004-9037.2020.05.011
中文关键词:  室内定位  指纹定位算法  曼哈顿距离  切比雪夫距离  粒子滤波
英文关键词:indoor positioning  fingerprint locating algorithm  Manhattan distance  Chebyshev distance  particle filtering (PF)
基金项目:国家自然科学基金(61701354)资助项目。
作者单位邮编
甘露 武汉科技大学冶金自动化检测技术教育部工程研究中心武汉430081
武汉科技大学信息科学与工程学院武汉430081 
430081
杨君 武汉科技大学冶金自动化检测技术教育部工程研究中心武汉430081
武汉科技大学信息科学与工程学院武汉430081 
430081
郭娅婷 武汉科技大学冶金自动化检测技术教育部工程研究中心武汉430081
武汉科技大学信息科学与工程学院武汉430081 
430081
摘要点击次数: 50
全文下载次数: 53
中文摘要:
      针对室内环境中WiFi信号强度易受外界干扰,其不稳定性使得在指纹数据库中进行匹配时准确性较低,定位精度不高的问题,提出一种基于室内指纹定位的优化算法。该算法分别对指纹数据库和匹配算法进行优化。数据库优化采用限幅和滑动平均滤波进行预处理,并根据室内环境分配采样点所属区域编号,构建多维指纹数据库;匹配算法优化首先根据支持向量机(Support vector machine,SVM)对待定位点分类,获取其对应的区域编号,再将欧氏距离、曼哈顿距离和切比雪夫距离三者结合得到位置估计。最后,结合行人航位推算(Pedestrian dead reckoning, PDR)算法将得到的步长与航向角一同进行粒子滤波(Particle filtering, PF)实现定位。实验表明:本文的算法将定位精度提高了13.92%。
英文摘要:
      For indoor environment, the WiFi signal strength is susceptible to external interference. Due to its instability, the accuracy of matching in the fingerprint database is low and the positioning accuracy is not high. An optimization algorithm based on indoor fingerprint positioning is proposed. This algorithm optimizes the fingerprint database and matching algorithm. Database optimization uses limiting and moving average filtering for pre-processing. According to the indoor environment, assign the ID of the area to which the sampling point belongs to build a multidimensional fingerprint database. The matching algorithm is optimized to classify the points to be located according to the support vector machine (SVM) and obtain the corresponding area ids. The Euclidean distance, Manhattan distance and Chebyshev distance are combined to obtain a position estimate. Finally, combined with the pedestrian dead reckoning (PDR) algorithm, the obtained step size and heading angle are subjected to particle filtering to achieve positioning. The proposed algorithm improves the positioning accuracy by 13.92%.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第1856969位访问者 本站今日一共被访问99

技术支持:北京勤云科技发展有限公司