基于权重参数实时更新的室内定位算法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (17): 191-194.

基于权重参数实时更新的室内定位算法

周雄，陈国彬

重庆工商大学融智学院，重庆 400033

出版日期:2014-09-01 发布日期:2014-09-12

Indoor localization algorithm based on weight parameter real-time updating

ZHOU Xiong, CHEN Guobin

College of Rongzhi, Chongqing Technology and Business University, Chongqing 400033, China

Online:2014-09-01 Published:2014-09-12

摘要/Abstract

摘要： 为了提高室内节点的定位精度，提出一种基于权值参数实时更新的室内定位算法。选择3个最能反映待定位点信息的访问接入点，实时获取测距模型的参数，并采用最小二乘支持向量机对测距进行补偿，得到距离权重，三边定位算法根据权重对节点进行定位，并对计算中的距离进行加权处理，采用卡尔曼滤波法对定位误差的进行校正。实验结果表明，该算法可以较好地降低环境变化和测量误差对定位的不利影响，提高了室内节点的定位精度。

关键词: 室内定位, 线网络, 最小二乘支持向量机, 卡尔曼滤波

Abstract: In order to improve the localization precision, a novel indoor localization algorithm based on weight parameter real-time updating is proposed in this paper. Three APs which can best explain the information of object are selected, and then the parameters of range model are updated in a real-time way, and the least square support vector machine is used to correct the range error to obtain the distance weights, the localization is obtained by using triangle-based localization algorithm based on distance weights and the localization error is corrected by Kalman filter method. The experimental results show that the proposed algorithm can reduce the error caused by surroundings and signal strength, and it has improved the higher localization precision.

Key words: indoor location, wireless network, least square support vector machine, Kalman filter

周雄，陈国彬. 基于权重参数实时更新的室内定位算法[J]. 计算机工程与应用, 2014, 50(17): 191-194.

ZHOU Xiong, CHEN Guobin. Indoor localization algorithm based on weight parameter real-time updating[J]. Computer Engineering and Applications, 2014, 50(17): 191-194.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	於小杰，贺勇，刘盛华. 一种用于无人机室内定位的改进ORB光流算法[J]. 计算机工程与应用, 2021, 57(4): 266-271.
[3]	王蓓，陈金广，王明明. 复杂场景下的改进核相关滤波跟踪算法[J]. 计算机工程与应用, 2021, 57(2): 198-208.
[4]	李松，刘哲，唐小妹，吴健，王飞雪. 基于固定点迭代的Huber鲁棒容积卡尔曼滤波算法[J]. 计算机工程与应用, 2021, 57(16): 90-96.
[5]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[6]	王浩炎，王玉玫. 两类认知用户及信道聚合的认知无线网络研究[J]. 计算机工程与应用, 2020, 56(22): 100-108.
[7]	杨锦朋，常俊，余江，李晓薇. 免校准的跨异构设备的室内定位方法[J]. 计算机工程与应用, 2020, 56(2): 248-254.
[8]	贺军义，杨丰，安葳鹏，尚家泽. 基于IGGIII方案的自适应渐消卡尔曼滤波器[J]. 计算机工程与应用, 2020, 56(14): 52-56.
[9]	王亚铭，唐俊勇，雷聚超. 面向噪声丢包感知的无线网络拥塞算法[J]. 计算机工程与应用, 2020, 56(14): 93-97.
[10]	郑晨辉，陈璟，张雨婷，薛伟. 融合粒子滤波与蓝牙地标矫正的定位算法[J]. 计算机工程与应用, 2020, 56(13): 273-278.
[11]	胡东海，邵元，陈莹，夏士雄. 基于改进粒子滤波的室内自适应定位算法[J]. 计算机工程与应用, 2019, 55(9): 65-71.
[12]	何伟健，陆江城，朱耀磷，李学聪. RFID旋转天线中的椭圆模型室内定位算法[J]. 计算机工程与应用, 2019, 55(9): 87-93.
[13]	高鹏，胡晓东，李家兴，唐伦. 5G-C-RAN中最大化效用服务功能链部署算法[J]. 计算机工程与应用, 2019, 55(7): 108-114.
[14]	周林腾，刘明. 考虑内容异构5G无线网络云对边混合缓存策略[J]. 计算机工程与应用, 2019, 55(6): 94-100.
[15]	王盛，杨信丰. 基于EEMD-GWO-LSSVM的公共交通短期客流预测[J]. 计算机工程与应用, 2019, 55(20): 216-221.