原文服务方: 计算机应用研究       
摘要:
目前传统的室内指纹定位算法中存在以下几个问题:首先在构建指纹库时采用平均值的方式容易受到噪声点影响而降低定位精度;其次使用欧氏距离衡量待定位点与指纹点之间的距离可能引入信号强度距离较近、物理距离较远的参考点参与估计待定位点的位置,从而增大定位误差,以及当参考点数量较大时,由于K近邻算法的计算量较大,造成定位过程耗时较大,能源耗费较多的情况;最后由于K近邻算法无法根据实际情况确定参与定位的参考点个数而限制了定位系统的精确性和拓展性.针对上述问题,设计了一种基于近邻传播算法的动态自适应室内指纹定位算法.该算法在离线阶段对在每一个参考点采集的信号强度值使用方差滤波算法去除噪声值,然后利用加入了参考点物理信息的近邻传播算法对参考点进行聚类处理.在在线阶段,通过进行粗略定位和精确定位动态地估计待定位点的物理位置.经过实验证明,所提出的新算法较对比算法有较高的精确度和稳定度.
推荐文章
基于方差滤波的动态自适应室内指纹定位算法
K近邻分类算法
方差滤波
动态自适应
欧氏距离
指纹定位算法
基于核自适应的近邻传播聚类算法
近邻传播聚类
核聚类
核自适应聚类
流形学习
基于WFCM算法的室内指纹定位算法
指纹定位
WFCM
FCM
RSSI
基于方差滤波的动态自适应室内指纹定位算法
K近邻分类算法
方差滤波
动态自适应
欧氏距离
指纹定位算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于近邻传播算法的动态自适应室内指纹定位算法
来源期刊 计算机应用研究 学科
关键词 近邻传播算法 方差滤波 动态自适应 指纹定位算法
年,卷(期) 2017,(10) 所属期刊栏目 网络与通信技术
研究方向 页码范围 3133-3138
页数 6页 分类号 TN911.7
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2017.10.056
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 沈建京 信息工程大学理学院 38 322 9.0 17.0
2 张力仁 信息工程大学理学院 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (164)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2015(4)
  • 参考文献(4)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
近邻传播算法
方差滤波
动态自适应
指纹定位算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导