基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提高定位效率和定位精度,提出了一种基于联合分簇(Hybrid clustering,HC)和LASSO的室内定位算法.该定位算法首先利用簇匹配实现目标粗定位,再在簇内采用LASSO算法进行二次精确定位.通过基于接收信号强度(Received signal strength,RSS)信号特性的K中心聚类方法结合基于物理位置的联合分簇,来降低粗定位阶段的簇匹配错误以避免粗大误差.采用位置指纹RSS信号的覆盖向量的相似度作为分簇和簇匹配的准则来降低运算量.簇内定位阶段采用LASSO算法达到特征稀疏化,有利于目标节点存储空间和能耗的优化.在室内典型办公环境下的定位实验表明,本定位技术在降低在线匹配计算量的同时能保持良好的定位效果,在参考位置点间隔1.8 m时,平均定位误差为1.73 m.
推荐文章
基于LoRa指纹的室内定位算法
LoRa
指纹定位
室内定位
支持向量回归
基于多指纹联合匹配的混合定位算法
室内定位
接收信号强度
位置指纹
步行者航位推算
惯性测量
基于改进BKM聚类算法的WiFi室内定位方法
电磁指纹
室内定位
二分K-means聚类
Chameleon
层次聚类
基于3DCNN的CSI-cluster室内指纹定位算法
室内定位
信道状态信息
多径效应
指纹子库
3维卷积神经网络
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 基于联合分簇和LASSO的室内指纹定位算法
来源期刊 数据采集与处理 学科 工学
关键词 无线传感器网络 室内定位 接收信号强度 分簇 LASSO
年,卷(期) 2020,(6) 所属期刊栏目
研究方向 页码范围 1097-1105
页数 9页 分类号 TN92|TP393
字数 语种 中文
DOI 10.16337/j.1004-9037.2020.06.009
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 施伟斌 96 365 8.0 15.0
2 乐燕芬 44 150 7.0 10.0
3 金施嘉珞 1 0 0.0 0.0
4 朱一鸣 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (35)
共引文献  (28)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(7)
  • 参考文献(1)
  • 二级参考文献(6)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(5)
  • 参考文献(1)
  • 二级参考文献(4)
2016(5)
  • 参考文献(2)
  • 二级参考文献(3)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(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
无线传感器网络
室内定位
接收信号强度
分簇
LASSO
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
数据采集与处理
双月刊
1004-9037
32-1367/TN
大16开
南京市御道街29号1016信箱
28-235
1986
chi
出版文献量(篇)
3235
总下载数(次)
7
总被引数(次)
25271
论文1v1指导