基于特征降维的核岭回归室内定位算法

• 作者: 张贺娜 乐燕芬 施伟斌
• 来源期刊: 仪器仪表学报
• 关键词: 无线传感器网络 室内定位 核岭回归 主成分分析 位置指纹
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 信息处理技术|Information Processing Technology
• 页码范围: 83-91
• 页数: 9页
• 分类号: TN92|TP391|TH70
• 语种: 中文
• DOI: 10.19650/j.cnki.cjsi.J2006576

摘要

针对核岭回归学习模型的非稀疏性,在处理大规模数据时训练效率较低,影响算法性能的问题,提出一种基于主成分分析(PCA)结合核岭回归(KRR)的室内指纹定位算法.首先利用PCA算法对原始RSSI位置指纹库进行降维处理,去除冗余信息,提取少量主要信息.再利用KRR算法构建参考点位置和RSSI信息之间的非线性映射关系,并由此对目标位置进行回归预测.实验在仿真环境及两种典型室内环境下测试了所提出的PCA-KRR算法的定位性能,并分析了影响算法性能的因素.结果表明,在不同室内环境中,PCA-KRR算法均有较高的定位精度,参考点分布密度是1.8 m×1.8 m时,平均定位误差小于1.8m.同时,算法降低了对锚节点数量和参考点密度的依赖,在不同室内环境下具有较好的鲁棒性.