基于PCA-SMO的CSI指纹定位方法

• 作者: 孟俊剑 邹进贵 赵胤植
• 来源期刊: 全球定位系统
• 关键词: 主成分分析(PCA) 序列最小最优化算法(SMO) 信道状态信息(CSI) 指纹定位
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 理论与探讨
• 页码范围: 13-19
• 页数: 7页
• 分类号: P228
• 语种: 中文
• DOI: 10.12265/j.gnss.2020111301

摘要

Wi-Fi信道状态信息(CSI)中包含丰富的特征信息,使得基于CSI的指纹定位方法可以构建更高维度的特征以改善定位精度,但指纹特征中的冗余信息也导致构建的指纹库存储量大、建立定位模型的时间开销变大以及实时定位计算量大等问题.对此,提出使用主成分分析(PCA)的方法对原始指纹特征进行降维,而后利用序列最小最优化算法(SMO)建立降维后特征与对应位置的回归模型并进行位置预测.实验结果表明,此算法在有效克服上述问题的同时,平均定位误差为1.25 m,定位误差在2 m之内的累计概率可以达到97％.