基于局部嵌入算法和神經(jīng)網(wǎng)絡(luò)壓縮的WLAN室內(nèi)定位算法研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，在很多領(lǐng)域，在數(shù)據(jù)處理上出現(xiàn)了維數(shù)災(zāi)難，大量的高維數(shù)據(jù)使得計(jì)算機(jī)在數(shù)據(jù)處理上變得復(fù)雜，包括機(jī)器學(xué)習(xí)，數(shù)據(jù)處理，模式識(shí)別，中心計(jì)算等等。室內(nèi)WLAN的定位算法在離線定位中儲(chǔ)存的RadioMap數(shù)據(jù)由于維數(shù)過(guò)多，在不需要整張地圖，需要實(shí)時(shí)更新的情況下，數(shù)據(jù)量過(guò)于龐大成為了實(shí)時(shí)下載的難題。
　　首先，本文研究了一個(gè)局部線性嵌入算法(LLE)，作為一個(gè)非監(jiān)督算法，它能發(fā)掘嵌入在高維數(shù)據(jù)中內(nèi)部的低維流形結(jié)構(gòu)，而這種算法作

2、為一個(gè)局部算法，能保持局部近鄰不變性。首先是鄰域點(diǎn)的選取，通過(guò)選取的鄰域點(diǎn)構(gòu)造樣本點(diǎn)，這種映射關(guān)系是建立在局部線性重構(gòu)的假設(shè)基礎(chǔ)上的，通過(guò)導(dǎo)出重構(gòu)權(quán)值矩陣，并且最后的實(shí)際計(jì)算低維嵌入結(jié)果變成求解一個(gè)稀疏矩陣的特征值和特征向量問(wèn)題。顯然，LLE算法對(duì)于嵌入在高維數(shù)據(jù)內(nèi)部的低維流形的降維易于實(shí)現(xiàn)。本文先后研究了LLE算法的數(shù)學(xué)推導(dǎo)和實(shí)現(xiàn)過(guò)程，并通過(guò)一些改進(jìn)使得算法呈現(xiàn)更好的降維效果。進(jìn)而，通過(guò)仿真展示了LLE算法對(duì)于三維數(shù)據(jù)中嵌入的二維流形

3、的降維效果，并對(duì)該算法參數(shù)變化進(jìn)行了仿真。
　　其次，本文針對(duì)實(shí)時(shí)數(shù)據(jù)傳輸量大的問(wèn)題，提出了一種在發(fā)送端利用BP網(wǎng)絡(luò)進(jìn)行壓縮，之后保存權(quán)值，在終端重構(gòu)數(shù)據(jù)的方法，大大減少了在實(shí)時(shí)傳輸中的數(shù)據(jù)量，保證了實(shí)時(shí)定位的快速有效性。首先闡述了室內(nèi)定位的基本應(yīng)用背景和研究現(xiàn)狀，采用的仿真環(huán)境是所在樓的27個(gè)AP進(jìn)行數(shù)據(jù)采集和實(shí)時(shí)仿真，應(yīng)用的算法是目前比較通用的KNN算法，采取的核心壓縮數(shù)據(jù)方法是改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)，對(duì)網(wǎng)絡(luò)訓(xùn)練和仿真。