基于SVM分類器的分步定位算法研究.pdf

1、由于WLAN技術(shù)的日趨成熟，以及在接入速率和適應(yīng)環(huán)境上與3G的互補性，使得 WLAN成為室內(nèi)環(huán)境尤其是熱點地區(qū)重要的高速無線數(shù)據(jù)接入手段。此外，隨著無線網(wǎng)絡(luò)的普及、智能手機應(yīng)用的激增，基于位置的服務(wù)受到越來越多的關(guān)注，在緊急救助、醫(yī)療保健、個性化信息傳遞等領(lǐng)域顯示出巨大的活力。因此基于WLAN的室內(nèi)定位技術(shù)成為國內(nèi)外研究的熱點問題。在現(xiàn)有的WLAN的室內(nèi)定位技術(shù)中，基于位置指紋的定位技術(shù)由于使用范圍廣，能夠以純軟件的方式實現(xiàn)，定位精度高

2、，定位系統(tǒng)成本低等優(yōu)點，展現(xiàn)出了明顯優(yōu)勢。
　　本論文對基于位置指紋的室內(nèi)定位技術(shù)進行了較深入的研究，分析制約位置指紋精度提高的重要因素，提出了第一步利用K均值聚類及SVM分類器對RSS信號集分區(qū)，第二步基于位置指紋算法實現(xiàn)精確定位的分步定位算法，有效減小了搜索數(shù)據(jù)空間過大對定位精度的不利影響，并驗證了此方案的有效性。論文的主要工作及創(chuàng)新點如下：
　　首先，本論文對目前廣泛應(yīng)用的三種位置指紋定位算法進行了分析比較，包括K近鄰

3、法(KNN，K Nearest Neighbors)、神經(jīng)網(wǎng)絡(luò)算法、SVM回歸算法。并重點分析了影響它們定位精度提高的主要因素。
　　其次，本論文在研究 SVM兩類分類器分類原理，模型及參數(shù)選擇的基礎(chǔ)上，并針對SVM兩類分類器在定位應(yīng)用中的不足，提出了將SVM與KNN分類器相結(jié)合，利用KNN分類器對RSS集進行修剪的改進算法。
　　最后，本論文將基于SVM的RSS集分區(qū)與KNN、神經(jīng)網(wǎng)絡(luò)、SVM回歸算法相結(jié)合，實現(xiàn)了分步定位