10.3969/j.issn.1001-0548.2019.01.006
基于小样本的高精度室内停车场指纹定位算法
针对传统指纹定位算法在离线阶段采集样本工作量较大的问题,该文利用一种分区拟合值近似法(P-FP)来建立离线指纹库.为了解决在线阶段由于WiFi信号的波动导致的定位精度较低的问题,提出一种基于P-FP的设定阈值的序贯重要性采样(SIR)粒子滤波算法(PS-FP)来优化定位坐标.首先建立了路径的损耗模型,并对室内停车场进行分区拟合,得到每个分区的环境系数;然后用拟合值与实际测量值的差值来建立误差特性矩阵,并重新部署虚拟的参考节点(RP);最后对离线指纹库进行C均值聚类.通过比较平均定位误差(MLE)寻找PS-FP算法的最优阈值,并采用PS-FP算法来优化在线定位坐标.实验结果表明,在部署很少的RP即获取样本比较少的条件下,PS-FP算法依然能达到较高的定位精度,其平均定位误差约为0.7 m.累积分布函数(CDF)的分析结果表明,采用PS-FP算法在2 m以内的定位误差能达到98%.
精度、指纹、室内定位、粒子滤波、WiFi
48
TN92
国家自然科学基金61571371;教育部"春晖计划"Z2012026;广东省自然科学基金2015A030313853;四川省高校重点实验室开放基金szjj2017-046
2019-03-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
32-38