| 基于多维尺度分析的自适应室内群终端定位方法 |
| |
| 引用本文： | 付先凯,蒋鑫龙,刘军发,张少博,陈益强. 基于多维尺度分析的自适应室内群终端定位方法[J]. 计算机科学, 2018, 45(10): 104-110 |
| |
| 作者姓名： | 付先凯 蒋鑫龙 刘军发 张少博 陈益强 |
| |
| 作者单位： | 中国科学院计算技术研究所泛在计算系统研究中心 北京100190;中国科学院移动计算与新型终端北京市重点实验室 北京100190;中国科学院大学 北京100049,中国科学院计算技术研究所泛在计算系统研究中心 北京100190;中国科学院移动计算与新型终端北京市重点实验室 北京100190;中国科学院大学 北京100049,中国科学院计算技术研究所泛在计算系统研究中心 北京100190;中国科学院移动计算与新型终端北京市重点实验室 北京100190;中国科学院大学 北京100049,长安大学信息工程学院 西安710064,中国科学院计算技术研究所泛在计算系统研究中心 北京100190;中国科学院移动计算与新型终端北京市重点实验室 北京100190;中国科学院大学 北京100049 |
| |
| 基金项目： | 本文受国家自然科学基金面上项目:面向可穿戴用户行为识别的增量学习方法研究(61572471),融合多元传播模型和指纹模型的免标定室内定位方法研究(61472399),递归深度学习网络的多极限环神经动力学模型及方法研究(61572004),广东省科技计划项目:面向健康监护的新型智能贴件关键技术研发及产业化(2015B010105001)资助 |
| |
| 摘 要： | 室内定位是普适计算领域的热点研究问题。当前,室内定位方法主要分为基于信号传播模型的定位方法和基于无线信号指纹的定位方法。其中,基于指纹的方法由于不需要知道无线信号接入点(Access Point,AP)的位置而得到更加广泛的应用, 其需要通过离线阶段采集大量数据来构建丰富的指纹库,满足这一条件需要大量的人工标定工作。对此,文中提出了一种基于指纹空间关系的定位方法,相比于传统的指纹定位方法,该方法无需建立指纹库,只需要通过获取多终端的 Wi-Fi 信号强度,计算所有终端的不相似度并构建不相似矩阵；通过多维尺度分析(Multidimensional Scaling,MDS)算法,构建出所有终端的位置分布图,进而通过确定其中 3 个以上终端的位置来定位所有的终端。采用支持向量回归机(Support Vector Regression,SVR)计算任意终端间的距离,并将距离矩阵作为不相似矩阵。文中在商场场景下选择了约2500m2的区域进行实验,所提方法的平均定位误差约为7m。
|
| 关 键 词： | 室内定位 指纹定位方法 多维尺度分析(MDS) 支持向量回归机(SVR) |
| 收稿时间： | 2018-03-21 |
| 修稿时间： | 2018-06-16 |
Adaptive Indoor Location Method for Multiple Terminals Based on Multidimensional Scaling |
| |
| FU Xian-kai,JIANG Xin-long,LIU Jun-f,ZHANG Shao-bo and CHEN Yi-qiang. Adaptive Indoor Location Method for Multiple Terminals Based on Multidimensional Scaling[J]. Computer Science, 2018, 45(10): 104-110 |
| |
| Authors: | FU Xian-kai JIANG Xin-long LIU Jun-f ZHANG Shao-bo CHEN Yi-qiang |
| |
| Abstract: | |
| |
| Keywords: | Indoor positioning Fingerprint location method Multidimensional scaling SVR |
|
| 点击此处可从《计算机科学》浏览原始摘要信息 |
|
点击此处可从《计算机科学》下载全文 |
|
