提出了一种核主成分分析（KPCA）与最小二乘支持向量回归机（LSSVM）回归算法相结合的室内定位方法。由于RSSI（received signal strength indication,接收信号强度）在室内WLAN环境中受到噪声和多径效应的影响,使得位置指纹与物理位置...提出了一种核主成分分析（KPCA）与最小二乘支持向量回归机（LSSVM）回归算法相结合的室内定位方法。由于RSSI（received signal strength indication,接收信号强度）在室内WLAN环境中受到噪声和多径效应的影响,使得位置指纹与物理位置之间的相关性降低。本文先用缺失值处理方法对采集到的指纹样本做预处理,去除异常值;然后用KPCA方法来进一步处理指纹库,提取定位所需的主要特征,最后利用最小二乘支持向量机进行回归建模,构建位置指纹与实际物理位置之间的非线性映射关系,并用遗传算法（GA）来优化模型参数。实验仿真结果表明,与传统定位方法相比,本文方法定位精度更高,定位速度更快。展开更多
文摘提出了一种核主成分分析（KPCA）与最小二乘支持向量回归机（LSSVM）回归算法相结合的室内定位方法。由于RSSI（received signal strength indication,接收信号强度）在室内WLAN环境中受到噪声和多径效应的影响,使得位置指纹与物理位置之间的相关性降低。本文先用缺失值处理方法对采集到的指纹样本做预处理,去除异常值;然后用KPCA方法来进一步处理指纹库,提取定位所需的主要特征,最后利用最小二乘支持向量机进行回归建模,构建位置指纹与实际物理位置之间的非线性映射关系,并用遗传算法（GA）来优化模型参数。实验仿真结果表明,与传统定位方法相比,本文方法定位精度更高,定位速度更快。
