基于遗传算法优化的支持向量回归的室内定位算法

摘要：

基于zigbee接收信号强度指示的室内定位由于成本低, 硬件功耗低, 易于实现而受到越来越多的关注.为了提高zigbee技术的室内定位精度, 减少环境因素的不利影响, 提出了一种遗传算法优化支持向量回归的室内定位方法.该算法分为离线采集和在线预测两个阶段, 离线采集进行指纹数据库的建立, 在线预测则根据训练模型进行位置预测.首先所有的采集数据通过卡尔曼滤波进行处理, 然后通过遗传算法优化支持向量回归 (GA-SVR) 的惩罚参数、径向基函数 (RBF) 核宽度和损失函数变量, 从而使支持向量回归达到最好的位置预测性能.在实际场景中的实验结果表明, 与粒子群优化支持向量回归 (PSO-SVR) 、网格搜索优化支持向量回归 (GS-SVR) 、支持向量回归 (SVR) 和加权K最近邻 (WKNN) 算法相比, 该算法具有较好的定位性能.

关键词：zigbee、接收信号强度指示、遗传算法、支持向量回归

所属期刊栏目：19

分类号：TN919

资助基金：山西省重点研发计划201603D121006-1;中北大学重点实验室开放研究基金 DXMBJJ2018-08 资助

在线出版日期：2019-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：114-119