基于机器学习的室内定位技术研究

摘要：

为解决室内定位由于噪声影响而导致的定位结果不准确的问题,文章提出在离线阶段使用能够有效去除噪声的Hankel矩阵,以重构RSS指纹数据库,从而将真实信号空间与噪声空间分离.于在线阶段使用sage-husa自适应卡尔曼滤波算法,实现对RSS信号中噪声的过滤,利用算法特性减少信号强度波动稳定性带来的影响;过滤测试点的噪声后,使用WKNN算法,提高基于WLAN的室内定位技术的准确性和鲁棒性,获得位置的最佳估计结果.

关键词：加权K近邻法算法、Hankel矩阵、卡尔曼滤波、奇异值、降噪、室内定位

所属期刊栏目：17

在线出版日期：2020-09-09（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：147-151,156