基于CSI改进的WKNN室内定位方法

摘要：

传统的加权K最近邻算法中以距离作为权值,随着数据维度的增加,计算距离与真实距离的误差越来越大.针对这一问题,提出了一种贝叶斯后验概率的加权K最近邻算法——贝叶斯后验概率(Bayesian Posterior Probability-Weighted K-Nearest Neighbor,BPP-WKNN)方法.首先用支持向量机算法分类选取测试点的近邻指纹点,其次计算测试点到每个近邻指纹点的贝叶斯后验概率,最后以贝叶斯后验概率的大小作为权值进行BPP-WKNN算法定位.实验果表明:与基于曼哈顿距离的加权K最近邻算法和基于欧氏距离的加权K最近邻算法相比,改进后的BPP-WKNN定位算法的定位精确度和稳定性更高;利用支持向量机算法的稀疏性定位完成时间分别缩短了49％与 42％.

关键词：信道状态信息、室内定位、加权K近邻、支持向量机

所属期刊栏目：35

分类号：TN92

在线出版日期：2023-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：93-97