一种基于SVM-KNN的室内定位方法
    4.
    发明公开

    公开(公告)号:CN104619014A

    公开(公告)日:2015-05-13

    申请号:CN201510011964.0

    申请日:2015-01-09

    CPC classification number: H04W64/00

    Abstract: 本发明公开一种基于SVM-KNN的室内定位方法,具体采用支持向量机(SVM)与最近邻算法(KNN)相结合的方法实现室内定位,旨在改善定位的定位精度和稳定性。其实现过程如下,离线阶段:第一,对需要定位的区域进行合理的网格型划分;第二,在各个网格区域中合理均匀的采集足够多的样本点,收集样本点的信号强度值以及所属网格的编号;第三,将每一网格作为一类,利用支持向量机分类算法实现分类建模。在线阶段:利用已经建好的分类模型对待定位点进行分类,选取出分类得到的概率最大的K个区域,根据KNN原理计算最终的待定位点的位置坐标。

    一种基于共轭梯度与模拟原子跃迁的室内定位方法

    公开(公告)号:CN104619015A

    公开(公告)日:2015-05-13

    申请号:CN201510012060.X

    申请日:2015-01-09

    Abstract: 本发明公开了一种基于共轭梯度与模拟原子跃迁的无线室内定位方法,所述室内定位方法,包括以下步骤:(1)在由邻近信标节点围成的可行域范围内,随机选取N个坐标点作为未知节点的初始估计坐标群体;(2)将群体中每个初始估计坐标作为局部初始点,根据目标函数用共轭梯度方法并行地计算出目标函数的局部最优值,及对应的局部最优坐标点,判断局部最优值是否满足截止条件,若满足,则将对应的坐标作为未知节点的全局最优坐标,定位结束;(3)对并行计算得到的N个目标函数局部最优值,进行模拟原子跃迁,跳出步骤(2)局部优化束缚以找到全局最优坐标点;(4)对前一次得到N个局部最优化坐标点进行“轰击”,产生新的局部估计坐标群体,转到(2)。所述的方法能解决串行定位方法迭代时间长的缺点,有效的提高定位效率。

    一种基于模糊支持向量机的行为识别方法

    公开(公告)号:CN104598880A

    公开(公告)日:2015-05-06

    申请号:CN201510011414.9

    申请日:2015-03-06

    Abstract: 本发明采用模糊支持向量机实现对人体各种行为(包括正常的行为,比如站立、走、跑步、上下楼梯以及异常行为,比如跌倒等)的识别,主要用于消除样本点中孤立点和噪声点对分类效果的影响,提高对行为识别的精确率。本发明实现对行为识别的主要内容有:其一,采用三轴加速度计实现对行为数据的采集,获得X轴加速度、Y轴加速度、Z轴加速度。采用合成加速度提取特征值,分别提取合成加速度的均值、方差、能量以及三维数据中任意两维之间的关联系数,获得一个六维的特征向量。其二,计算每一个样本点对所属类别的隶属度。其三,采用模糊支持向量机实现分类模型的构造。其四,在线阶段实现对人体行为的识别。

    一种基于同步迭代重构技术的无线室内定位方法

    公开(公告)号:CN104581941A

    公开(公告)日:2015-04-29

    申请号:CN201510010625.0

    申请日:2015-01-05

    Applicant: 中山大学

    CPC classification number: H04W64/006 G01S5/0273

    Abstract: 一种基于同步迭代重构技术的无线室内定位方法。本发明提供的一种基于同步迭代技术的无线室内定位方法,其定位步骤如下,步骤一:将测得到的信号强度值RSSI依据传输损耗模型转化成距离;步骤二:初始化,给出初始估计值以及收敛条件,一般以待定位节点的临近锚节点的质心作为初始估计值;步骤三:根据引入的权重函数计算迭代步长,以及基于同步迭代重构技术得到修正量;步骤四:用步长和修正量来更新估计值;步骤五:判断是否满足收敛条件,若满足则转入步骤六,反之则调回步骤三;步骤六:将满足步骤五的估计值作为最优解,定位结束。本发明提供的定位方法,综合了待定位节点其所有临近锚节点的位置信息,有效的降低环境噪声的影响,定位稳定性好,精度高。

    一种基于SVM和K均值聚类的室内定位方法

    公开(公告)号:CN104853434A

    公开(公告)日:2015-08-19

    申请号:CN201510031014.4

    申请日:2015-01-13

    Applicant: 中山大学

    CPC classification number: H04W64/006 H04W4/043 H04W24/10

    Abstract: 本发明采用一种基于支持向量机(Support Vector Machine,SVM)与K均值聚类算法的方法实现室内定位,旨在改善室内定位的定位精度和稳定性,降低定位算法的复杂度。定位的主要过程:第一步,在定位区域内均匀选取若干个参考点并在这个点上采集RSSI样本,与参考点位置坐标组成一个指纹,所有指纹构成指纹库;第二步,对指纹库采用K均值聚类算法,将定位区域自动划分为若干小范围的子区域;第三步,在定位子区域中采用SVM算法,对每个子区域构建定位子模型;第四步,计算每个子区域内RSSI的平均值,作为该子区域的聚类中心;第五步,计算实时RSSI信号与所有子区域聚类中心的欧氏距离,确定最近的一个子区域,再利用第三步中构建出来的定位模型中实现精确定位。

    一种基于进化策略的无线室内定位方法

    公开(公告)号:CN104581940A

    公开(公告)日:2015-04-29

    申请号:CN201510010624.6

    申请日:2015-01-05

    Applicant: 中山大学

    CPC classification number: H04W64/00

    Abstract: 本发明提供的一种基于进化策略的无线室内定位方法,其定位步骤如下,步骤一:初始化,通过任意方式生成μ个个体组成初始群体,并给出定终止条件;步骤二:交叉重组,新个体的目标变量是从两个父代个体中随机选取、组合而来,即从μ个父代个体中用随机的方法任选两个个体,然后从这两个个体中组合出新个体;步骤三:突变,对重组后的个体添加随机量,产生新个体;步骤四:选择淘汰,计算每个个体的适应度,采用确定型(μ+λ)-ES挑选策略,从(μ+λ)个个体中挑选出适应度较小的前μ个组成下一代群体,为进一步进化做准备;步骤五:重复执行步骤二到步骤四,直到满足终止条件,选择最优各个作为进化过程的结果,最优个体的坐标分量即为所求移动节点所对应的坐标。

Patent Agency Ranking