网站首页 | 期刊介绍 | 编委会 | 投稿指南 | 在线订阅 | 联系我们English
郑倩,胡久松,刘宏立,肖郭璇,陈亮,徐琨.基于压缩感知的室内定位系统的定位性能分析[J].重庆邮电大学学报(自然科学版),2018,30(6):768-775. 本文二维码信息
二维码(扫一下试试看!)
基于压缩感知的室内定位系统的定位性能分析
Localization performance analysis of indoor positioning system based on compressive sensing
投稿时间:2018-01-31  修订日期:2018-11-20
DOI: 10.3979/j.issn.1673-825X.2018.06.006
中文关键词:  室内定位  压缩感知  指纹库  聚类
English Keywords:indoor positioning  compressive sensing  fingerprint database  clustering
基金项目:中央国有资本经营预算项目(财企[2013]470号);国家自然科学基金资助项目(61771191);中央高校基本科研项目(1053214004);湖南省自然科学基金项目(2017JJ2052);教育部产学合作协同育人项目(201601004010,201701056026);湖南省普通高校教学改革研究项目(湘教通〔2016〕400 号);湖南省研究生创新项目(CX2017B112)
作者单位E-mail
郑倩 湖南大学 电气与信息工程学院,长沙 410082 qian_enjoy@hnu.edu.cn 
胡久松 湖南大学 电气与信息工程学院,长沙 410082 hujiusong2008@163.com 
刘宏立 湖南大学 电气与信息工程学院,长沙 410082 hongliliu@hnu.edu.cn 
肖郭璇 国家电网 浙江乐清市供电公司,浙江 乐清 325600  
陈亮 湖南大学 电气与信息工程学院,长沙 410082  
徐琨 湖南大学 电气与信息工程学院,长沙 410082  
摘要点击次数: 115
全文下载次数: 86
中文摘要:
      随着Wi-Fi技术的普及,Wi-Fi室内定位技术也越来越受到关注。压缩感知(compressive sensing, CS)技术被提出应用于Wi-Fi室内定位,为了研究各类CS算法在室内定位系统中的定位性能,构建出一套基于CS算法的室内位置指纹定位系统。在离线阶段采集数据并构建指纹库,在在线定位阶段采用不同压缩感知算法比较各类算法的定位性能。实验结果表明,设备朝向包含多方向,参考点数据量越多时定位性能更优;CS的算法参数会影响定位性能;在设定的实验环境下,压缩感知中的分段弱正交匹配追踪(stage-wise weak orthogonal matching pursuit, SWOMP)算法的定位精度比K最近邻算法(k-nearest neighbor, KNN)优21.9%;在各类压缩感知算法中,正交匹配追踪(orthogonal matching pursuit, OMP)相较于其他CS算法表现较差,并且这种差距随参考点数据量的增多而愈加明显。
English Summary:
      With the popularity of Wi-Fi technology, the WiFi-based indoor positioning technology has fostered growing interests. The compressive sensing (CS) theory has been proposed for the WiFi-based indoor positioning. In order to study the localization performance of the system with various CS algorithms, we construct a CS-based indoor location fingerprinting positioning system. In the system, we collect data and build a fingerprint database firstly in the offline phase, and then in the online phase we use different compressive sensing algorithms to compare the localization performance of the system. Experiments show that: first of all, the larger the reference point data set collected from multiple directions contain, the better the performance of location becomes. Secondly, the algorithm parameters of CS have certain influences on the positioning accuracy. Thirdly, the stage-wise weak orthogonal matching pursuit (SWOMP) algorithm in compressive sensing has a better localization accuracy than the k-nearest neighbor(KNN) algorithm by 21.9% in the experimental environment of the paper. And lastly, among all kinds of compressive sensing algorithms, the orthogonal matching pursuit (OMP) is worse than other CS algorithms, and this difference becomes even more obvious with the growth of reference point data.
HTML    PDF浏览   查看/发表评论  下载PDF阅读器
版权所有 © 2009 重庆邮电大学期刊社  
地址:重庆市 南岸区 重庆邮电大学 期刊社 邮编:400065
电话:023-62461032 E-mail : journal@cqupt.edu.cn
meinv 海贼王论坛