基于SVM分类和回归的WiFi室内定位方法.docx

桑 楠a ，袁兴中b ，周瑞a( 电子科技大学 a． 软件学院; b． 桑 楠a ，袁兴中b ，周 瑞a ( 电子科技大学 a． 软件学院; b． 计算机科学与工程学院，成都 611731) 摘 要: 为了减小室内环境因素对室内无线定位的影响，提高定位精度和扩大定位区域，提出了一种新的基于 SVM 的 WiFi 室内无线定位方法。通过将室内区域划分为多个小的区域，建立每个区域 ＲSSI( received signal strength indication) 和位置的非线性关系，再利用 SVM 强大的分类和回归能力来实现定位。实验结果表明，本定 位方法能够达到 1． 83 m 的定位精度，说明区域划分和非线性回归能够有效地控制误差范围和提高定位精度。 关键词: 支持向量机; 室内定位; 区域划分; 分类; 回归 中图分类号: TP393 文献标志码: A 文章编号: 1001-3695( 2014) 06-1820-04 doi: 10． 3969 / j． issn． 1001-3695． 2014． 06． 052 Method of WiFi indoor location based on SVM SANG Nana ，YUAN Xing-zhongb ，ZHOU Ｒuia ( a． Software College，b． School of Computer Science ＆ Engineering，University of Electronic Science ＆ Technology of China，Chengdu 611731， China) Abstract: In order to reduce environmental impact on indoor wireless location，and improve location accuracy and expand lo- cation area，this paper presented a novel WiFi location method based on SVM． This method firstly divided the indoor environ- ment into plurality of small areas，established the nonlinear relationship between ＲSSI and location，and then made use of the great classification and regression capability of SVM to locate target． Experimental results show that the precision of this met- hod is 1． 83 meter，so it can conclude that zoning and nonlinear regression are effective in controlling location error range and improving location accuracy． Key words: SVM; indoor location; zoning; classification; regression 模型对无线 AP 的部署位置要求苛刻，很多参数需要根据不同 的硬件设备和不同的室内环境通过大量的实验或经验得到，不 具有普适性。Battiti 等人 将统计学习的理论应用于室内定 位，通 过比较 SVM、WNN ( weighted K-nearest neighbors) 、KNN 引言 0 ［8］ 随着无线网络和智能移动终端的发展和普及，无线定位技 术已经在社会的各个领域扮演关键的角色，为人们的生产生活 带来了极大便利。在室外空旷的环境下，GPS 无论在民用和军 事方面都取得了极大成功，技术已经趋于成熟。但是，在室内 环境，由于信号的遮挡，GPS 接收机难以捕捉到足够强度的卫 星信号，限制了它在室内定位领域的应用。 目前，WiFi 作为一种基于 IEEE 802． 11 协议小型的无线网 络，已经广泛部署在了很多家庭和办公的建筑中，同 时支持 WiFi 功能的智能移动设备也在人们的生活中越来越普及，使 得利用 WiFi 进行室内定位具有低成本和覆盖广等优势，被广 泛地应用于地理信息系统［1］、机器人自动行走定位［2］ 及作为 其他复杂定位系统的组成部分［3］。WiFi 无线定位技术主要分 为几何法、近似法和场景分析法三大类，这三类方法具有代表 性的技术 分 别 是 TOA |